7 steps · 鹦鹉AI
用 鹦鹉AI 做线索获取：一条提示词产出一份验证过的 B2B 线索名单
给你的 agent 一条提示词，换回一份线索名单：每一家符合条件的公司都带着一个有姓名的人、一个验证过的工作邮箱，以及一条打过分的联系理由。经由 鹦鹉AI 的 7 步：jev 先用名单里已经返回的字段判断每家公司，然后再做付费的找人、邮箱和新闻查询，最后给开场句打分。价格在 agent 花钱之前就打印出来，这一页上的数字来自真跑一遍，不是费率表的估算。
同一份预付余额 · 不用逐家注册 · 不用信用卡
试一下
一条提示词跑完整件事
先配置好 agent，只做一次
set up 数据能力 — https://parrot.amorist.cn/llms.txt
再让它去做
使用 鹦鹉AI 帮我建一份线索名单：50 家美国软件公司，员工 51–200 人，最近一轮融资是 A 轮。在找人之前，先让 jev 只依据名单里已有的字段，按我的目标客户画像（ICP，卖给销售或市场团队的 B2B 软件）判断每一家公司，低于 50% 的直接丢掉。剩下的公司里找出市场副总裁或市场负责人，用最便宜、只在命中时收费的工具找到他们的工作邮箱并验证，再取最近的新闻。让 jev 挑出该用哪条事件开场，并按它作为冷邮件第一句的可用程度打分。每一步之前先让我看到这一步的总价，最后给我一份 CSV，开场句最强的排在前面。
一份名单进，一份 CSV 出
agent 自己把域名从一步带到下一步，同一个信息不用粘第二遍。
先判断，再花钱
jev 一条判定的成本只是找人那一步的零头。把阈值说清楚，agent 就只为通过的行付费。
只在命中时计费
多数邮箱查找工具的费率表对未命中不收费。把这一点说出来，agent 就会挑这样的工具。
每一步之前先问价
每一步都按次计量，所以 agent 能在花钱之前把账单摆出来。
步骤
鹦鹉AI 会调用什么，每一次调用多少积分
价格取自目录的费率表，在这一页加载时读取；所有调用共用一份预付余额。
| # | 步骤 | agent 会问什么 | 价格 |
|---|---|---|---|
| 1 | 建公司名单Apollo 按页计费而不是按公司计费，所以一页 50 家就是一次扣费。 | 50 家美国软件公司，员工 51–200 人，最近一轮为 A 轮 | 18.2 积分/次 |
| 2 | 用 jev 判断匹配度Apollo 的名单页免费带着域名、NAICS 与 SIC 代码、披露的营收和人数增长。jev 读这些字段给出一个概率，于是没通过的公司根本走不到付费查询那一步。 | 这家公司是否符合 ICP 到值得为它付费找人、找邮箱的程度；保留 50% 及以上 | 目录里没有这一条（用你自己的密钥） |
| 3 | 找人Findymail 的费率表按返回的联系人计费。LeadMagic 的职位查找是兜底，Findymail 漏掉的公司它都找到了人。 | 每家公司的市场副总裁、市场负责人或增长负责人 | 13.86 积分/结果 |
| 4 | 找工作邮箱Tomba 是目录里按成功次数计费最便宜的查找工具，但这次运行时 鹦鹉AI 的密钥在它上面额度用尽，于是由 Hunter 顶上，Hunter 未命中的再由 Kitt 补。三家对未命中都不收费。 | 他们的工作邮箱，用最便宜、只在命中时收费的工具 | 6.23 积分/成功 |
| 5 | 验证邮箱LeadMagic 每给出一个明确判定收四分之一个积分，对未知状态不收费。 | 投递不了的全部丢掉，状态未知的单列 | 4.38 积分/成功 |
| 6 | 找开场素材PredictLeads 按调用计费，返回已分类的事件。Akta 每次调用更便宜，但第一次跑时余额不足，所以两次运行都用了 PredictLeads。 | 每家公司最近三条新闻事件 | 28.01 积分/次 |
