用n8n搭建AI销售线索Agent：自动挖掘无网站商家

为什么要给获客流程装上AI引擎

对于做网站开发或数字服务的自由职业者和小团队来说，寻找潜在客户往往是最耗时的环节。传统做法是打开Google Maps，逐个搜索某个区域的餐厅、房产中介或其他本地商家，再手动筛查哪些商家还没有自己的官网，然后一一记录联系方式进行外联。

这位YouTube创作者在视频中直言，这套流程通常要花费6到7个小时甚至更久，还得一条一条地核对、整理、联系。效率低下的根源在于：筛选条件（有没有网站）需要人工判断，信息采集（地址、电话、邮箱、位置）又极度重复。而这正是自动化工具可以彻底解决的痛点。

在n8n中构建对话入口测试工作流

这个AI Agent到底做了什么

整个方案的核心是在 n8n 中搭建一条完整的工作流（workflow），对外表现为一个可以对话的AI Agent。使用者只需用自然语言下达指令，比如「帮我在悉尼找20家没有官网的餐厅」，Agent就会自动完成搜索、过滤和信息抽取。

作者强调输入可以非常灵活：

业务类型：餐厅、房产相关、或任意本地商家
目标地点：澳大利亚、伦敦、美国、巴基斯坦等任意城市
数量：想要10家、20家还是100家，都可以在指令里指定
核心筛选条件：必须是没有官网（或官网损坏）的商家

最终产出是一份结构化的线索清单，包含商家名称、分类、地址、联系电话、邮箱以及地理位置（经纬度）等完整信息，并自动保存下来，供后续建站和外联使用。

工作流的关键节点拆解

从视频演示可以看出，这条n8n工作流由几个核心节点串联而成。

对话与大模型层

工作流的入口是一个AI Agent节点，背后挂载了语言模型。作者选用了 OpenAI 的 ChatGPT 模型，理由是它在信息理解和整理上表现稳定、输出质量较高。他也指出这并非唯一选择——如果你有免费可用的其他模型，完全可以替换，模型本身是可插拔的。Agent节点还连接了记忆（memory）组件，用于维持对话上下文。

n8n 是一款开源的低代码工作流自动化平台，允许用户通过可视化拖拽方式连接各类服务节点，无需深厚编程基础即可构建复杂的自动化流程。与 Zapier、Make（原 Integromat）等商业竞品相比，n8n 支持自托管部署，数据不经第三方服务器中转，在处理商业线索等敏感信息时具备更强的隐私控制优势。其「AI Agent 节点」是近期新增的核心功能，允许将大语言模型接入工作流，模型可以根据上下文动态决定调用哪些工具（Tool Calling），实现从被动执行到主动推理的跃升。记忆（Memory）组件则通过存储对话历史，让 Agent 在多轮交互中保持上下文连贯性，用户无需每次重新交代背景。

位置与经纬度解析

接下来是负责解析位置的节点。它的任务是把用户给出的地点转换成具体的地理坐标（经纬度等），为后续在地图数据中精准搜索商家打下基础。这一步相当于把模糊的「悉尼」变成机器可用的坐标范围。

位置解析节点配合Google地图数据抓取商家信息

商家搜索与网站检测

核心逻辑在搜索商家（Search Business）节点。它根据传入的类别和位置去抓取对应商家，并通过 Fetch Web Page 节点进一步核验每个商家是否真的拥有官网。作者在演示中还提到可以增加一个「Optionally Fetch URL to Verify Leads」的检查步骤——如果商家确实有有效网站，就被排除；没有网站或网站损坏的，才会被保留。

这个双重校验很关键，因为它直接决定了线索的质量：你最终拿到的，都是真正需要建站服务的目标客户。

「Fetch Web Page」节点本质上是一个 HTTP 请求工具，它会尝试访问商家在 Google Maps 等数据源中登记的网站 URL，通过返回的 HTTP 状态码（如 200 表示正常、404 表示页面不存在、连接超时等）来判断该网站是否可访问。值得注意的是，「网站损坏」的情形包括域名到期未续费、服务器宕机、或原本就是无效占位 URL 等多种情况——这类商家实际上也有重新建站的需求，因此纳入筛选对业务而言同样有价值。不过批量访问大量 URL 存在被目标服务器限速或封禁的风险，实际部署时可能需要引入请求间隔控制或代理机制来保证检测的稳定性。

线索存储

符合条件的商家会通过 Get Existing Leads 等节点被统一保存。作者提到结果可以写入表格（如Excel/Sheet），把每条线索的名称、类别、地址、是否有网站等字段整齐落盘。

实测效果

作者在视频中做了现场测试：给Agent下达搜索「餐厅」类目的指令后，系统返回了约18家餐厅的结果。每条记录都清晰标注了商家名称、分类（Restaurant / Pizza）、地址，以及最关键的「No Website / 无网站」状态标记。

测试返回的商家线索列表及其字段信息

换句话说，原本需要人工花费大半天的筛查工作，现在几分钟内就能产出一份带有联系方式的精准潜客名单。

从线索到成交的完整闭环

这个Agent本身只是获客链条的第一环，但它的价值在于打通了整条变现路径。作者给出的完整玩法是：

用n8n Agent批量找到没有官网的本地商家
为这些商家在工作室里制作网站
主动联系对方并展示成品
完成网站销售，形成收入

对于想做本地建站生意的开发者而言，这套思路把最难自动化的「找客户」环节交给了AI，让人力集中在真正创造价值的交付和沟通上。

小结与注意事项

这是一个思路清晰、落地性强的实战案例，展示了n8n结合大模型构建业务Agent的典型模式：自然语言输入 → 位置解析 → 数据搜索 → 条件过滤 → 结构化存储。

需要提醒的是，视频属于演示性质，并未深入展开API配置、地图数据源的具体接口、以及抓取商家联系方式时的合规与反爬问题。实际部署时，数据源的稳定性、调用成本以及对商家信息采集的隐私合规，都是必须认真评估的环节。但作为一套可复用的自动化获客框架，它的参考价值没跑了。

关于数据来源的合规性值得单独说明。从 Google Maps 批量抓取商家信息在技术上通常依赖 Google Places API（官方付费接口）或第三方抓取服务，两条路径各有成本与限制。Google Places API 按请求次数计费，大批量搜索的 API 费用不可忽视；而直接爬取 Google Maps 页面则违反其服务条款，存在账号封禁和法律风险。此外，在欧盟、澳大利亚等地区，采集、存储并用于商业外联的个人或企业联系信息，需符合 GDPR、澳大利亚隐私法等相关法规的要求。视频演示中未明确交代底层数据源，这是将该方案真正落地前必须自行厘清的关键合规环节。