Relay.app教程：AI自动化LinkedIn资料查找终极指南

在当今快速发展的商业环境中，快速获取并分析关键信息至关重要。LinkedIn作为全球最大的职业社交平台，蕴藏着海量的人才和商业机会。然而，手动搜索和整理LinkedIn资料既耗时又容易出错。幸运的是，借助人工智能（AI）和自动化工具，我们可以极大地提升效率。本文将介绍如何使用Relay.app，一款强大的自动化平台，构建一个AI代理，实现LinkedIn资料的自动查找。无论您是招聘人员、销售专业人士还是市场营销人员，本指南都将帮助您简化信息收集流程，节省宝贵的时间，并做出更明智的决策。通过本文，您将学习如何配置Relay.app，利用AI的力量，快速准确地找到目标LinkedIn资料，从而在竞争激烈的市场中占据优势。

关键要点

• 使用Relay.app构建AI代理，实现LinkedIn资料自动查找。
• 利用Google Sheets作为数据源，整合姓名、公司、职位等信息。
• 通过Google Search和GPT-4o模型，提升搜索准确性和效率。
• 采用Human-in-the-Loop策略，确保结果的可靠性。
• 适用于招聘、销售、市场营销等多种场景，节省大量时间。

Relay.app AI代理自动查找LinkedIn资料详解

什么是Relay.app及其优势

Relay.app是一款功能强大的自动化平台，旨在帮助用户通过AI代理简化各种任务流程。与传统的手动操作相比，Relay.app具有显著的优势：

• 提高效率：自动执行重复性任务，例如LinkedIn资料查找，从而节省大量时间。
• 提升准确性：利用AI模型进行数据分析和筛选，减少人为错误。
• 简化工作流程：将多个步骤整合到一个自动化流程中，提高工作效率。
• 降低成本：通过自动化减少人力投入，从而降低运营成本。
• 可扩展性：轻松扩展自动化流程，以适应不断变化的需求。

对于需要频繁进行LinkedIn资料查找的专业人士来说，Relay.app提供了一种高效、准确且经济实惠的解决方案。通过AI代理的自动化能力，用户可以专注于更具战略性和创造性的任务，从而提升整体工作效率和业务成果。

Relay.app的核心优势在于其AI驱动的自动化能力。用户可以根据自身需求，定制各种AI代理，用于执行特定的任务。例如，可以创建一个AI代理，自动从网页上抓取数据，或者创建一个AI代理，自动回复电子邮件。这些AI代理可以7x24小时不间断地工作，从而极大地提升了工作效率。

此外，Relay.app还提供了强大的集成能力。它可以与各种常用的应用程序和服务集成，例如Google Sheets、Slack、Gmail等。这意味着用户可以轻松地将Relay.app集成到现有的工作流程中，从而实现端到端的自动化。

总而言之，Relay.app是一款功能强大且易于使用的自动化平台。它提供了各种工具和功能，可以帮助用户简化各种任务流程，提高工作效率，并降低运营成本。无论您是个人用户还是企业用户，Relay.app都可以为您带来巨大的价值。

准备工作：设置Google Sheets

在使用Relay.app构建AI代理之前，我们需要准备一个包含目标信息的Google Sheets。

Google Sheets将作为AI代理的数据源，提供用于LinkedIn资料查找的关键信息。以下是设置Google Sheets的步骤：

1. 创建新的Google Sheets文件：打开Google Drive，创建一个新的Google Sheets文件，并将其命名为“LinkedIn Profile Finder”。
2. 添加表头：在第一行添加以下表头：Information：用于存储姓名、公司、职位等信息的综合性字段。LinkedIn URL：用于存储AI代理找到的LinkedIn资料链接。
3. 填充数据：在Information列中，逐行输入需要查找LinkedIn资料的人员信息。您可以根据实际情况，尽可能提供详细的信息，例如：姓名（例如：Jacob Bank）、邮箱地址（例如：jacob@relay.app）、公司名称（例如：Relay Canada）、职位（例如：CEO Zapier）、城市（例如：Amsterdam）、国家（例如：Netherlands）。
4. 保持数据格式一致：确保Information列中的数据格式一致，便于AI代理的识别和处理。

Information	LinkedIn URL
Jacob Bank jacob@relay.app
Syed Relay Canada
Thijs van As Netherlands
Michael Kaeser Engineer Relay.app
CEO Zapier
CEO Bardeen.ai
Matthias Frank Notion
Amit Sarda Automation
Steven Leel SV Angel
Claire Bourgeois Consultant
jeroen milow Notion

通过以上步骤，我们完成了Google Sheets的设置，为AI代理提供了必要的数据来源。在接下来的步骤中，我们将配置Relay.app，利用AI的力量，自动填充LinkedIn URL列。

