trycompai/crm · 上手攻略
- 仓库：trycompai/crm
- 链接：https://github.com/trycompai/crm
- 分类：AI/Agent · CRM
- 作者：Tom
- 更新：2026-08-05
这是什么
trycompai/crm 是一个以 AI Agent 为核心的 CRM 系统，核心理念与所有传统 CRM 完全不同：大多数 CRM 是"数据库前面加表单"，AI 版不过是在表单旁边加了个聊天框。trycompai/crm 反其道而行——Agent 才是产品，数据库只是它的笔记本。
该系统由两个独立进程组成： - NestJS API 服务：纯粹的记录层，只负责任务队列写入，不做任何智能判断（"把 enrichment API 调用塞进 NestJS 服务 = Bug"）。 - Agent 运行时：跑在 eve.dev（Vercel 面向持久化 Agent 的文件系统优先框架）上，自己决定下一步看什么、预约跟进、花研究预算，并在预算耗尽时主动停止。
Agent 有 18 个内置工具（read_crm_history、search_crm、identify_contact、research_person、enrich_company、record_fact、schedule_recheck 等）、4 个 skill（以 Markdown 文件形式存在，由 Agent 读取后可版本化管理）、1 个调度器（dispatch.ts），以及一个 deny-all 出向流量的沙箱（可执行 bash/grep/glob，但沙箱内无网络、无数据库凭证）。
一句话总结：Agent 长期驻存、自主工作，不需要人工触发——关掉浏览器它还在跑。
解决什么问题
传统 CRM 的问题是"找真相、写下来"全靠人，销售要手动录入数据、查客户背景、记跟进理由，AI 聊天框不过是把这些活儿挪到对话里，本质还是 request-response。trycompai/crm 把"持续研究 + 主动记录"这件事交给 Agent，人只负责核实和决策。
具体解决：
- 不用销售手动填字段：Agent 自动从邮箱同步、签名块、GitHub 账号等来源提取信息写入 CRM。
- 不用人去想下一步看谁：Agent 根据调度队列自行决定优先看哪个客户、何时复检。
- 不依赖外部数据源也能跑：零 API Key 时，Agent 读自己的邮件线程和签名块——免费且是最可信赖的证据来源。
- 证据分级，避免 AI 幻觉写入记录：Agent 的工具只报告"观察到什么"（如 crm.signature-block），不报告置信度；强证据写入记录，弱证据变成待人确认的建议。模型自评置信度往往出错，所以系统根本不接受这个概念。
快速安装
⚠️ 前提：Node.js 18+，Docker（推荐）或 PostgreSQL 14+
# 1. 克隆仓库
git clone https://github.com/trycompai/crm.git
cd crm
# 2. 复制环境变量模板
cp .env.example .env
# 3. 编辑 .env，至少填写以下必须项：
# DATABASE_URL=postgresql://user:pass@localhost:5432/crm
# GOOGLE_CLIENT_ID=你的Google OAuth Client ID
# GOOGLE_CLIENT_SECRET=你的Google OAuth Client Secret
# AGENT_BRIDGE_SECRET=随机字符串（API与Agent进程间共享密钥）
# 可选（逐步开启）：
# PERPLEXITY_API_KEY= # 网络研究
# RAPIDAPI_KEY= # LinkedIn 集成
# CONTEXT_API_KEY= # 公司品牌数据（logo、行业、颜色）
# 4. 启动数据库（Docker）
docker compose up -d postgres
# 5. 安装依赖并启动
npm install
npm run dev
启动后会看到 Agent 打印出当前已配置的集成清单：
[agent] on LinkedIn (RAPIDAPI_KEY)
[agent] off Web research (PERPLEXITY_API_KEY)
[agent] off Company brand data (Settings → General)
核心用法
日常使用
- 打开浏览器，用 Google 账号登录（allow-list 白名单控制访问）。
- 在 Contact / Company / Deal 页面可以看到Agent Tab：显示 Agent 思考链路、丢弃的线索及原因。
- 直接与 Agent 对话，指定研究目标或要求它对某联系人做复检。
Agent 工作机制
// apps/agent/lib/tasks.ts
// 任务调度核心：claimDue 用 FOR UPDATE SKIP LOCKED 租下到期行
