Collect Contact Information

联系信息收集系统

一个强大的B2B联系人数据库和研究自动化系统，采用Claude代码和模型上下文协议（MCP）构建。该系统助您高效研究公司、收集决策者联系方式，并管理您的销售漏斗。

特点/功能

• 自动化公司研究研究公司并提取关键信息的人工智能代理
• 联系数据库管理基于SQLite的存储系统，包含全面的公司和联系人字段
• MCP服务器集成定制的MCP服务器，实现数据库操作无缝衔接
• 批量导入/导出导入公司列表并导出为CSV格式以进行CRM系统集成
• 数据可视化生成表示数据库结构和关系的Mermaid图表
• 隐私合规内置GDPR、CCPA和CAN-SPAM合规性追踪功能

建筑

组件

1. 自定义MCP服务器 （./.claude/mcp-servers/contact-db-server/)

- 基于FastMCP的服务器，提供9种数据库操作 - 带有全面验证功能的Python SQLite后端 - 实时跟踪公司研究动态

1. 数据库模式 (data/schema.sql）

- companies 表格：包含40多个账户级别的数据字段 - contacts 表格：包含25+个字段的个人级数据 - 完整的引用完整性和验证约束

1. 人工智能代理 (./.claude/agents/)

- company-researcher自动化公司研究与信息补充 - 并行执行以支持高通量研究

1. 实用脚本 （scripts/)

- 美人鱼图表生成器（实体关系图和数据可视化） - 用于CRM集成的CSV导出

快速入门

先决条件

• Python 3.10+
• SQLite 3
• Claude CLI 命令行界面

安装

1. 克隆仓库：

git clone https://github.com/dot-fun/collect-contact-information.git
cd collect-contact-information

1. 设置MCP服务器虚拟环境：

cd ./.claude/mcp-servers/contact-db-server
python3 -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate
pip install -r requirements.txt
cd ../../..

1. 初始化数据库：

# The database will be initialized automatically when you first use MCP tools
# Or manually with: sqlite3 ./data/contacts.db < ./data/schema.sql

基本用法

1. 导入公司名称

创建 ./inputs/companies.txt 每行一个公司名称：

Acme Corp
TechStart Inc
Global Solutions Ltd

然后运行导入命令：

# In Claude Code CLI
/ingest-companies

这会创建带有占位符的记录，其中 researched=0 状态。

2. 研究公司

使用自动化研究工作流程：

# In Claude Code CLI
/research-all-companies

这个命令：

• 生成并行AI代理（默认为10个）
• 对每一家未研究过的公司进行研究
• 查找公司详细信息（网站、领英、行业、所在地）
• 确定关键决策者
• 将联系人添加到数据库
• 标记公司为已研究

3. 导出数据

生成Mermaid图表：

# Database schema diagram
python3 ./scripts/generate_mermaid_from_db.py --mode schema -o ./outputs/schema.md

# Company and contact relationships
python3 ./scripts/generate_mermaid_from_db.py -o ./outputs/company_contacts.md

导出为CSV格式：

python3 ./scripts/export_data_to_csv.py -o ./outputs/company_contacts.csv

MCP 工具参考手册

自定义的MCP服务器提供了9种工具：

核心业务/核心运营

• add_company - 添加公司并填写完整信息
• add_contact - 将联系人添加到公司
• get_company - 通过ID或域名检索公司
• get_contacts_by_company - 列出一家公司的所有联系人
• list_companies - 浏览所有公司，并可选择过滤

研究工作流程

• ingest_companies_from_file - 从文本文件批量导入
• get_unresearched_companies - 查找标记为未研究的公司
• mark_company_as_researched - 更新研究状态
• initialize_database - 运行模式设置

看 ai_docs/mcp-tools-reference.md 以获取详细文档。

文件结构

├── .claude/
│   ├── agents/                    # AI agent definitions
│   │   ├── company-researcher.md  # Company research agent
│   │   └── README.md
│   ├── commands/                  # Custom slash commands
│   │   ├── ingest-companies.md
│   │   └── research-all-companies.md
│   └── mcp-servers/
│       └── contact-db-server/     # Custom MCP server
│           ├── server.py
│           ├── requirements.txt
│           └── venv/
├── ai_docs/                       # Documentation for AI agents
│   ├── contact-data-specification.md
│   ├── mcp-tools-reference.md
│   ├── mcp-tools-cheatsheet.md
│   └── mcp-tools-examples.md
├── data/
│   ├── contacts.db                # SQLite database
│   ├── schema.sql                 # Database schema
│   └── migrate_*.sql              # Migration scripts
├── inputs/
│   ├── companies.txt              # Your company list (gitignored)
│   └── companies.example.txt      # Example format
├── outputs/                       # Generated reports
│   ├── company_contacts.md
│   ├── company_contacts.csv
│   └── schema.md
├── scripts/
│   ├── generate_mermaid_from_db.py
│   ├── export_data_to_csv.py
│   └── README.md
├── .mcp.json                      # MCP server configuration
├── AGENTS.md                      # Agent guidelines
└── CLAUDE.md                      # Project documentation

