Origami.chat：把每月 $10k 的获客代运营装进一个 AI 对话框
2026-02-20 | ProductHunt | 官网 | PH 27 票
30 秒快速判断
这工具是干嘛的：你只需输入一句话描述理想客户画像，AI Agent 就会自动从 100 多个数据源中帮你找到高意向的 B2B 线索，直接生成一份可用的潜在客户名单。简单来说，它用 AI 替代了以前需要每月花 $5k-$10k 请专业代运营机构才能拿到的精准名单。
值不值得关注：非常值得。这不仅仅是又一个 Apollo 或 ZoomInfo 的套壳产品。Origami 的核心差异在于使用自主 AI Agent 去浏览非结构化网页数据（如招聘信息、社交动态、新闻稿），而不是从死板的静态数据库里拉数据。作为 YC F24 批次增长最快的公司，它在 50 天内就达到了 $50k 的月经常性收入 (MRR)，VentureBeat 甚至称其为“Y Combinator 最火的初创公司”。虽然目前在 PH 上只有 27 票，说明在独立开发者圈子里还没完全破圈。
与我有关三问
与我有关吗？
目标用户是谁：B2B 销售团队、销售开发代表 (SDR)、增长黑客、需要亲自做主动销售的创业公司创始人。已有客户包括 CBRE（商业地产巨头）、Clipboard Health、Remote.com、Redesign Health 等。
我是目标用户吗：如果你符合以下任一条件，那么它非常适合你：
- 你每天要花 1-3 小时手动在 LinkedIn、Crunchbase 或各种网站上搜寻潜在客户。
- 你在使用 Apollo/ZoomInfo，但觉得搜出来的线索太泛，不够精准。
- 你在做 B2B SaaS，但还在用“广撒网”的方式做外呼销售。
- 你是小团队，请不起专门的获客代运营机构。
什么场景会用到：
- 刚融完资：需要快速建立销售管道 → 用 Origami 批量寻找高意向客户。
- 数据补全：你有一份客户 CSV 但信息不全 → 用 Origami 进行数据补全 (Enrichment)。
- 精准找人：想找某个垂直领域的决策者 → 输入一句话描述，秒出名单。
对我有用吗？
| 维度 | 收益 | 代价 |
|---|---|---|
| 时间 | 每个销售每周节省 8 小时调研时间（Redesign Health 实测） | 初始配置和学习需要几小时 |
| 金钱 | 替代每月 $5k-$10k 的代运营服务费 | 基于点数的定价，具体费用需 Demo 后获知 |
| 精力 | 无需在 10 个数据源之间来回切换 | 需要学会写出高质量的 Prompt 来描述理想客户 |
投资回报率 (ROI) 判断：如果你目前每月在获客线索上花费超过 $500（无论是工具费还是人力成本），Origami 大概率能帮你大幅提效。但如果你只是偶尔需要找几个联系人，Apollo 的免费版可能就够了，没必要用 Origami。
爽点在哪里？
核心爽点：
- 一句话出名单：不用去填复杂的筛选条件，直接用大白话描述你想要什么样的客户，AI 负责去找。这种交互体验比传统工具爽太多。
- 发现“隐藏”线索：传统数据库只覆盖结构化数据，而互联网上 99% 的信号（如招聘动态、融资新闻、技术栈变化）往往被忽略。Origami 能从这些非结构化数据中挖出高意向买家。
用户评价：
"Stellar 使用 Origami 预研的线索，每月成功转化了 $200k 的年经常性收入 (ARR)。" — Stellar 客户案例 "Redesign Health 的每位销售每周节省了 8 小时调研时间，找到的决策者比 ZoomInfo 多出 5 倍。" — Redesign Health 案例 "伙计们，Google 登录居然没法用，哈哈，请快点修复。" — ProductHunt 用户（说明产品早期仍有 Bug）
给独立开发者
技术栈
- 前端：AI 驱动的类表格界面（类似 Airtable 的表格 + 聊天交互），具体框架未公开。
- 后端：未公开。目前正在招聘创始工程师，说明技术团队规模还很小（约 10 人）。
- AI/模型：自主 AI 研究 Agent，能像真人一样浏览网页、分析内容并提取信息。具体 LLM 未披露，但大概率是 GPT-4 级别模型负责推理，结合爬虫/浏览器自动化进行数据采集。
- 数据源：整合了 100 多个数据源，包括招聘网站、公司官网、社交媒体、行业出版物和招聘板。
- 安全：已获 SOC 2 Type II 和 ISO 27001 认证，对于种子轮公司来说，合规性做得非常超前。
核心功能实现
Origami 的核心是 AI Research Agent。与传统的“查数据库”不同，它的 Agent 会像真人销售研究员一样浏览互联网：通过招聘信息判断公司是否在扩张，通过融资新闻判断是否有预算，通过技术栈变化判断是否在更换供应商。这些“购买信号”被 AI 整合后，筛选出最有购买意向的线索。
从技术角度看，这是一个“网页抓取 + LLM 推理 + 数据补全”的组合方案。难点在于：1）如何让 Agent 可靠地从非结构化网页中提取有用信息；2）如何保证数据的准确性和时效性；3）如何处理 100 多个异构数据源的数据接入。
开源情况
- 是否开源：否。