| 7 | 用 jev 给开场句打分agent 在这一步不写任何文案。jev 把 PredictLeads 返回的事件排序、给最好的那条打分，于是 CSV 按开场强度排序，弱的在任何人动笔之前就被标出来。 | 这些事件里该用哪一条开场，以及它作为冷邮件第一句的可用程度，按四级打分 | 目录里没有这一条（用你自己的密钥） |
按上面的费率，50 行每一行都命中时合计 2642.20 积分。下面那张回执才是它实际花掉的。
回执
它实际花了多少积分
运行于 2026-09-23，输入 50 家公司。
- 匹配到的公司
- Apollo 上 958 家；取第一页 50 家，扣费 18.20 积分
- 有可用域名的行
- 50 行里 48 行
- 通过 jev 门槛的
- 48 家里 27 家达到 50% 及以上；21 家在进入任何付费查询之前被淘汰；阈值若定在 60%，本会通过 14 家
- 找到具名的市场负责人
- 27 家里 27 家（Findymail 找到 20，LeadMagic 的职位查找找到 7）
- 找到工作邮箱
- 27 家里 21 家（Hunter 找到 18，Kitt 在 Hunter 未命中处补到 3；Tomba 额度不足，见下）
- 验证为可投递
- 21 个里 20 个；1 个未知；0 个无效
- 一年内有新闻事件
- 21 家里 19 家（PredictLeads）
- jev 给开场句打分
- 19 家里 19 家；4 条在 0–3 分制上评为尚可或更好，均值 1.79
- jev，两步合计
- 67 条判定，输入 55,009 个 token，按标价 1.61 积分；走的是团队自己的密钥，所以未计量
- 实际耗时，四路并发
- 约 5 分钟；门槛那一步为 48 家公司花了 90 秒
- 计量总额
- 50 家公司共 1631.01 积分，合每个可交付线索 84 积分；被淘汰的那 21 行若照本次费率跑，还要多花约 1253 积分
上面每一个数字都是 鹦鹉AI 的账本在 2026 年 9 月 23 日这次运行上结出来的，不是费率表的估算。门槛是相比 2026 年 8 月 26 日第一次运行的变化：那次同样的筛选条件没有门槛，花了 2534 积分、交付 27 条线索，每条 91 积分。这次花了 1631.01 积分、交付 20 条，每条 84 积分，48 家公司里有 21 家从未走到付费查询。那 21 家里是否本来有好线索，是这次运行回答不了的一件事，因为它们身上一分钱都没花；按本次每个通过行的 59.51 积分 计算，它们本会让账单多出约 1253 积分。
jev 能读到的信息很薄。Apollo 的名单页带着域名、NAICS 与 SIC 代码、披露的营收、成立年份和人数增长，却没有说明这家公司卖什么、卖给谁。在这样的输入上，jev 的概率从 15% 到 67%，再没有更高的，所以 50% 的阈值确实在起作用，而 60% 会留下 14 家。被淘汰的读起来也合理：一家消费社交网络、一家教育出版、一家消费信贷、一家机器人制造商和一家手游工作室都被剔除了。还有一个问题——「这家公司哪个职位负责买线索数据」——对 48 家全部回答了「市场负责人」，那是先验而不是判断：状态回答不了的问题只会返回先验，所以页面已经不再问它。先补全每家公司当然会让门槛更准；但每行的成本会超过它所喂养的那条判定，而这正是这个工作流要展示的取舍。
过了门槛之后钱花在哪：371 积分 给 Findymail，27 次调用，其中 7 次未命中仍按标价结算，因为 Findymail 不在响应里报告扣费；245 积分 给 LeadMagic 的职位查找，找回了那 7 家。Tomba——按命中计费最便宜的邮箱查找工具——对 27 次调用全部返回额度错误，在 鹦鹉AI 自己的密钥上不收费，于是 Hunter 以 308 积分 提供 18 次命中与 9 次免费未命中，Kitt 又从这 9 次里找到 3 个，花了 10.50 积分。验证花了 91 积分，那一个未知免费。新闻再次是单项最大的一笔，588 积分，PredictLeads 每次调用 28.01 积分。jev 为 67 条判定的账单在团队自有密钥上按标价是 1.61 积分。
