MuleRun可通过五种方式精准提取B2B线索中的公司名称：一、调用预置“公司名称识别”技能模板；二、用Super Agent自然语言指令实时提取；三、自定义规则+正则增强提取；四、对接第三方工商API权威核验；五、基于用户历史行为自进化微调。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在处理B2B线索时需要从大量文本、网页、PDF或邮件中快速识别并提取公司名称，MuleRun可基于其自进化能力与多模态嵌入理解能力实现高精度自动识别。以下是具体操作方法：
一、使用Knowledge模块预置“公司名称识别”技能模板
该方法利用MuleRun已验证的群体共享Agent模板，无需训练或配置，直接调用经多人验证的高权重B2B实体识别模型，支持中英文混合、简称/全称映射、错别字容错等场景。
1、进入MuleRun主界面，点击左侧导航栏Knowledge模块。
2、在搜索框中输入“公司名称识别”，选择标签为“B2B线索”且权重评分≥95的官方模板。
3、点击“一键加载”，系统将自动部署该技能至当前Runtime环境。
4、在Computer模块中上传待处理文件（支持TXT、PDF、HTML、邮件EML格式），拖入识别区域后点击“运行识别”按钮。
5、识别结果以结构化表格形式输出，含公司名称、疑似匹配置信度、原文上下文片段及工商注册地推测字段。
二、通过Super Agent自然语言指令触发实时提取
该方法适用于零散非结构化输入场景，如客服对话记录、社交媒体评论、会议纪要等，依赖MuleRun的情境感知与嵌入向量对齐能力，动态锚定组织实体。
1、在Super Agent主对话框中输入：“请从以下内容中提取所有出现的公司全称与常用简称，忽略个人姓名和部门名称：[粘贴文本]”。
2、MuleRun将自动调用内置的Gemini Embedding 2多模态向量空间，对文本中命名实体进行语义聚类比对。
3、若检测到模糊表述（如“某新能源车企”“华东头部SaaS厂商”），系统会主动发起一次追问：“是否需结合您知识库中已存的客户名录进行关联匹配？”。
4、确认后，MuleRun将调用用户专属Knowledge图谱，在本地闭环环境中完成工商数据库字段映射，返回标准化公司名称。
三、自定义规则+正则增强型提取（适合强格式线索源）
该方法面向结构清晰但格式多变的B2B数据源（如招标公告、企业信用报告、海关进出口记录），允许用户添加轻量级业务规则，不依赖大模型推理，响应更快、可控性更强。
1、进入Computer模块，点击“新建自动化流程”，选择触发类型为“文件监听”或“网页爬取”。
使用固定的 Next.js/Tailwind/Prisma 技术栈构建并记录独立 SaaS 项目，仅将 FastAPI 用于 Python 工作负载，并遵循严格的架构规范。
2、在“数据清洗”节点中，点击“添加正则规则”，输入预设模式，例如：“[^\u4e00-\u9fa5]{0,3}(?:股份|集团|科技|有限|公司)[^\u4e00-\u9fa5]{0,2}”（中文公司名后缀匹配）。
3、勾选“启用工商关键词白名单校验”，系统将自动关联国家企业信用信息公示系统公开字段进行合法性过滤。
4、设置输出目标为Drive中的“B2B线索_公司名”文件夹，并开启“每日凌晨2点自动归档”开关。
四、对接第三方工商API实现权威核验
该方法用于对高价值线索进行最终确认，确保提取结果与国家登记机关数据一致，适用于销售立项、法务尽调、授信评估等关键环节。
1、在Knowledge模块中，进入“连接器管理”，选择“天眼查开放平台”或“企查查Pro接口”（需提前绑定API Key）。
2、创建新技能时，勾选“调用外部工商核验服务”选项，并设定超时阈值为3秒、重试次数为2次。
3、当MuleRun提取出候选公司名后，自动发起HTTPS请求，传入公司名哈希值与时间戳签名。
4、接收到返回的统一社会信用代码、法定代表人、注册资本字段后，系统将自动标注“已核验”状态并高亮显示信用代码。
五、基于用户历史行为的自进化微调
该方法不依赖预设规则或外部API，而是让MuleRun持续学习用户对“公司名称”边界的主观判定习惯，逐步收敛识别逻辑，越用越准。
1、每次人工修正MuleRun输出的公司名称结果（如合并“北京字节跳动科技有限公司”与“字节跳动”为同一主体），均需点击“标记为正确映射”。
2、MuleRun将自动捕获该操作所发生的上下文特征：文本位置、前后标点、字号加粗、所在表格行列、原始来源URL域名等共17维信号。
3、系统在后台Runtime中启动增量训练，更新本地嵌入向量空间中“公司实体”的边界定义。
4、后续相同模式文本输入时，识别准确率提升将实时反映在置信度数值右侧的↑箭头图标中。
