该套件可实现房地产运营各个环节的自动化：网络潜在客户资格审核、计划/手动数据调研和内容生成，以及包含潜在客户资格审核的自动语音呼叫拓展。它利用人工智能（主要通过 Langchain 实现的 OpenAI GPT-4o Mini）、数据处理节点以及与外部 API 和 Google Workspace 的集成。

工作流程 1：传入网络线索资格审查和评分

该工作流程从网络源捕获潜在客户，验证其输入，使用人工智能对意图和紧急程度进行分类，对照属性数据库进行检查，对潜在客户进行评分，并准备结构化的潜在客户对象。

使用的工具和服务：

AI 核心与处理：OpenAI（通过 Langchain Agent 和聊天模型节点的 GPT-4o Mini）
数据处理：n8n Set、If、Code 节点
外部 API：HTTP 请求节点（用于 PropertyCheckAPI）

工作流程概述：

触发器：
传入的 Web 线索 Webhook (/incoming-lead)：捕获通过 Web 表单提交的新线索。
线索数据提取和验证：
设置和重命名传入的线索字段：标准化来自 webhook 的输入字段名称。
如果用户消息有效：检查 userMessage 字段是否存在并满足最小长度要求。
清理用户消息文本（代码）：预处理用户消息（例如，删除多余的空格）。
人工智能驱动的线索分析：
人工智能分类线索意图和紧急程度（Langchain Agent）：分析清理后的用户消息以确定线索的主要意图（例如，购买、销售、查询）及其请求的紧急程度。
技术支持：用于线索意图/紧急程度分类的 LLM（OpenAI 聊天模型 – GPT-4o Mini）。
从 AI 输出中提取意图和紧急程度（集合）：将 AI 的分类构建为不同的字段。
数据标准化和丰富：
标准化所有线索数据字段（代码）：进一步标准化所有收集的数据点以保持一致性。
调用房产检查 API（HTTP 请求）：将潜在客户/房产详情发送至外部 API（https://api.example.com/property-check），以验证房源状态或收集更多信息。
潜在客户评分与最终确定：
如果房源信息已知：检查 API 响应，确认 matchFound 是否为“true”。
计算网络潜在客户评分（代码）：如果房源信息已知（或基于其他条件），此节点将为潜在客户分配数值或类别分数。
设置最终结构化网络潜在客户数据（集合）：将所有原始数据、处理数据、分类数据和评分数据整合为最终的综合潜在客户对象。

工作流程 2：计划/手动 AI 驱动的数据研究和内容生成（红色背景）

该工作流程从外部 URL 获取数据，使用 AI 提取信息，允许复杂的 AI 代理使用各种工具执行研究和生成分析，并将结果输出到 Google Sheets、Google Docs 和其他潜在的 AI 处理步骤。

使用的工具和服务：

编排与自动化：n8n
AI 核心与处理：OpenAI（通过 Langchain 信息提取器、Langchain Agent 和直接 OpenAI 节点的 GPT-4o Mini）
AI 工具：Langchain 计算器、Langchain SerpAPI
数据存储与输出：Google Sheets、Google Docs
数据输入：HTTP 请求节点