const due = await claimDue(db);
// Agent 决定看哪个联系人、调用哪个工具
// 完成后调用 schedule_recheck(contactId, reason) 预约下次复检
// reason 对销售可见——Agent 必须能解释为什么 14 天后再来看这个人
关键工具一览
| 工具 | 作用 |
|---|---|
read_crm_history |
读取指定联系人的 CRM 历史记录 |
search_crm |
语义搜索 CRM 数据库 |
identify_contact |
从签名块/邮件头识别联系人身份 |
research_person |
研究某人的公开信息（需 LinkedIn key） |
enrich_company |
补充公司 logo、行业、地理位置 |
record_fact |
将结构化事实写入 CRM 记录 |
schedule_recheck |
预约下次复检时间及原因 |
github.account-identity |
从 GitHub 信息核实身份 |
沙箱安全模型
# 沙箱：无网络 + 无数据库凭证
# 仅允许：bash, grep, glob, /workspace 目录操作
# 出向网络全走 web_fetch / web_search（由主应用运行时处理）
环境变量核心清单
| 变量 | 必需 | 说明 |
|---|---|---|
DATABASE_URL |
✅ | PostgreSQL 连接串 |
GOOGLE_CLIENT_ID/SECRET |
✅ | Google OAuth（登录） |
AGENT_BRIDGE_SECRET |
✅ | API 与 Agent 进程间共享密钥 |
PERPLEXITY_API_KEY |
❌ | 网络研究（关 Agent Tab 可选） |
RAPIDAPI_KEY |
❌ | LinkedIn 集成 |
CONTEXT_API_KEY |
❌ | 公司 logo/行业数据（品牌识别） |
典型适用场景
- B2B 销售团队：需要持续追踪潜在客户，Agent 自动从公开渠道研究对方公司动态，减少销售手动 Research 时间。
- 内部 CRM 迁移：已有大量客户数据但缺乏结构化背景，Agent 可以批量读取邮件签名块和历史对话来填补字段。
- 一人公司 / 小团队：不需要完整的销售流程管理，Agent 帮你记住上次跟谁聊了什么、下次该联系谁。
- 研究驱动型销售：需要深入了解客户公司战略、技术栈、融资情况，而非简单记录姓名电话。
坑与注意
- 安全模型极简：整个授权就是"谁能登录谁能看到一切"，适合内部工具；不要直接用于真实客户数据，先看 SECURITY.md。
- 单租户设计：不支持多租户，每个部署一个数据库实例，适合内部团队共享，不适合 SaaS 对外服务。
- Agent 幻觉风险：工具输出的是"观察到的事实"而非"我认为是这样"，但仍需人在 Agent Tab 里核实——系统只是把错误从"写入字段"降级为"待确认建议"。
- API 端点零智能：后端 API 只写队列不调用 LLM，智能全在 Agent 进程。如果 Agent 崩溃，数据库仍在写入但无 Agent 处理——监控 Agent 进程健康状态很重要。
- Eve 框架依赖：Agent 运行时基于 Vercel 的实验性框架 eve.dev，生产使用前需确认框架稳定性。
- PostgreSQL FOR UPDATE SKIP LOCKED：调度器依赖这个特性做并发抢占——不支持此语法的数据库（如 MySQL）无法运行。
与同类对比
| 方案 | 定位 | Agent 自主性 | 数据源依赖 | 部署难度 |
|---|---|---|---|---|
| trycompai/crm | Agent-first CRM | 完全自主运行 | 可零外部依赖 | 中等（需自托管） |
| HubSpot CRM | 传统表单+AI辅助 | 无自主运行 | 需手动录入 | 低（SaaS） |
| Salesforce Einstein | 大厂AI CRM | 有限（辅助建议） | 封闭生态 | 高（企业级） |
| Pipedrive | 轻量销售管道 | 有限 | 手动+部分自动 | 低（SaaS） |
核心差异：大多数 CRM 把 AI 当"增强搜索/写邮件"的附件功能；trycompai/crm 把 AI Agent 当核心，数据库只是持久化层。
一句话推荐结论
如果你厌倦了"CRM 还是要人来填"，又愿意接受 Agent 的不确定性——trycompai/crm 提供了目前最彻底的"Agent 即产品"实验，值得用一个真实客户池测试它能否真正减少你的销售 Research 工作量。
原始 commit：https://github.com/trycompai/crm/commits/main 原始 issue/PR 链接：https://github.com/trycompai/crm/issues