OpenAI Operator 实战:用 LinkedIn 链接自动填充 CRM 的潜客信息补全智能体

那是某个周二晚上 11 点 40 分,我终于合上笔记本电脑。12 个 LinkedIn 个人页面开着,HubSpot (一款客户关系管理工具) 里每条记录填了一半,还有 80 条在明天早上的待办队列里排着。

那是上个月的事。这个月,同一份名单在凌晨 2 点自己跑完了。12 条完整的 CRM (Customer Relationship Management,客户关系管理) 记录,每个字段都填好,每条数据都带来源链接,躺在公海里等着第二天去开发。整个过程我唯一碰过的,就是那条 Prompt (提示词)。

变化的来源:OpenAI Operator,那个能自己开浏览器的 AI 智能体,把我晚上做的潜客信息补全工作接了过去。

Operator 到底是什么

2025 年 1 月底,OpenAI 把 Operator 作为研究预览版发布,2 月陆续扩大了开放范围。它是 ChatGPT 的一个功能,会自己开一个浏览器,像人一样点网页、敲键盘、滚屏幕、读内容,直到任务完成。底层跑的是 Computer-Using Agent (CUA,计算机使用智能体) 模型 —— 在 GPT-4o 视觉能力基础上,用真实网页交互数据做了强化学习微调。

落到实操层:你用大白话给它一个目标,它在目标达成时返回,或者卡住时反问你一个问题。没有 API (Application Programming Interface,应用程序编程接口) 要接,没有代码要写,没有 RPA (Robotic Process Automation,机器人流程自动化) 框架要搭。它在 OpenAI 的服务器上开一个 Chromium 窗口,你能看着它干活,如果跑偏了,点一下就能接手。

代价是每月 200 美元的 ChatGPT Pro 订阅。所以真正的问题不是"它酷不酷",而是"在哪类工作上,它能在第一个月就把订阅费赚回来"。潜客信息补全,就是其中之一。

潜客信息补全这道题(以及它为什么值 200 美元/月)

你买来、抓来、或生成的 B2B (business-to-business,企业对企业) 潜客名单,进到 CRM 时通常长这样:

• 姓名:Sarah Chen
• 公司:Acme Logistics
• 职位:(空)
• 邮箱:(空)
• 电话:(空)
• 公司规模:(空)
• 行业:(空)
• LinkedIn 链接:linkedin.com/in/sarahchen-acme

理论上够你开始联系了。实际上销售会跳过一半这样的记录,市场部没法做精细分层,六个月后数据就过时了 —— 因为人换工作。

常规解法是付费的潜客补全工具:Apollo、ZoomInfo、Lusha、Clearbit、Clay。每家每月每个席位 50 到 500 美元,每家数据覆盖都有盲点,每家都给你的工具栈多一个供应商。对自由职业者或小型市场团队来说,这一项是预算吃紧时第一个被砍的。

Operator 给了你另一条路:花 200 美元,把潜客补全交给一个内部的智能体,端到端自己掌控。代价是单条速度慢(Apollo 瞬间返回,Operator 每条 60 到 90 秒),但数据质量和定制空间都归你。

5 步工作流

下面是我现在跑的工作流。单条 90 秒左右,每 10 条一批,每 5 条我做一次质量抽检。

步骤 1 — 准备源数据

我维护一个 Google Sheet,三列:姓名、公司、LinkedIn URL。LinkedIn URL 是唯一必须准确的列 —— Operator 会拿它当起点。

把 Prompt 写清楚,让 Operator 知道每行要做什么。可以这样写:

"对这份表格里的每一行,都把 LinkedIn URL 当作唯一权威来源。打开个人页面,提取当前职位、当前公司、所在地,以及任何公开列出的邮箱或网站。然后打开公司官网,找到公司规模(或者 About / Team 页面)、行业,以及一个通用联系邮箱。把这些信息追加到同一行。编不出来就写 not found,不要瞎猜。"

把表格丢进 Operator 任务里,它会读取每一行,开浏览器,开干。

步骤 2 — 让 Operator 接管浏览器

这部分到现在还像科幻片。你看着一个 Chromium 窗口打开 LinkedIn 个人页,Operator 用自己的账号绕过那些"登录查看"的提示,开始读页面。它会点 "Experience" 展开完整工作经历,新开一个标签页打开公司链接,跳到 /about 页面,读取团队规模。

这个阶段有两件事要心里有数:

