从架构到现实：使用 AI 外展和公司分析构建我的第一个 SaaS（LeadIt）

Source: Dev.to

请提供您希望翻译的具体文本内容，我将为您翻译成简体中文。

什么是 LeadIt？

LeadIt 是我正在构建的一个项目，旨在帮助进行 B2B 潜在客户发现和 AI 驱动的外联。思路很简单：

• 找到公司
• 分析它们的网站
• 检测机会信号
• 生成个性化的外联邮件

系统试图自动化大部分手动研究公司和撰写冷邮件的过程。

设置公司搜索 API

数据库层

• 将后端连接到 Supabase 并验证成功获取公司记录。
• 构建了一个 Company Search API，支持：
  • 按 company_name 搜索
  • 按 country 和 category 过滤
  • 使用 page、limit 和 offset 进行分页

分页可以防止随着数据集增长而出现的性能问题，且响应轻量，仅返回所需字段。

示例结果

该端点成功获取了以下公司：

• Zapier
• Freshworks
• Postman

看到干净的 API 响应是一个小而令人满意的里程碑。

构建公司分析引擎

引擎会访问公司网站的关键页面：

• 首页
• 招聘页面
• API 文档
• 集成页面
• 产品页面

为了保持爬虫轻量且快速，阻止加载大型资源（图片、字体、CSS），从而显著提升抓取速度。

检测到的业务信号

在分析过程中，引擎会寻找以下信号：

• 招聘活动
• API 可用性
• 与其他工具的集成
• 与自动化相关的关键词

这些信号有助于判断该公司是否可能是一个有价值的 B2B 机会。

构建潜在客户评分引擎

基于规则的评分系统会评估检测到的信号。例如：

• 招聘工程师的公司可能在快速扩张。
• 提供 API 的公司可能以开发者为中心。
• 提到自动化的公司可能是外联工具的良好目标。

系统会计算 机会分数 并提供理由。公司端点现在返回：

• 检测到的信号
• 机会分数
• 分数背后的理由

该模块充当 LeadIt 的智能层。

构建 AI 外联生成器

AI 外联生成器使用以下信息创建个性化冷邮件：

• 公司信号
• 公司背景
• 用户技能

AI 模型

集成了 Groq LLM，使用 llama-3.1-8b-instant 模型。

外联风格

1. 观察式 – 指出公司中有趣的点。
2. 机会式 – 提出可能的改进或机会。
3. 好奇式 – 激发好奇心以促使回复。

AI 的响应会被解析为结构化输出：

• 邮件主题
• 邮件正文

该端点现在可以接受公司信号，自动生成具备上下文感知的外联邮件。

Production Considerations

即使在这个早期版本中，也添加了若干安全防护措施：

• 输入清理
• 提示注入防护
• 令牌限制
• 超时保护
• 速率限制
• 并发限制

调试时刻：Tailwind CSS 版本冲突

在设置 Next.js 14 时，由于 Tailwind CSS 版本不匹配，出现了反复的构建错误。项目使用了 Tailwind CSS v4，该版本面向 Next.js 15。

Fix: 降级到 Tailwind CSS v3。构建错误消失。

LeadIt 当前的进展

经过两天的开发，LeadIt 已经可以：

• 从数据库中搜索公司
• 自动分析公司网站
• 检测业务信号
• 计算潜在客户机会分数
• 生成 AI 驱动的外联邮件

一个自动化 B2B 潜在客户生成平台的基础正在形成。

最后思考

构建你的第一个 SaaS 产品是混乱的。你会花上数小时调试一些小问题，但当系统终于运行起来——API 响应、AI 生成邮件、数据流动——那种感觉令人难以置信。LeadIt 仍处于早期阶段，但核心引擎终于可以运行，标志着真正的进展。

如果你也在构建 SaaS 或尝试 AI 工具，请持续迭代；架构会逐步转变为真正的产品。