开场句的分数是整条流程收尾处最诚实的一段。在 19 家有新闻事件的公司里，jev 给 4 家评了尚可或更强的第一句，多数是融资或收购；其余是产品发布与合作公告，被评为泛泛的祝贺。CSV 按这个分数排序，所以最值得先写的四家在最上面，没有人需要读完 19 条事件去找它们。全收域名标记在每一行验证结果上都返回空，所以这次运行的 CSV 里没有这一列结论。
实测
用 鹦鹉AI 做线索获取的成本：有记录的数据开销
两个实测数字，以及它们没有覆盖的部分。两项都只算计量的 API 与数据调用；agent 的订阅另算。
| 测的是什么 | 结果 |
|---|---|
| 本工作流，2026 年 9 月 23 日，输入 50 家公司 | 每个验证过的联系人 84 积分（计量 1631.01 积分，20 个联系人） |
| 同样的筛选条件，去掉 jev 门槛，2026 年 8 月 26 日 | 每条线索 91 积分（2534 积分，27 条线索） |
单看邮箱这一步，2026 年 9 月 16 日、292 人，每个正确工作邮箱的成本：
| 工具 | 每个正确的邮箱 | 精确匹配率 |
|---|---|---|
| 鹦鹉AI | 3.92 积分 | 90.4% |
| Clay | 27.65 积分 | 89.7% |
| Freckle | 29.89 积分 | 90.1% |
| Deepline | 64.68 积分 | 86.6% |
没有比较的部分：把整套流程换到别的工具里跑。这份基准只覆盖邮箱这一步，而且每一列都是一家聚合商，而不是单一数据源。方法与逐行结果都在工作邮箱查找基准里。
再问几句
开始之前
鹦鹉AI 能做线索获取吗？
能。鹦鹉AI 跑这一页的提示词：建名单、让 jev 判断每家公司、找人及其工作邮箱、验证、写出 CSV。
用 鹦鹉AI 做线索获取要多少钱？
账单在数据，不在模型：agent 的订阅另算。9 月 23 日那次运行，50 家公司计量 1631.01 积分，每个验证过的联系人 84 积分；新闻花了 588 积分，找人花了 616 积分（含兜底）。这一页的回执打印的是 50 家公司一次运行的真实总额，旁边是同条件去掉门槛的第一次运行。按次费率就是工具自己的费率。按成功计费的步骤上，未命中的免费与否取决于工具的费率表；回执显示哪些地方成立、哪些地方没有。
我需要 jev 的密钥吗？
不需要。这次运行里 jev 用的是团队自己的 TypeSafe 密钥，没有经过 鹦鹉AI 计量。没有密钥就把两个判断步骤去掉：这个工作流的第一次运行没有门槛，27 条线索花了 2534 积分，每条 91 积分；有门槛的这次是每条 84 积分。
jev 判断什么，多少钱？
两件事。在付费查询之前，它读每家公司的名单字段，返回符合你目标客户画像的概率，agent 保留达到你说定的阈值的行。在新闻那一步之后，它挑出该用哪条事件开场，并给第一句的可用程度打分。jev 只按输入 token 计价，两步加在一起，整次运行的成本不到一分钱。你需要自己的 jev 密钥；没有也可以让 agent 在同一个接口后面自己做同样的判断，更慢也更贵，直到你有了自己的密钥。
是 鹦鹉AI 在挑工具吗？
不是。鹦鹉AI 把每一步可用的工具连同价格摆给 agent；由 agent 挑，或者由你指定。不会自动切换工具。jev 是同一类选择：它是 agent 的判断者，不是 鹦鹉AI 的路由器。
最后拿到什么？
一份 CSV：公司、域名、人名、职位、邮箱、由哪个工具找到、验证结论、全收域名标记、该用哪条事件开场、jev 的开场句评分与 jev 的匹配概率，开场最强的排在前面。这一页那次的文件在上面链接着，但去掉了人名、职位与邮箱三列，因为这些都是真人，一个具名公司的职位就足以定位到人；这一页上的数字正是来自那些行级结果。你自己的运行会返回全部列。