• 它不是万能的。 Operator 会卡在验证码上,跑 50 条左右会被 LinkedIn 限流,偶尔会把排版复杂的页面读错。这都正常 —— 整个工作流本来就是设计成有人抽检的。
• 关键节点会问你要权限。 提交表单、发消息、任何影响浏览器之外的世界的动作,Operator 都会停下来给你一个确认按钮。潜客补全是只读动作,通常不会触发。但控制权一直在你手上。

步骤 3 — 标准化输出

原始提取出来的数据是乱的。同一个人,Operator 在三条记录里可能给你返回 "Sr. Marketing Manager"、"Senior Marketing Manager"、"Marketing Mgr"。解法:在最初那条 Prompt 里就把输出 schema (数据结构) 写死。

我用的 schema 长这样:

Name: 
Title: <当前职位,Title Case 标准化>
Company: <当前公司,完整法定名称>
Location: <城市,国家>
Email: <能找到的最佳邮箱 —— 个人邮箱 > 规律猜测 > 通用邮箱>
Company size: <能看到的精确数字,否则用区间:1-10 / 11-50 / 51-200 / 201-1000 / 1000+>
Industry: <从下面选:SaaS、电商、制造、金融、医疗、教育、其他>
Notes: <一句话:这家公司做什么、卖给谁>

行业那个"从下面选"的清单就是诀窍。它能干掉下游 80% 的分层清洗工作。

步骤 4 — 推到 CRM 里

两种走法。

第一种让 Operator 直接做。你给它 CRM 链接、登录会话,再给导航步骤:"点 Contacts,点 Create,把这一行的字段填进去,点 Save。"HubSpot、Pipedrive、用 Notion 当 CRM、Airtable 都能跑通。Salesforce Lightning 跑不顺 —— 那个界面状态太多,纯视觉的智能体处理不了。

第二种 —— 批量任务我更喜欢的 —— 让 Operator 把补全后的行写回原来的 Google Sheet,然后用 Make (前身是 Integromat) 或 Zapier 读这张表,推到 CRM。这就把"靠视觉的任务"(Operator)和"靠 API 的任务"(Make)拆开了,各干各最擅长的。

如果你没买自动化平台的订阅,可以让 Operator 把结果粘到 CSV 里,自己手动导入。不优雅,但能用。

步骤 5 — 抽检和移交

Operator 替代不了人的判断。它有时候会自信满满地填错一个字段。抽检这步不能省。

我的抽检规则:每 5 条完整读一条,其余的扫一遍明显的异常(全大写的职位、不存在的地点、明显离谱的公司规模),然后推到开发环节。20 条一批,抽检大概 10 分钟。对比自己手动补全要 3 小时以上,账是清楚的。

它现在还做不到的事

我想老实说这些边界,因为很多文章会跳过这部分。

• LinkedIn 的限流是真的。 一个 Operator 会话跑 40 到 50 条个人页,LinkedIn 就会弹验证码或软封。200 条的名单要拆成 4 个会话,分散在几天里跑。
• 找邮箱这事看运气。 Operator 读的是 LinkedIn 个人页和公司官网。如果邮箱没公开列出来,你就得回到 Hunter.io 或者自己猜。Operator 返回的邮箱只能当起点,别当送达率保证。
• 200 美元的 Pro 订阅是入场券。 如果你一个季度才补一次潜客,这个账算不过来。这是日用工具,不是一次性玩具。
• 合规是你自己的事。 抓 LinkedIn 数据往 CRM 里塞,不同司法管辖区的法律含义不一样。Operator 不处理 GDPR (欧盟《通用数据保护条例》)、CCPA (《加州消费者隐私法案》)、也不管同意授权。这些都得你自己兜底。

更上层的模式

潜客补全只是一个例子。背后的模式是:任何重复的、基于浏览器的、多步骤的工作流,你以前花月费交给 SaaS (Software as a Service,软件即服务) 厂商做的,现在就是一条 Prompt 之内可以收回到自己手里的事。

到 2 月底,我还用 Operator 做了这些:

• 从 6 个客户的 Meta 广告后台抓每周的花费截图,丢到 Slack 频道
• 按 7 项固定检查清单审计 30 个竞品落地页
• 填了 4 份我拖了好几个月的联盟营销项目申请

每一样都替掉了一个每月 30 到 300 美元的工具,或是一项 15 到 25 美元/小时外包出去的事。Operator 不便宜,但它的灵活度是任何专用 SaaS 都追不上的。

那天晚上 11 点 40 分我合上电脑,发现还有 80 条潜客要补全 —— 那是我意识到自己一直在租错工具的时刻。200 美元花得值,值在 Operator 头一次在我睡觉时把我的积压任务清完的那一刻。