把研究 Agent 當核心的開源 CRM
Comp AI CRM 不是替傳統 CRM 加一個聊天框，而是反過來把 CRM 當成 AI Agent 的工作台與長期筆記。Agent 透過獨立部署、排程與工作佇列持續研究聯絡人和公司，關掉瀏覽器也不會停；底層採 Eve durable agent framework、Bun/Turborepo、Next.js、NestJS、Prisma 與 Postgres。它能讀取 CRM 內的郵件、會議及簽名檔，搜尋外部資料、辨識身分、補齊公司資訊、記錄事實並安排日後重查。值得注意的是，它不讓模型自行喊信心分數，而是依證據強弱決定直接寫入或交給人確認。
現實應用
最直接的場景是 B2B 業務研究：新名單進來後，自動確認任職公司、職稱、公開帳號與往來紀錄，整理成業務拜訪前可看的 brief。Founder-led sales、小型業務團隊、RevOps，以及需要定期追蹤大量潛在客戶的研究人員都用得上。它不是自動寄信機器，而是先處理最耗時間、也最容易被隨便填錯的資料整理工作。
期望評估
低標來看，我認為它至少能成為一套可自架的 CRM 範例，示範 durable Agent、排程、工具權限、研究預算與 evidence ledger 怎麼接在一起；即使不開外部 API，也能先從自家郵件和會議找資料。
高標來看，我猜它有機會把 CRM 從「等人輸入資料」變成「自己維護資料品質的系統」，讓業務打開客戶頁面時，背景研究與待確認建議已經準備好。但成果仍取決於資料來源、模型費用及人工覆核流程，不能期待完全無人管理。
商業策略分析
我認為真正受影響的是 Salesforce、HubSpot、Attio 這類以人操作為中心、再外掛 AI 的產品思路。Comp AI CRM 的商業意義不只在開源，而是把 Agent 設定成 CRM 的主要使用者，人類變成審核與決策者。MIT License 也方便團隊二次開發。值得跟進，但現階段更適合有工程能力、重視資料主權的團隊試做；成熟企業要換掉既有 CRM，還得補齊權限、多租戶、整合、生態系與維運能力。
實作細節
本機需要 Bun 與 Docker：clone release 預設分支、複製 .env.example、執行 bun install，啟動 Docker Postgres，再跑 migration、選擇性 seed 與 bun run dev。登入需設定 Google OAuth、Microsoft Entra 或自有 IdP；Perplexity、LinkedIn 與 Context 等外部來源皆為選配。
目前限制是刻意採 single-tenant，正式環境要分別部署前端、API、Agent 與 Postgres。Microsoft 郵件權限為唯讀，首次連線也不會回撈多年舊信；缺少外部 API key 時功能不會壞掉，但 Agent 能查的範圍會縮小。