AutoGPT Platform Apollo 集成指南用 Search Organizations 块精准检索 B2B 企业数据【免费下载链接】AutoGPTAutoGPT is the vision of accessible AI for everyone, to use and to build on. Our mission is to provide the tools, so that you can focus on what matters.项目地址: https://gitcode.com/GitHub_Trending/au/AutoGPT本指南围绕 AutoGPT Platform 内置的Apollo 集成 —— Search Organizations组织搜索块展开讲解如何基于 Apollo 的 B2B 企业数据库按员工规模、总部位置、行业关键词与企业名称等条件检索公司并将其用于市场调研、外呼销售线索名单构建与竞品情报分析等实战流程。读完本文你将掌握该块全部输入/输出参数的语义与默认值、底层 API 调用与分页原理以及如何把它与同目录下的 People / Person 块衔接成完整的获客自动化 Agent。一、块定位从文档与源码看它在平台中的位置Apollo 是一套面向销售与营销的 B2B 数据库服务AutoGPT Platform 通过一组 block 把它的查询能力封装成了可视化工作流中的节点。本文讨论的组织搜索块负责从 Apollo 数据库中检索公司信息——这是对 organization.md 描述功能的一一展开。在开源仓库中该功能的注册与实现位于 apollo 块目录文件职责organization.py定义SearchOrganizationsBlock的输入/输出 Schema 与执行逻辑models.pySearchOrganizationsRequest、SearchOrganizationsResponse、Organization等 Pydantic 模型_api.pyApolloClient负责真实 HTTP 请求与分页处理_auth.pyAPI Key 凭据类型定义_config.pyProvider 注册元信息名称为apollo支持api_key认证从代码可以看到该块在初始化时被标记为BlockCategory.SEARCH搜索类别块的稳定 ID 为3d71270d-599e-4148-9b95-71b35d2f44f0见 organization.py。Apollo 相关集成同目录下还有检索联系人的people.py、person.py对应文档为 people.md 与 person.md可相互配合使用。二、Search Organizations 输入参数详解块的全部筛选条件由organization.py中SearchOrganizationsBlock.Input的 7 个参数与凭据字段构成。下表汇总了参数语义、类型、必填性与代码中的默认值输入说明类型必填源码默认值organization_num_employees_range公司员工人数范围可按规模筛选企业可添加多个区间以扩大命中面List[int]否[0, 1000000]organization_locations公司总部所在地支持城市、美国州与国别List[str]否[]organizations_not_locations按总部所在地排除公司用于回避不理想的开发/开拓区域List[str]否[]q_organization_keyword_tags按行业关键词过滤如mining只返回与矿业相关的公司List[str]否[]q_organization_name按公司名精确/部分匹配过滤str否organization_ids限定返回指定 Apollo 组织 ID 的公司List[str]否[]max_results最大返回条数int否100约束1 x 50000credentialsApollo API Key 凭据凭据对象是—注文档表格中将员工区间字段标注为List[int]同时描述中提到每个区间的上下界用逗号分隔而源码中的实际类型为整数列表、默认值为[0, 1000000]即用一组边界数字表达范围。在多范围叠加时可依据这一边界语义扩展命中集合。1. 员工规模区间organization_num_employees_range用于按公司 headcount 做规模带筛选。可添加多个区间扩大结果范围文档中强调adding multiple ranges expands results。若不填写按代码默认值为[0, 1000000]即对规模不设实际限制。2. 总部位置organization_locations与排除项organizations_not_locations两个位置参数都以公司总部所在地为准。文档强调两个关键行为即使公司在多地有办公室搜索/排除仍基于总部。例如搜索chicago而某公司总部在 Boston即使其他条件都吻合也不会出现在结果中organizations_not_locations用于明确排除区域例如填入ireland则所有总部在爱尔兰的公司都会被剔除——这对限定不开发区域undesirable territory非常实用。注意在组织搜索块中排除参数的实际字段名是复数organizations_not_locations模型定义见 models.py而organization_locations的描述文字里以单数形式organization_not_locations指引用户配置时请以块面板中实际字段名为准。3. 关键词与公司名q_organization_keyword_tags、q_organization_name关键词标签q_organization_keyword_tags筛选与公司存在关联标签的企业例如mining只返回与矿业行业有关的公司公司名q_organization_name支持部分匹配。若输入的公司名无法命中记录即使其他条件全部满足该公司也不会出现在结果中。文档给出的判别例子输入marketing时NY Marketing Unlimited符合条件而NY Market Analysis不符合——也就是说名字必须真正包含所给词元而非任意子串。4. 按 ID 精确圈定organization_ids每条公司在 Apollo 数据库中都有唯一organization_id。该参数用于把结果限定到你已知的公司 ID 集合需要获取 ID 时可先调用本端点并从返回的organization_id字段中读取首次返回的organizations输出即携带完整组织对象。5. 结果数量上限max_results不填则默认返回 100 条default100源码还以ge1、le50000约束了合法取值范围并将该参数标记为advancedTrue在块 UI 中归于高级折叠区。注意max_results只参与客户端收尾与分页循环不随请求体发送给 Apollo见下文请求构造。三、输出结构error / organizations / organization块的输出 Schema 定义在 organization.py输出说明类型organizations搜索到的全部组织数组List[Organization]organization逐个流式吐出的组织对象Organizationerror搜索失败时的错误信息strrun方法先调用ApolloClient.search_organizations(...)