Apollo Automation

Apollo Automation skill 概览

Apollo Automation 能做什么

Apollo Automation 是一项面向销售情报场景的 skill，可通过 Composio MCP 集成使用 Apollo.io。它能帮助 AI agent 搜索公司、查找目标客户公司的联系人、补全潜在客户资料、管理联系人阶段，并根据自然语言指令生成线索列表，而不需要手动在 Apollo 里逐层操作筛选器。

最适合 Lead Research 工作流

Apollo Automation 用于 Lead Research 时，最适合已经明确理想客户画像、希望提升执行效率的场景。例如：“查找德州 50-500 人规模的 SaaS 公司”“发现这些客户中的 VP Sales 联系人”或“用可用的邮箱和电话数据补全这些潜在客户”。它适合销售开发、创始人亲自做拓客、与招聘相邻的人才/联系人搜寻，以及需要结构化潜在客户输出的客户研究团队。

它与普通 prompt 的区别

普通 prompt 可以帮你构思潜在客户筛选标准，但不能可靠地直接操作 Apollo 数据。Apollo Automation skill 围绕 Apollo toolkit actions 设计，可通过 Composio 执行公司搜索、联系人发现、数据补全和阶段管理等动作。它的实际价值不在于“措辞更好”，而在于让 agent 能够从搜索条件出发，走一条由工具支撑的路径，最终得到可用的 Apollo 记录。

采用前提与限制

使用该 skill 需要一个支持 MCP 的客户端、可访问 Composio/Rube MCP server，并且有一个通过 API key authentication 连接的 Apollo.io 账户。输出质量仍取决于 Apollo 数据可用性、你的 Apollo 套餐限制，以及目标筛选条件的具体程度。它不能替代合规审查、同意规则判断，也不能替代人在外联适配度上的判断。

如何使用 Apollo Automation skill

Apollo Automation 安装环境

请在可使用 Claude skills 和 MCP 的环境中，从 Composio skill repository 安装该 skill。典型安装命令如下：

npx skills add ComposioHQ/awesome-claude-skills --skill "Apollo Automation"

然后在你的 AI 客户端中配置 Composio MCP server：

https://rube.app/mcp

系统提示时，使用 API key authentication 连接 Apollo.io。在正式依赖该工作流之前，请打开 composio-skills/apollo-automation/SKILL.md，查看安装设置和支持的 Apollo actions。因为这个 skill 只包含一个源文件，没有额外脚本或参考文件夹可供补充说明。

该 skill 需要哪些输入

使用 Apollo Automation 时，如果 prompt 中包含四类信息，效果会明显更好：目标公司条件、目标 persona、所需数据字段，以及下一步用途。较弱的 prompt 是：“Find leads for my startup.” 更强的 prompt 是：“Use Apollo to find US B2B SaaS companies with 50-300 employees, exclude agencies, then identify VP Sales or Head of Revenue contacts. Return company name, website, LinkedIn URL if available, contact name, title, email availability, and confidence notes.”

常用筛选条件包括公司名称、地点、排除地点、员工规模，以及行业或关键词标签。做联系人搜索时，请说明资历层级、部门、职位、地理范围，以及是否只从给定公司列表中查找联系人。

获得更好结果的推荐工作流

建议先做公司搜索，检查公司列表，再从最匹配的目标客户中发现联系人。之后对选定联系人做数据补全，最后再让 agent 整理阶段或准备外联列表。这样的顺序可以避免把 enrichment 额度浪费在不合适的公司上。

一个实用的 Apollo Automation guide 工作流是：

1. 定义 ICP 筛选条件：行业、地点、员工数量、排除细分领域。
2. 运行公司搜索，并要求每家公司附上简短匹配理由。
3. 在发现联系人之前，先选择或优化目标客户名单。
4. 只补全符合职位和资历要求的联系人。
5. 要求输出干净表格或 CSV-ready 格式。

更容易正确调用 skill 的 prompt 模式

使用以行动为导向的表达，让 agent 明确应调用 Apollo tools，而不是停留在头脑风暴：

“Use Apollo Automation to search Apollo.io for cybersecurity companies in Germany with 100-1000 employees. Exclude consulting firms. For the top 25 matches, find CISOs, Heads of Security, or VP IT contacts. Enrich available emails, mark missing fields, and return a table with company, domain, employee range, contact name, title, email status, and why the account fits.”

这个 prompt 更强，是因为它限定了范围，明确了数据源，给出了包含和排除规则，定义了目标 persona，并说明了输出格式。

Apollo Automation skill 常见问题

Apollo Automation 适合新手吗？

适合，前提是你已经理解自己的目标市场。该 skill 能减少在 Apollo.io 中搜索和筛选的机械操作，但不会替你决定销售策略。新手应先从较窄的细分市场开始，查看前 10-25 条结果，并在请求大批量列表之前优化筛选条件。

什么时候不该使用这个 skill？

如果你只需要泛泛的市场想法、没有 Apollo 访问权限，或者任务需要经过验证的实时外联合规决策，就不应使用 Apollo Automation。对于“找出所有可能买家”这类过于宽泛的请求，它也不适合，因为模糊的 ICP 会产生噪音很大的线索列表，并浪费 enrichment credits。

它和直接使用 Apollo.io 有什么不同？

Apollo.io 提供的是界面和数据库。Apollo Automation skill 则让 agent 能够通过自然语言以结构化方式操作 Apollo。它最适合需要可重复的线索研究步骤、格式化输出，以及希望快速迭代筛选条件、而不想手动点击每个页面的场景。

安装前应该检查什么？

确认你的 AI 客户端支持 MCP，能够连接 https://rube.app/mcp，并且你的 Apollo 账户拥有搜索和 enrichment 所需的权限或额度。同时请检查 SKILL.md 中当前的工具名称和示例，因为该文件之外没有单独的辅助脚本来解释行为细节。

如何改进 Apollo Automation skill

用更清晰的 ICP 提升 Apollo Automation 结果

影响质量最大的杠杆是具体性。不要写“tech companies”，而应改成“B2B SaaS companies selling to finance teams, 50-500 employees, headquartered in North America, excluding agencies and IT services.” 尽可能加入负向筛选条件。排除项往往比额外添加正向关键词更能提升线索质量。

避免常见失败模式

常见问题包括搜索范围过宽、联系人资历不匹配、enrichment 字段缺失，以及列表中混入不同细分市场的公司。可以通过设置最大结果数、要求提供匹配理由列、让 agent 标记不确定匹配项，并区分“found in Apollo”和“recommended for outreach”来降低这些风险。

在第一版输出后继续迭代

不要把第一次运行结果当作最终结果。可以继续追问：“Remove companies under 100 employees,” “Only keep contacts with revenue leadership titles,” “Group by industry keyword,” 或 “Enrich only the 15 strongest accounts.” 这样能让 Apollo Automation 的使用更高效，避免把精力花在低匹配度记录上。

在 prompt 中加入审核标准

为了获得更强的线索研究结果，请加入评分规则：匹配分数、排除原因、缺失数据，以及建议的下一步动作。例如：“Score each account from 1-5 based on ICP fit, explain any uncertainty in one sentence, and mark whether to enrich now, review manually, or discard.” 这会把 Apollo Automation 从原始线索拉取工具，变成一个可直接支持决策的潜在客户开发工作流。