配置Relay.app工作流：AI自动化流程

现在，我们将配置Relay.app的工作流，构建一个AI代理，实现LinkedIn资料的自动查找。

以下是配置Relay.app工作流的详细步骤：

1. 创建新的工作流：登录Relay.app，点击“Create Workflow”按钮，创建一个新的工作流，并将其命名为“LinkedIn Profile Finder”。
2. 添加触发器：选择“Manually Triggered Batch”作为触发器。在配置触发器时，选择“Google Sheets - Rows”作为应用程序，并选择之前创建的“LinkedIn Profile Finder”Google Sheets文件。设置“Trigger runs for all rows”，确保工作流会处理Google Sheets中的所有数据。
3. 添加Google Search步骤：添加一个“Search Google”步骤。在配置该步骤时，将“Search query”设置为：Row Information LinkedIn Profile。这将指示AI代理使用Google搜索包含Information列中信息和“LinkedIn Profile”关键词的结果。
4. 添加AI Prompt步骤：添加一个“AI Prompt”步骤。选择“GPT-4o”作为模型。在“Prompt”字段中，输入以下提示语：We are looking for the LinkedIn URL of the profile that corresponds to: {{Row Information}}. Please review the attached search results and create a list of all of the URLs of LinkedIn profiles (not posts!). Output the most likely URL along with a score between 1 and 100 of how confident you are. If there is exactly one profile with that name, your confidence should be very high. If there are many profiles that match the name and none matches the employer of the email address, your confidence should be low. Please also explain your reasoning.
5. 配置AI Prompt输出：在“Output”部分，配置以下输出字段：linkedinUrl：用于存储AI代理找到的LinkedIn资料链接。confidenceScore：用于存储AI代理对结果的置信度评分（1-100）。LinkedIn Profiles：用于存储所有在搜索结果中识别到的LinkedIn资料链接的列表。reasoning：用于存储AI代理选择特定LinkedIn资料链接的原因。
6. 添加规则和Human-in-the-Loop步骤：添加一个“Rules-Based Path”步骤，根据AI代理的置信度评分，采取不同的行动。Path A（Confident）：如果confidenceScore大于80，则自动将linkedinUrl写入Google Sheets的“LinkedIn URL”列。Path B（Ask the User for Help）：如果confidenceScore小于或等于80，则发送一个Slack DM给指定人员，请求人工判断。Slack DM中包含搜索结果列表，供人工选择。用户选择正确的LinkedIn资料链接后，将其写入Google Sheets的“LinkedIn URL”列。

通过以上步骤，我们完成了Relay.app工作流的配置。该工作流将自动从Google Sheets中读取数据，使用Google Search和GPT-4o模型查找LinkedIn资料，并根据AI代理的置信度评分，自动或手动更新Google Sheets的“LinkedIn URL”列。

优化Relay.app工作流：提升效率和准确性

使用更精确的搜索查询

虽然Relay.app的AI代理能够处理各种信息，但提供更精确的搜索查询可以显著提升搜索效率和准确性。您可以根据实际情况，对Google Search步骤中的“Search query”进行调整。

• 添加更多关键词：如果可能，添加更多与目标人员相关的关键词，例如职位、技能、教育背景等。
• 使用引号进行精确匹配：使用引号将多个关键词括起来，进行精确匹配，例如"Jacob Bank"+"CEO"+"Relay Canada"。
• 使用减号排除无关结果：使用减号排除包含特定关键词的结果，例如Jacob Bank LinkedIn -sales -marketing。
• 使用site:运算符限定搜索范围：使用site:linkedin.com/in/运算符限定搜索范围，只搜索LinkedIn个人资料页面，例如site:linkedin.com/in/ Jacob Bank。

通过使用更精确的搜索查询，您可以减少AI代理需要处理的搜索结果数量，从而提高效率和准确性。

优化AI Prompt：提高识别准确率

AI Prompt的质量直接影响AI代理的识别准确率。您可以根据实际情况，对AI Prompt进行优化，以提高识别准确率。

• 提供更详细的背景信息：在AI Prompt中提供更详细的背景信息，例如目标人员的行业、工作经历等。
• 明确指示AI模型的任务：明确指示AI模型的任务，例如“请从搜索结果中提取LinkedIn个人资料页面的链接，并评估其与目标人员的匹配程度”。
• 提供示例：提供一些LinkedIn个人资料页面的示例，帮助AI模型学习如何识别正确的链接。
• 使用更高级的提示技巧：使用一些更高级的提示技巧，例如Few-shot Learning和Chain-of-Thought Prompting，可以进一步提高AI模型的识别准确率。

通过优化AI Prompt，您可以提高AI代理的识别准确率，从而减少人工干预的需求。

配置更智能的规则：减少人工干预

通过配置更智能的规则，您可以减少Human-in-the-Loop步骤的人工干预需求。您可以根据实际情况，对Rules-Based Path步骤中的规则进行调整。

• 使用更复杂的条件：使用更复杂的条件，例如结合confidenceScore和其他搜索结果特征，来判断是否需要人工干预。
• 添加多个规则：添加多个规则，根据不同的情况，采取不同的行动。
• 使用自定义脚本：使用JavaScript或Python等脚本语言，编写自定义规则，实现更复杂的逻辑。