随后把每条结果通过yield organization, organization逐个产出最后再一次性产出yield organizations, organizations见 organization.py。这意味着在可视化画布上你既可以连接逐条处理的迭代分支例如对每家公司做一次下游动作也可以直接拿到整个数组做后续合并/去重/入库。搜索成功时还会按返回条数记录provider_cost成本统计维度为items用于平台内的执行成本核算。四、底层实现请求、鉴权与分页原理该块并非简单地转发一次请求其实现包含值得了解的三个层次1. 请求体构造与凭据序列化run会把输入转换为SearchOrganizationsRequest再传给客户端。所有请求模型继承自自定义BaseModel其model_dump()默认剔除credentials字段并忽略未显式设置的项exclude_none/exclude_unset/exclude_defaults均开启见 models.py确保发送给 Apollo 的 JSON 干净、不含内部状态。请求模型除了块面板暴露的筛选参数外还包含分页控制字段page默认 1与per_page默认 100见 models.py。2. 鉴权方式ApolloClient将 API Key 放入请求头x-api-key见 _api.py。凭据类型即APIKeyCredentialsProvider 声明为apollo见 _auth.py。也就是说在 AutoGPT Platform 的集成设置中为 Apollo 配置一个API Key即可启用本块。块的 SDK 注册信息由 _config.py 提供其显示描述为 Sales intelligence and prospecting认证方式为api_key。3. 请求端点与自动分页组织的检索走 Apollo 的POST https://api.apollo.io/api/v1/mixed_companies/search接口API_URL定义见 _api.py。客户端会读取响应中的paginationpage、total_pages、total_entries等见 models.py并在以下条件同时满足时自动翻页直到取够max_resultsmax_results已设置且小于服务端total_entries当前已收集条数仍小于max_results当前页小于total_pages且本页仍有返回内容。实现细节见 _api.py。每翻一页只追加还缺多少条就补多少条的数据organizations[: max_results - len(organizations)]最终返回前再做一次[: max_results]截断因此max_results是实际生效的硬性上限。五、返回的对象长什么样Organization 字段画像每条公司记录都会被解析为OrganizationPydantic 模型见 models.py其字段覆盖了从基本档案到销售信号的完整画像标识与域名idApollo 组织 ID、name、primary_domain、website_url、founded_year社媒与外部档案linkedin_url、twitter_url、facebook_url、angellist_url、logo_url、chrunchbase_url联系方式phone、sanitized_phone以及结构化对象primary_phone含number、source、sanitized_number规模与公开市场信息alexa_ranking、languages、publicly_traded_symbol如GOOGL、publicly_traded_exchange如NASDAQ归属与意图信号owned_by_organization_id、intent_strength、show_intent、has_intent_signal_account、intent_signal_account。得益于extraallow的配置Apollo 后续追加的自定义字段也不会导致解析失败——未知键会被宽容保留而非抛错这对长尾数据的健壮性很有帮助。块测试中用一个包含上述全量字段的 Google 示例对象做断言见 organization.py可以把它当作输出 JSON 长什么样的最直观样例来理解。六、典型应用三个即插即用的实战场景原文档给出该块的三个核心用途市场调研Market Research按行业关键词、员工规模、总部地区等条件圈定目标市场内的公司集合做结构化分析销售线索名单构建Lead List Building为外呼销售活动生成精确的目标公司清单——先按行业 规模 地区锁定 Account是典型 ABMAccount-Based Marketing的起点竞品情报Competitive Intelligence用q_organization_name、q_organization_keyword_tags检索同赛道相似公司研究其规模、融资/上市状态与公开资料。更进一步从同目录块的编排方式可以推断一个完整获客流Search Organizations 输出organization逐条→ 用其name/domain/id驱动 People 搜索块找到该公司中的目标决策人 → 用 Person 块做联系人补全。三个文档模块正好对应圈公司 → 找人 → 补全联系人的销售漏斗自动化。使用该块时建议注意以下约束位置类筛选包含与排除均以总部为判定基准存在多办公点或需按办公点筛选时需自行评估适用性q_organization_name部分匹配语义是名称包含给定词元规划筛选词时不要假设任意子串都会命中为控制配额与执行成本建议显式设置合理的max_results而非依赖默认 100 条上限上限封顶 50000 条超大抓取需评估耗时与分页带来的 API 调用量。七、小结与延伸阅读Search Organizations 块把 Apollo 的 B2B 公司数据库搬进了 AutoGPT Platform 的拖拽画布通过 7 个筛选参数即可组合出规模、地区、行业、名称、ID 多维度查询底层由ApolloClient自动完成分页拉取并以逐条 整表双输出形态喂给下游逻辑。想深入验证可直接阅读上述源码文件或在画布中连接一个输出到日志节点的简单 Agent先观察一次真实返回的对象结构。更多相关文档Apollo 联系人搜索People SearchApollo 联系人补全Person Enrichment集成实现源码autogpt_platform/backend/backend/blocks/apollo/【免费下载链接】AutoGPTAutoGPT is the vision of accessible AI for everyone, to use and to build on. Our mission is to provide the tools, so that you can focus on what matters.项目地址: https://gitcode.com/GitHub_Trending/au/AutoGPT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考