n8n 工作流：给 LinkedIn 互动者打分筛线索

原文要点

n8n 模板作者 Periodix Actions 描述：工作流每天定时运行，从单一 Campaign Config 读取话题关键词、ICP 关键词与描述、报价、分数阈值和各项限量；Periodix 节点按话题搜 LinkedIn 帖子，再抓取每篇帖子的点赞与评论者，合并去重后先按 ICP 关键词预过滤，AI（默认 Claude，可换 OpenAI/Gemini）对剩余者打 1-10 分，达线者生成引用其互动帖子的加好友话术；全部写入 Google Sheets 的 Hot 与 Cold 两个标签页。需 Periodix 账号（称经 LinkedIn 自身基础设施连接，非浏览器抓取，有试用，按量或 49 美元/月）与 AI 密钥。作者称自用 4 个月发 2499 个请求、81% 通过（其单方数据）。

这次做成什么

在 n8n Cloud 或自托管实例上搭好这条『LinkedIn 互动者打分』流程：定时触发→搜帖→抓互动者→预过滤→AI 打分→按阈值分支写 Hot/Cold 表，并用一条合成测试数据走通全流程。

准备什么

• n8n Cloud 账号或自托管 n8n 实例（模板两者均可运行）
• Periodix Actions 账号并已连接一个 LinkedIn 档案（有免费试用）
• Claude、OpenAI 或 Gemini 任一家的 API key
• Google 账号及一张建好 Hot、Cold 两个工作表的 Sheets

具体怎么做

1. 安装模板与 Periodix 节点

   在 n8n 中打开该模板页（n8n.io/workflows/19840）导入画布；按提示安装验证过的 Periodix Actions 社区节点，在节点凭据里登录 Periodix 账号并选择已连接的 LinkedIn 档案。

2. 配置 Campaign Config

   在配置步骤填入：topic_keywords（如 AI sales automation）、icp_keywords（如 founder,head of growth）、icp_description（一段话描述理想客户画像）、offer（你的产品一句话）、score_threshold（建议先设 7）、posts_limit/reactions_limit/comments_limit（先设小值如 5/20/20 做测试）。

3. 接入 AI 与 Sheets 凭据

   在打分节点添加你的 AI 提供商凭据；在 Google Sheets 节点用 OAuth2 连接 Google 账号，把 Hot 分支指向 Hot 表、Cold 分支指向 Cold 表，确认列名与下方字段映射一致。

4. 核对打分与分支逻辑

   打分节点对每个预过滤后的互动者输出 score（1-10）与 reason；IF 分支按 score >= threshold 分流：过线者额外生成引用其互动帖子的 connection_note 写 Hot 表，未过线者只写 score 和 reason 进 Cold 表。

5. 用合成数据手动执行一次

   先不打开每日定时，手动 Execute 一次，把下方 artifacts 的合成互动者数据作为输入验证预过滤、打分和写表；确认 Hot/Cold 两表各出现正确行后再启用 Schedule 触发器每日运行。

可直接复制的材料

Hot 表列：profile_url | name | headline | score | reason | connection_note | engaged_post_url
Cold 表列：profile_url | name | headline | score | reason | engaged_post_url
说明：profile_url 为互动者 LinkedIn 主页；engaged_post_url 为其点赞或评论过的帖子链接；connection_note 仅 Hot 行有值，需引用 engaged_post_url 对应帖子内容。

[{"profile_url":"https://www.linkedin.com/in/test-li-wei","name":"李伟（虚构）","headline":"Head of Growth at SaaS startup","engaged_post_url":"https://www.linkedin.com/posts/demo-001","comment":"AI 外呼的转化率数据有来源吗？"},{"profile_url":"https://www.linkedin.com/in/test-anna-k","name":"Anna K（虚构）","headline":"Freelance illustrator","engaged_post_url":"https://www.linkedin.com/posts/demo-002","comment":"Great post!"}]

你是 B2B 线索评估助手。根据以下信息为一位 LinkedIn 互动者打分。
理想客户画像（ICP）：{{icp_description}}
ICP 关键词：{{icp_keywords}}
互动者姓名：{{name}}
职位简介：{{headline}}
其互动的帖子：{{engaged_post_url}}，评论内容：{{comment}}
要求：只输出 JSON，{"score": 1到10的整数, "reason": "不超过50字的中文理由", "connection_note": "若score大于等于{{score_threshold}}，写一条不超过200字符的中文加好友话术，须自然引用其评论或帖子主题；否则填空字符串"}。不要输出任何其他文字。

输入与输出示例

本站虚构演示，分数为提示词预期输出，未实际调用任何 API。

输入

用上述合成数据手动执行：topic_keywords=AI sales automation，icp_keywords=founder,head of growth，threshold=7。李伟 headline 含 Head of growth 且评论体现采购意图；Anna K 为插画师。

对应输出

预过滤后李伟进入 AI 打分，示意结果 {"score": 8, "reason": "增长负责人且主动询问转化数据，匹配 ICP"}，写入 Hot 表并附引用 demo-001 帖子的加好友话术；Anna K 被关键词预过滤拦截或在 Cold 表记为 {"score": 2, "reason": "职业为自由插画师，与 B2B 画像不符"}。

做完检查这些

• 手动执行后 Hot 表出现李伟一行，含 score、reason、connection_note、engaged_post_url 四列均有值
• Anna K 不进入 Hot 表，要么被预过滤拦截，要么 Cold 表有低分记录
• Cold 表每行至少含 score 与 reason，无 connection_note 列内容
• 调整 threshold 从 7 改 9 后重跑，李伟改落 Cold 表，证明分支按阈值生效

容易卡住的地方

• Periodix 按量或包月付费（页内称 10 美元/1000 条起或 49 美元/月），测试期务必把 posts/reactions/comments 限量调小
• AI 打分按条计费，预过滤规则要设严，避免为明显不合格者付费
• 作者的 81% 通过率等数据为其单方陈述，不代表你的行业能达到同样水平
• 首次接入务必用合成数据手动跑通再开每日定时，避免自动发送真实请求
• LinkedIn 自动化触达有账号风险，连接频率需自行控制在平台容忍范围内