通过配置更智能的规则，您可以减少Human-in-the-Loop步骤的人工干预需求，进一步提高自动化程度。

详细步骤教程

步骤1：创建并设置Google Sheets

1. 打开Google Drive并创建一个新的Google Sheets。
2. 命名文件为“LinkedIn Profile Finder”。
3. 在第一行添加表头：Information和LinkedIn URL。
4. 在Information列中，输入需要查找LinkedIn资料的人员信息（姓名、邮箱、公司等）。
5. 保持数据格式一致。

步骤2：创建Relay.app工作流

1. 登录Relay.app并创建一个新的工作流。
2. 命名为“LinkedIn Profile Finder”。
3. 选择“Manually Triggered Batch”作为触发器。
4. 配置触发器，选择Google Sheets并链接到您的Google Sheets文件。
5. 设置触发器处理所有行。

步骤3：添加Google Search步骤

1. 添加一个“Search Google”步骤。
2. 设置Search query为：Row Information LinkedIn Profile。

步骤4：配置AI Prompt步骤

1. 添加一个“AI Prompt”步骤。
2. 选择“GPT-4o”模型。
3. 输入详细的提示语，明确AI的任务是提取LinkedIn资料链接并评估匹配程度。
4. 配置输出字段：linkedinUrl、confidenceScore、LinkedIn Profiles和reasoning。

步骤5：添加规则和Human-in-the-Loop步骤

1. 添加一个“Rules-Based Path”步骤。
2. 设置规则：如果confidenceScore大于80，则自动写入Google Sheets。
3. 如果confidenceScore小于或等于80，则发送Slack DM请求人工判断。
4. 配置Slack DM包含搜索结果列表，供人工选择。
5. 用户选择后，将其写入Google Sheets。

Relay.app定价

灵活的订阅选项

Relay.app提供灵活的订阅选项，以满足不同用户的需求。具体定价取决于使用量和所需的功能。用户可以根据自身情况选择最合适的订阅计划。建议访问Relay.app官网获取最新的定价信息。

核心定价要素：

• 用户数量：订阅费用会随着用户数量的增加而增加。
• 工作流执行次数：每个订阅计划都包含一定数量的工作流执行次数。超出部分可能需要额外付费。
• AI Credits：使用GPT-4o等AI模型需要消耗AI Credits。不同的订阅计划包含不同数量的AI Credits。
• 功能：某些高级功能可能只在特定的订阅计划中提供。

建议用户根据自身需求，仔细评估不同的订阅计划，选择最合适的选项。

Relay.app优缺点分析

优点

• 强大的自动化引擎，可以简化各种任务流程。
• AI驱动的智能化，可以提高效率和准确性。
• Human-in-the-Loop功能，确保结果的可靠性。
• 可视化编辑器，易于使用。
• 丰富的应用程序和服务集成。

缺点

• 某些高级功能可能只在特定的订阅计划中提供。
• 使用AI模型需要消耗AI Credits。
• 需要一定的学习成本。

Relay.app核心功能

强大的自动化引擎

Relay.app拥有强大的自动化引擎，可以帮助用户简化各种任务流程。用户可以根据自身需求，定制各种工作流，用于执行特定的任务。

• 可视化编辑器：Relay.app提供了一个可视化的编辑器，用户可以通过拖拽和连接不同的步骤，轻松构建复杂的工作流。
• 丰富的步骤库：Relay.app提供了丰富的步骤库，包含了各种常用的应用程序和服务，例如Google Sheets、Slack、Gmail等。
• 灵活的触发器：Relay.app支持各种触发器，例如手动触发、定时触发和事件触发。用户可以根据自身需求，选择合适的触发器。
• 强大的错误处理机制：Relay.app拥有强大的错误处理机制，可以帮助用户快速识别和解决问题。

AI驱动的智能化

Relay.app的核心优势在于其AI驱动的自动化能力。用户可以根据自身需求，定制各种AI代理，用于执行特定的任务。

• 自然语言处理（NLP）：Relay.app集成了强大的NLP模型，可以帮助用户理解和处理自然语言文本。
• 机器学习（ML）：Relay.app集成了各种ML模型，可以帮助用户进行数据分析和预测。
• 计算机视觉（CV）：Relay.app集成了各种CV模型，可以帮助用户识别和分析图像。
• 智能决策：Relay.app可以根据AI模型的分析结果，做出智能决策，从而实现端到端的自动化。

Human-in-the-Loop：确保结果可靠性

Relay.app提供了Human-in-the-Loop功能，允许用户在必要的时候进行人工干预，从而确保结果的可靠性。用户可以设置各种规则，当AI代理的置信度低于某个阈值时，自动触发Human-in-the-Loop步骤。

• • 人工审核：用户可以人工审核AI代理的分析结果，并进行必要的修改。
  • 人工决策：用户可以人工做出决策，指导AI代理的下一步行动。
  • 持续学习：用户的人工干预可以帮助AI模型持续学习，从而提高其准确性和效率。