Floke
953bc14edf
This commit resolves an `ImportError` by centralizing all lead parsing logic into `ingest.py`. - **Move `parse_tradingtwins_html`:** The function for parsing TradingTwins HTML emails has been moved from `trading_twins_ingest.py` to `ingest.py`. - **Move `is_free_mail`:** The utility function `is_free_mail` was also moved from `trading_twins_ingest.py` to `ingest.py` to be shared by all parsers. - **Update Imports:** The import statement in `trading_twins_ingest.py` is now corrected to import all necessary functions from the central `ingest.py` module. This refactoring improves code structure, removes redundancy, and fixes the critical bug that prevented the ingest process from running.
Lead Engine: Tradingtwins Automation v1.0 [31388f42]
🚀 Übersicht
Die Lead Engine ist ein spezialisiertes Modul zur autonomen Verarbeitung von B2B-Anfragen. Sie fungiert als Brücke zwischen dem E-Mail-Postfach und dem Company Explorer, um innerhalb von Minuten hochgradig personalisierte Antwort-Entwürfe auf "Human Expert Level" zu generieren.
🛠 Hauptfunktionen
1. Intelligenter E-Mail Ingest
- Quelle: Überwacht das Postfach
info@robo-planet.devia Microsoft Graph API. - Filter: Erkennt gezielt Anfragen von Partnern wie Tradingtwins.
- Parsing: Ein spezialisierter HTML-Parser extrahiert strukturierte Daten:
- Firma, Ansprechpartner, E-Mail, Telefon.
- Bedarfsdaten (Reinigungsfläche, Einsatzzweck, gewünschte Funktionen wie Nassreinigung).
- Datum der ursprünglichen Anfrage.
2. Contact Research (LinkedIn Lookup)
- Automatisierung: Sucht via SerpAPI und Gemini 2.0 Flash nach der beruflichen Position des Ansprechpartners.
- Ergebnis: Identifiziert Rollen wie "CFO", "Mitglied der Klinikleitung" oder "Facharzt", um den Tonfall der Antwort perfekt anzupassen.
3. Company Explorer Sync & Monitoring
- Integration: Legt Accounts und Kontakte automatisch im CE an.
- Monitor: Ein Hintergrund-Prozess (
monitor.py) überwacht asynchron den Status der KI-Analyse im CE. - Daten-Pull: Sobald die Analyse (Branche, Dossier) fertig ist, werden die Daten in die lokale Lead-Datenbank übernommen.
4. Expert Response Generator
- KI-Engine: Nutzt Gemini 2.0 Flash zur Erstellung von E-Mail-Entwürfen.
- Kontext: Kombiniert Lead-Daten (Fläche) + CE-Daten (Dossier) + Matrix-Argumente (Pains/Gains).
- Logik:
- Wählt automatisch das passende Produkt (z.B. Scrubber 75 für > 5.000m²).
- Berücksichtigt Multi-Product Needs (Service-Roboter bei Gastronomie-Wünschen).
- Vermeidet KI-Floskeln und nutzt eine seniorige Business-Tonalität.
5. Qualitätskontrolle
- Erkennt automatisch "Low Quality Leads" (Free-Mail Provider wie Gmail/Web.de oder fehlende Firmennamen) für potenzielle Reklamationen.
🏗 Architektur
/app/lead-engine/
├── app.py # Streamlit Web-Interface
├── trading_twins_ingest.py # E-Mail Importer (Graph API)
├── lookup_role.py # LinkedIn/Role Research (SerpAPI + Gemini)
├── generate_reply.py # Email Draft Generator (Gemini)
├── monitor.py # Asynchroner CE-Status Monitor
├── db.py # Lokale SQLite Lead-Datenbank
└── data/ # DB-Storage
🚀 Inbetriebnahme (Docker)
Die Lead Engine ist als Service in der zentralen docker-compose.yml integriert.
# Neustart des Dienstes nach Code-Änderungen
docker-compose up -d --build lead-engine
Zugriff: https://floke-ai.duckdns.org/lead/ (Passwortgeschützt)
📝 Nutzungshinweise
- Ingest: Klicke in der Web-App auf "2. Ingest Real Emails".
- Sync: Wähle einen Lead und klicke auf "Sync to Company Explorer".
- Wait: Der Monitor erkennt automatisch, wenn die Analyse im CE fertig ist.
- Draft: Klicke auf "Generate Expert Reply" für den fertigen Entwurf.
Dokumentationsstand: 2. März 2026 Task: [31388f42]