数据模型

公司字段（40+个）

核心标识符：

• 法定名称，域名，网站网址，公司领英网址

地点：

• 总部国家，总部地区，总部城市，时区

公司概况数据（或企业特征数据）：

• 行业、员工范围、成立日期

资金：

• 融资阶段，融资轮次

信号与情报：

• 适配度评分，适配度备注，技术栈，技术信号
• 痛点（pain_points）、意图信号（intent_signals）、参与度评分（engagement_score）

管道：

• 阶段（潜在客户/营销合格线索/销售合格线索/商机/谈判/成交/未成交/培育）
• 所有者，领域，账户类型
• 下一步，下一步截止时间

联系字段（25+）

核心信息：

• 名字，姓氏，电子邮件（需为小写）
• LinkedIn链接、职位、资历、职能

联系方式：

• 电话直拨，主电话，电子邮件状态

关系：

• 在交易中的角色（决策者/影响者/支持者/用户/阻碍者）
• company_id（外键）

合规性：

• 同意基础（合法利益/明确同意/合同/合规审查）
• 同意获取时间，来源，来源网址
• dnc_email（拒绝通信电子邮件）、dnc_phone（拒绝通信电话）、contact_preferences（联系偏好）
• GDPR合规，CCPA合规，合规备注

看 ai_docs/contact-data-specification.md 以获取完整的字段定义。

隐私与合规

该系统在设计时充分考虑了隐私合规性：

• 同意追踪每次接触都需要一个 consent_basis
• 来源归属所有数据必须有记录在案的来源
• DNC（分布式数控或直接数字控制）管理电子邮件和电话的“勿扰”标志
• GDPR/CCPA每个联系人跟踪的合规字段
• 数据最小化只收集必要的东西
• 验证电子邮件小写，电话号码E.164格式

请参阅第10节 ai_docs/contact-data-specification.md 以满足全部合规要求。

发展

运行测试

cd ./.claude/mcp-servers/contact-db-server
source venv/bin/activate
pytest

数据库查询

# Check unresearched companies
sqlite3 ./data/contacts.db "SELECT legal_name FROM companies WHERE researched=0"

# Count contacts by company
sqlite3 ./data/contacts.db "SELECT c.legal_name, COUNT(ct.id) as contact_count
FROM companies c LEFT JOIN contacts ct ON c.id = ct.company_id
GROUP BY c.id ORDER BY contact_count DESC"

# View all decision-makers
sqlite3 ./data/contacts.db "SELECT c.legal_name, ct.first_name, ct.last_name, ct.title
FROM contacts ct JOIN companies c ON ct.company_id = c.id
WHERE ct.role_in_deal = 'decision-maker'"

编码风格

• Python：PEP 8规范，类型提示，4个空格缩进
• SQL：关键字使用大写，内联注释
• Markdown：标题使用首字母大写格式

工作流程

大宗公司研究

1. 在（列表/文档等）中添加公司名称 ./inputs/companies.txt （每行一个）
2. 跑 /ingest-companies 创建占位符记录
3. 跑 /research-all-companies 生成并行研究代理
4. 监控代理在研究和填充数据过程中的进度
5. 导出结果： python3 ./scripts/export_data_to_csv.py -o ./outputs/output.csv

手动添加公司

# In Claude Code, use MCP tools directly
add_company(
    legal_name="Example Corp",
    domain="example.com",
    website_url="https://example.com",
    company_linkedin_url="https://linkedin.com/company/example-corp",
    industry="SaaS",
    employee_range="51-200",
    hq_country="United States",
    stage="lead"
)

查找联系人

# Get company
company = get_company(domain="example.com")

# Get all contacts for company
contacts = get_contacts_by_company(company_id=company['company_id'])

贡献

1. 遵循编码风格指南 AGENTS.md
2. 为新功能添加测试
3. 更新文档
4. 跑 pytest 在提交之前
5. 用祈使句编写提交信息

许可证

MIT许可证——您可自由将此系统用于您的B2B研究和拓展活动。

支持

如需报告问题、提出疑问或贡献内容，请在GitHub上提交一个议题。

功劳/学分

构建于：

• 克劳德·科德 - 基于人工智能的开发
• FastMCP - MCP服务器框架
• SQLite - 数据库引擎
• Python 3 - 后端逻辑