Fire Enrich

由 MendableAI 团队开发的 Fire Enrich 正式发布。这是一款基于 AI 的数据丰富工具，能够将简单的电子邮件列表转化为包含公司简介、融资信息、技术栈等在内的详细企业画像，为市场分析、销售拓展和商业研究提供强大支持。

Fire Enrich 背后融合了多种前沿技术，包括网页抓取、智能数据提取与多代理 AI 系统，构建了一个自动化、可扩展的数据增强平台。

🔧 技术架构概览

🧩 工作原理详解：五阶段代理系统

Fire Enrich 采用一个多阶段、模块化代理架构，每个阶段专注于特定类型的数据提取任务，并通过上下文共享提升整体准确性。

1️⃣ 发现代理（Discovery Agent）

• 目标：识别公司基础信息（如名称、官网、业务类型）
• 输出字段：companyName, website, domain
• 作用：为后续代理提供核心参考信息

2️⃣ 公司简介代理（Profile Agent）

• 目标：确定行业分类、总部位置、成立年份等
• 输出字段：industry, headquarters, yearFounded, companyType
• 优势：基于发现代理的信息确保行业分类准确

3️⃣ 财务情报代理（Financial Intel Agent）

• 目标：获取融资阶段、总融资额、关键投资者等
• 输出字段：fundingStage, totalRaised, investors
• 策略：结合公司背景定向搜索投资数据库

4️⃣ 技术栈代理（Tech Stack Agent）

• 目标：分析 GitHub 项目、网站源码、技术文档
• 输出字段：编程语言、框架、基础设施、工具
• 示例：Node.js, Python, Redis, Kubernetes

5️⃣ 通用代理（General Purpose Agent）

• 目标：处理用户自定义字段（如 CEO、竞争对手等）
• 优势：利用所有已有数据进行精准查询

🔄 为何采用顺序执行机制？

Fire Enrich 的代理按照精心设计的顺序依次运行，每个阶段都建立在前一阶段的基础上：

• 上下文构建：后续代理可以借助已知信息进行更精确的搜索
• 数据验证：后期代理能修正或补充早期数据
• 效率优化：避免重复搜索，提升整体性能
• 阶段内并行：每阶段内部并发多个搜索请求，加快处理速度

这种设计兼顾了准确性与性能，在保证质量的前提下大幅提升效率。

核心功能亮点

如何扩展 Fire Enrich？

Fire Enrich 支持灵活扩展，开发者可根据需求添加新的数据提取能力：

• 修改现有代理：调整 /lib/agent-architecture/agents/[agent-name].ts 中的 Zod schema
• 创建新代理：定义新模式并实现 AgentBase 接口
• 更新编排器：添加路由逻辑，将字段导向新代理
• 自定义字段支持：通用代理可处理未被覆盖的字段

字段路由系统会自动分类用户请求：

• 包含“industry”或“headquarter”的字段 → 公司简介代理
• 包含“fund”或“invest”的字段 → 财务情报代理
• 包含“employee”或“revenue”的字段 → 指标代理
• 包含“tech”和“stack”的字段 → 技术栈代理
• 其他所有字段 → 通用代理

使用流程一览

1. 上传与解析：上传 CSV 文件，系统自动提取域名
2. 字段选择：指定需要提取的数据点
3. 顺序代理执行：按阶段依次运行，逐步构建完整数据
4. 并行搜索：每阶段内部并发调用 Firecrawl API
5. AI 合成：GPT-4o 整合结果，解决冲突，生成结构化输出
6. 实时展示：通过 Server-Sent Events 实时呈现最终结果

开源理念与社区共建

Fire Enrich 是一个开源项目，采用 MIT 许可证，欢迎开发者参与贡献：

• 想添加新代理？分叉仓库并提交你的实现
• 想改进数据提取提示？提交 Pull Request
• 有新功能想法？在 GitHub Issues 中开启讨论

我们相信，通过公开构建，可以打造一个更开放、可定制、低成本的企业数据解决方案。Fire Enrich 不仅是一个工具，更是构建下一代数据增强平台的起点。

适用场景

• 市场调研：快速获取目标企业的详细资料
• 销售拓展：构建潜在客户数据库，辅助决策
• 投资人分析：追踪初创企业融资动态与技术趋势
• 招聘定位：识别高潜力雇主的技术栈与成长轨迹