Was macht ai-lead-gen-agent?
Agentische KI-Pipeline – sammelt Leads, bewertet sie mit LLM und generiert Kaltakquise-E-Mails. Läuft lokal oder auf AWS Lambda + Step Functions.
Übersicht
Dieser Skill orchestriert einen Workflow zur Lead-Generierung: Er sammelt Leads aus öffentlichen Quellen, bewertet sie mittels eines Large Language Models (LLM) und erstellt personalisierte Kaltakquise-E-Mails. Die Pipeline kann entweder lokal für Tests und Entwicklung oder serverlos auf AWS Step Functions ausgeführt werden.
Funktionen
- Lead-Sammlung: Automatische Extraktion von Leads aus vordefinierten Quellen (z. B. Web-Scraping, APIs).
- LLM-basierte Bewertung: Bewertung jedes Leads anhand von Relevanzkriterien mithilfe eines LLM.
- E-Mail-Generierung: Erstellung personalisierter Kaltakquise-E-Mails basierend auf den Lead-Daten.
- Flexibler Betrieb: Lokale Ausführung für Tests oder serverlos auf AWS Lambda + Step Functions.
Voraussetzungen
- Python 3.9+
- OpenAI API-Schlüssel (oder anderes kompatibles LLM-Backend)
- AWS-Konto (nur für serverlosen Betrieb)
Installation
git clone https://github.com/Magesh-Sundaravel/ai-lead-gen-agent.git
cd ai-lead-gen-agent
pip install -r requirements.txt
Konfiguration
Erstellen Sie eine .env-Datei mit:
OPENAI_API_KEY=your_openai_api_key
LEAD_SOURCES=https://example.com/leads
OUTPUT_DIR=./output
Lokale Nutzung
python run_pipeline.py
AWS-Bereitstellung
- Erstellen Sie eine Lambda-Funktion mit dem bereitgestellten
lambda_handler.py. - Konfigurieren Sie einen Step-Functions-Workflow mithilfe der mitgelieferten
step_functions_definition.json. - Setzen Sie die Umgebungsvariablen in der Lambda-Konfiguration.
Beispiel-Workflow
- Lead-Sammlung: Die Pipeline ruft Leads aus der konfigurierten Quelle ab.
- Bewertung: Jeder Lead wird an das LLM gesendet, das eine Bewertung von 1–10 zurückgibt.
- E-Mail-Generierung: Für Leads mit einer Bewertung >= 7 wird eine personalisierte E-Mail generiert.
- Ausgabe: Ergebnisse werden im
OUTPUT_DIRals JSON-Dateien gespeichert.
Lizenz
MIT