开源AI线索处理系统：用n8n+Ollama打造自动化销售线索管道

本文介绍一个基于开源技术栈的自动化销售线索处理系统，核心组件包括n8n工作流引擎、本地Ollama大模型、Google Sheets轻量级数据库及Telegram实时通知。系统实现多渠道线索统一接入、智能分类分级、自动数据录入与团队实时推送，旨在解决传统人工线索处理效率低、易遗漏的痛点，为中小企业提供零订阅成本的自动化方案。

传统线索处理依赖人工筛选录入，效率低下且易遗漏关键信息。该项目针对此问题，采用开源技术构建自动化管道，将数据标准化、AI分析、持久化与通知串联，大幅提升销售团队响应速度。

系统采用模块化设计，支持Webhook（外部渠道）和Chat Trigger（内置聊天）双通道输入。流程包括：数据标准化（统一为normalized_payload对象）→ Ollama本地模型实体提取（低温度参数0.1-0.2减少幻觉）→ 响应解析与容错（正则清理JSON，缺失字段填充"未指定"）→ Google Sheets数据持久化与Telegram实时通知。

系统通过Ollama模型对线索进行六维分析：

1. 线索摘要（乌克兰语生成请求概述）
2. 线索温度（Hot/Warm/Cold购买意愿等级）
3. 市场类型（B2B/B2C）
4. 公司信息（提取组织名称）
5. 联系方式（识别电话号码）
6. 预算范围（解析财务边界） 结构化提取理解上下文语义，比关键词匹配更智能。

部署需准备：

• 基础设施：n8n（Docker/Cloud）、Ollama（同服务器或可访问）、推荐模型（llama3.2/gemma2）
• 外部服务：Telegram机器人（Bot Token+Chat ID）、Google Sheets（OAuth2/服务账号）
• 配置步骤：导入n8n工作流JSON→设置Ollama节点Base URL与模型→Google Sheets表头配置（leadSummary等列）→Telegram节点权限设置。

典型故障及修复：

1. "Inquiry: undefined"：更新Parse LLM Response节点代码，确保返回inquiryMessage键。
2. 聊天界面显示JSON：检查Chat Response节点返回text键而非response。
3. JSON解析错误：Ollama节点禁用"Format: JSON"，温度降至0.1。

系统为中小型企业提供零订阅成本方案，替代昂贵商业CRM。适用场景：初创公司验证销售流程、自由职业者管理客户咨询、小型代理公司统一多渠道线索、技术团队整合AI到现有工作流。支持灵活扩展（如邮件通知、情感分析、企业CRM对接）。

项目结合现代AI与自动化工具，构建功能完整且成本可控的线索管道。建议：根据业务需求扩展节点（如邮件通知、多模型集成），或对接企业级CRM系统以提升规模化能力。