工作流程概述：

触发器：
数据分析流程的手动触发器：允许按需执行。
数据分析流程的计划触发器：按照定义的计划自动执行。
数据提取和初始提取：
获取外部数据进行 AI 分析（HTTP 请求）：从指定的 URL 检索内容。
从获取的数据中 AI 提取信息（Langchain 信息提取器）：使用 AI 模型从获取的内容中提取结构化数据。
技术支持：数据信息提取器的 LLM（OpenAI 聊天模型 – GPT-4o Mini）。
高级 AI 分析和任务：
用于研究和内容生成的 AI 代理（Langchain 代理）：处理提取的信息以执行深入研究、分析或内容创建。
技术支持：用于研究和内容 AI 代理的 LLM（OpenAI 聊天模型 – GPT-4o Mini）。
利用工具：
AI 代理的计算器工具：用于数值计算。AI
代理的 SerpAPI 网络搜索工具：用于执行实时网络搜索以收集其他上下文或验证信息。
输出与传播：
AI 代理的输出被路由到多个目的地：
使用 AI 代理分析更新 Google 文档（Google 文档）：将生成的分析/内容插入 Google 文档。
拆分 AI 代理输出项（拆分）-> 将 AI 分析数据记录到 Google 表格（Google 表格）：如果代理生成多个数据项，则会将它们拆分并分别记录到 Google 表格中。OpenAI
：从代理生成文本（输出 1）& OpenAI：从代理生成文本（输出 2）：这些节点可能会将代理的输出用于进一步的专门 AI 处理（例如，针对不同目的进行汇总、重新格式化）。

工作流程 3：自动潜在客户拓展和语音呼叫资格审查（绿色背景）

该工作流程通过语音呼叫自动与新线索进行初次联系，使用人工智能了解线索在呼叫过程中的反应，对其进行资格审查，并记录详细的互动和摘要。

使用的工具和服务：

编排与自动化：n8n
AI 核心与处理：OpenAI（通过 Langchain Agent 和聊天模型节点的 GPT-4o Mini）
语音服务：ElevenLabs（通过 HTTP 请求进行文本转语音）、Twilio（通过 HTTP 请求拨打电话）
数据存储与输出：Google Sheets
错误处理：n8n 执行工作流触发器

工作流程概述：

触发器：
语音通话线索的 Webhook (/new-lead)：捕获指定用于自动语音通话的新线索。
通话准备和发起：
设置初始语音通话线索详情：从 Webhook 中提取线索的基本信息（姓名、电话、房产参考、电子邮件）。
生成语音通话介绍脚本（函数）：为通话创建个性化脚本。ElevenLabs
：将介绍脚本转换为语音（HTTP 请求）：将脚本发送至 ElevenLabs API 以生成自然的音频。Twilio
：发起对线索的语音通话（HTTP 请求）：使用 Twilio API 拨打电话并播放生成的音频。AI
驱动的通话交互分析：
AI 代理：从语音通话中提取信息（Langchain 代理）：处理通话中的交互（例如，线索响应的记录，或用于捕获它们的 DTMF 输入），以提取关键资格数据，如预算、时间表和兴趣水平。
技术支持：语音通话信息提取代理的 LLM（OpenAI 聊天模型 – GPT-4o Mini）。
结构化提取的语音通话信息（函数）：将 AI 提取的数据组织成结构化的 JSON 对象。
潜在客户资格认定和数据记录：
根据通话兴趣设置潜在客户状态：根据 AI 对通话的解读更新潜在客户状态（例如“感兴趣”或“不感兴趣”）。
如果潜在客户感兴趣（来自语音通话）：根据潜在客户状态划分工作流分支。
如果感兴趣：
为感兴趣的语音潜在客户分配分数（函数）：根据预算、时间表等计算潜在客户分数。
格式化当前时间戳以进行记录（日期时间）：生成时间戳。
将合格的语音潜在客户记录到 Google 表格：将详细的合格潜在客户信息附加到“潜在客户”Google 表格中。AI
代理：生成语音通话潜在客户摘要（Langchain 代理）：创建整个潜在客户互动和资格认定的简明摘要。技术
支持：语音通话潜在客户摘要代理的 LLM（OpenAI 聊天模型 – GPT-4o Mini）。
将语音通话线索摘要记录到 Google 表格：将此摘要附加到单独的“LeadsSummary”Google 表格。
错误处理（针对表格记录）：
如果语音线索记录到表格失败：检查 Google 表格记录操作是否失败。
错误触发器：通知管理员表格记录失败（执行工作流触发器）：如果记录失败，则触发单独的工作流以提醒管理员。