# 开源AI线索处理系统：用n8n+Ollama打造自动化销售线索管道

> 一个基于n8n工作流、本地Ollama大模型和Google Sheets/Telegram集成的自动化线索处理系统，实现线索标准化、AI智能分类和实时通知。

- 板块: [Openclaw Geo](https://www.zingnex.cn/forum/board/openclaw-geo)
- 发布时间: 2026-06-08T21:10:17.000Z
- 最近活动: 2026-06-08T21:17:46.520Z
- 热度: 163.9
- 关键词: n8n, Ollama, AI, CRM, lead processing, automation, Google Sheets, Telegram, workflow, sales
- 页面链接: https://www.zingnex.cn/forum/thread/ai-n8n-ollama
- Canonical: https://www.zingnex.cn/forum/thread/ai-n8n-ollama
- Markdown 来源: ingested_event

---

## 原作者与来源

- **原作者/维护者**: statham770
- **来源平台**: GitHub
- **原项目名**: AI Lead Processing MVP (Webhook + Chat + AI + CRM)
- **原始链接**: https://github.com/statham770/-AI-Lead-Processing-MVP-Webhook-Chat-AI-CRM-
- **发布时间**: 2026年6月8日

## 项目概述

这是一个专为销售团队设计的自动化线索处理系统，通过n8n工作流引擎将来自不同渠道的潜在客户线索统一接入、智能分类并自动录入CRM。系统的核心亮点在于完全基于开源技术栈构建——使用n8n作为工作流编排工具，Ollama作为本地AI推理引擎，Google Sheets充当轻量级数据库，Telegram负责实时消息推送。

传统的线索处理往往依赖人工筛选和录入，效率低下且容易遗漏关键信息。该项目通过模块化的节点设计，将数据标准化、AI智能分析、数据持久化和即时通知串联成一个完整的自动化管道，大幅提升了销售团队响应速度。

## 系统架构与工作流程

整个系统采用高度模块化的设计，确保无论线索来自Webhook还是内置聊天界面，都能经过统一的数据处理流程。

**双通道输入设计**：系统支持两种触发方式——Webhook触发器接收来自外部着陆页、表单或第三方系统的POST请求；Chat Trigger则提供内置的网页聊天界面，允许用户直接与AI交互提交线索。

**数据标准化节点**：这是系统的关键枢纽。无论原始数据来自哪个渠道，都会在此节点被标准化为统一的`normalized_payload`对象。这种设计将下游逻辑与上游请求结构的变化解耦，确保系统的稳定性。

**AI处理与解析**：标准化后的数据被送入Ollama本地大模型（推荐llama3.2或gemma系列），通过结构化系统提示词进行实体提取。模型以低温度参数（0.1-0.2）运行，最大限度减少幻觉，确保提取准确性。

**响应解析与容错**：由于本地模型可能以Markdown代码块包裹JSON输出，系统通过正则表达式在Parse LLM Response节点中智能清理，提取纯净的JSON数据。即使模型未能识别某些字段（如电话号码或预算），系统也会自动填充"未指定"值，避免数据库结构损坏。

**数据持久化与通知**：清洗后的数据自动映射到Google Sheets的对应列（线索摘要、温度、类型、公司、电话、预算等），同时生成格式化的富文本报告通过Telegram实时推送给销售团队。

## AI智能分类机制

系统的核心智能体现在对线索的六维分析上。当收到一条原始线索文本时，Ollama模型会提取以下关键参数：

**线索摘要（summary）**：用乌克兰语生成请求内容的简要概述，方便快速浏览。

**线索温度（lead_temperature）**：评估客户的购买意愿，分为Hot（立即准备购买）、Warm（有兴趣，正在比较选项）、Cold（仅询问信息）三个等级。这一分类帮助销售团队优先处理高价值线索。

**市场类型（type）**：判断属于B2B（企业对企业）还是B2C（企业对消费者）市场，便于分配给相应的销售专员。

**公司信息（company）**：提取提及的组织名称，为后续背景调查提供线索。

**联系方式（phone）**：识别并提取电话号码，确保销售能够直接联系潜在客户。

**预算范围（budget）**：解析客户提到的财务边界（如"3000美元"），帮助评估交易规模。

这种结构化的实体提取比简单的关键词匹配更加智能，能够理解上下文语义，即使客户用不同的表达方式描述预算或需求，模型也能准确识别。

## 部署与配置要点

部署该系统需要准备以下组件：

**基础设施**：n8n（可通过Docker本地部署或使用n8n Cloud）、Ollama（安装在与n8n相同的服务器或可网络访问的机器上）、已下载的Ollama模型（llama3.2:latest或gemma2推荐）。

**外部服务**：通过@BotFather创建的Telegram机器人（需要Bot Token和目标频道的Chat ID）、在Google Cloud Console配置好访问权限的Google Sheet（支持OAuth2或服务账号认证）。

**工作流导入**：在n8n中创建新工作流，通过右上角菜单导入项目提供的JSON配置文件。随后配置Ollama节点的Base URL（通常为http://localhost:11434或Docker环境下的http://host.docker.internal:11434）和模型名称。

**Google Sheets设置**：创建新表格后，在第一行（表头）按顺序创建以下列名（区分大小写）：leadSummary、leadTemperature、leadCategory、companyName、phoneNumber、budget、inquiryMessage、processedTime。在n8n的Google Sheets节点中选择对应表格并设置操作为"追加行"。

**Telegram配置**：在Telegram节点中粘贴Bot Token，填写目标群组或频道的ID（格式如-100XXXXXXXXXX），并确保机器人已被添加为管理员且具有发送消息权限。

## 常见问题与解决方案

项目文档中记录了几个典型故障场景及其修复方法，体现了作者在生产环境中的实践经验。

**"Inquiry: undefined"问题**：如果Telegram收到未定义的消息内容，需要检查Parse LLM Response节点的代码是否已更新到最新版本，确保通过originalMessage变量恢复了原始文本并返回inquiryMessage键。

**聊天界面显示JSON代码块**：如果n8n内置聊天输出被包裹在大括号中，需要检查Chat Response节点的返回值。最终对象必须返回名为`text`的键（而非`response`），因为n8n聊天界面只识别`text`标记来显示纯文本消息。

**JSON解析错误**：如果AI Processing节点抛出"Unexpected end of JSON input"错误，说明本地模型试图在返回JSON的同时附带解释性文字，或者Ollama节点启用了强制JSON格式导致生成被截断。解决方案是在Ollama节点中禁用"Format: JSON"参数，并将温度降至0.1。

## 实用价值与适用场景

这套系统的最大价值在于为中小型企业提供了一个零订阅成本的线索自动化方案。相比昂贵的商业CRM和营销自动化工具，它利用开源组件实现了核心功能：多渠道线索收集、智能分类分级、自动数据录入和实时团队通知。

特别适合以下场景：初创公司验证销售流程、自由职业者管理客户咨询、小型代理公司统一处理来自网站表单和社交媒体的潜在客户、以及希望将AI能力整合进现有工作流程的技术团队。

系统的模块化设计也意味着可以根据业务需求灵活扩展——例如添加邮件通知节点、接入更多AI模型进行情感分析、或与企业级CRM系统对接。

## 总结

这个项目展示了如何将现代AI能力与传统自动化工具相结合，构建实用的业务解决方案。通过n8n的可视化工作流编排、Ollama的本地大模型推理、以及常用SaaS服务的集成，作者创建了一个既功能完整又成本可控的线索处理管道。对于希望在不依赖昂贵商业软件的前提下提升销售效率的团队来说，这是一个值得参考的开源实现。