- 类似开源项目：暂无直接对标的开源项目。最接近的可能是用 LangChain/CrewAI 搭建的网页研究 Agent，但缺乏针对获客线索挖掘的成熟方案。
- 开发难度：高。核心挑战不在于技术本身，而在于数据——100 多个数据源的维护、反爬处理和数据清洗。预计 3-5 人月能做出 MVP，但要达到生产级可用（准确率、覆盖率）至少需要 12 个月以上。
商业模式
- 变现方式：基于点数的 SaaS 订阅制。
- 定价：不公开，需 Demo 后定制。创始人表示，相比以前客户付给代运营机构的 $5k-$10k/月，Origami 的成本只是其“一小部分”。
- 用户量：200 多家 B2B 客户（涵盖医疗、金融科技、SaaS、专业服务等领域）。
- 收入：$50k MRR（2025 年初数据，上线 50 天内达成）。
巨头风险
风险真实存在。Apollo（融资超 2.5 亿美元）和 ZoomInfo（已上市）都在往 AI Agent 方向转型。Clay 也获得了巨额融资在做类似的事情。但 Origami 的优势在于：1）代运营出身，对线索质量有深刻理解；2）专注“非结构化数据”这一差异点；3）YC 背景加持且增长极快，极具被收购潜力。
给产品经理
痛点分析
- 解决的问题：销售团队手动找客户太慢，或者传统数据库给的线索质量太差（同一批人被无数竞争对手骚扰）。
- 痛点程度：高频且刚需。销售人员每天花大量时间做背景调查，这些时间本该用来成交。而且传统工具的线索越来越“卷”，差异化越来越难。
用户画像
- 画像 1：中型 B2B SaaS 销售团队（10-50 人），需要稳定的线索供给。
- 画像 2：亲自下场做销售的初创公司创始人，没有专门的销售团队。
- 画像 3：获客咨询顾问，需要帮客户高效生成线索名单。
功能拆解
| 功能 | 类型 | 说明 |
|---|---|---|
| 自然语言搜索线索 | 核心 | 一句话描述，AI 自动匹配线索 |
| CSV 数据补全 | 核心 | 上传列表，AI 补全缺失的关键信息 |
| 决策者查找 | 核心 | 自动定位目标公司的核心决策人 |
| 触发器 Agent | 核心 | 实时监测融资、招聘等“购买信号” |
| CRM 集成 | 重要 | 直接对接 Salesforce/HubSpot |
| AI 智能表格 | 体验 | 类似 Airtable 的交互，操作直观 |
竞品差异
| 维度 | Origami | Apollo | Clay | ZoomInfo |
|---|---|---|---|---|
| 核心方式 | AI Agent 实时浏览 | 静态数据库 (275M+) | 100+ 数据源聚合 | 企业级权威数据库 |
| 数据新鲜度 | 实时（Agent 现查） | 定期更新 | 取决于接入的数据源 | 定期更新 |
| 独特价值 | 非结构化数据挖掘 | 全能型平台 | 极强的个性化触达 | 数据量极大 |
| 适合人群 | 寻找精准利基线索 | 追求性价比和全能 | 需要深度数据补全 | 大型企业 |
| 价格 | 需 Demo 定制 | $59/月起 | $149/月起 | 企业级定价 |
可借鉴的点
- “一句话交互”：用自然语言取代复杂的筛选器，极大地降低了 B2B 工具的使用门槛。
- 从服务到产品的转型：先通过代运营积累行业 Know-how，再将其产品化。这对 B2B 创业非常有参考价值。
- “购买信号”概念：不只是找客户，而是找“现在就有需求”的客户，切入点非常精准。
给科技博主
创始人故事
- Finn Mallery：斯坦福毕业，曾在融资 4000 万美元的社交 App Fizz 工作。5 年前开始做邮件外呼代运营，并将其做成了最大的 GTM Agency 之一。
- Kenson Chung：22 岁，UCL 计算机系辍学，曾任伦敦某创业公司 CTO，为大企业设计过复杂的研究工作流。
- 相识经历：两人在黑客松上认识，大学期间各自创业 4 年，最终合伙创立 Origami。
- 极客状态：10 人团队挤在旧金山的一栋砖房里，每天工作 17 小时，甚至有人直接睡在办公室（SF Standard 曾专门报道）。
争议点/讨论角度
- AI Agent 到底是辅助还是替代：Origami 走的是“辅助”路线，与 11x 等宣称“完全替代销售”的路线形成对比。哪种才是未来？
- “YC 最火项目”的标签能贴多久：50 天 $50k MRR 是测试期数据，正式上线后能否维持这种恐怖的增长？
- 赛道是否太挤：在 Apollo 和 Clay 的夹击下，新玩家的差异化优势能维持多久？
内容建议
- 创业故事流：写“22 岁辍学 CTO + 斯坦福毕业生在旧金山睡办公室”的故事，非常有流量。
- 行业深度流：分析 AI Agent 如何在 B2B 销售领域落地，Origami 是一个极佳的典型案例。
给早期采用者
定价分析
目前提供免费试用（无需信用卡），正式版采用基于点数的计费模式，具体价格需要 Demo 演示后定制。虽然定价不透明是个减分项，但官方提供了“不满意退款保证”，风险相对可控。
上手指南
- 访问 origami.chat 注册账号。
- 输入你的理想客户描述（例如："总部在美国、规模 50-200 人、刚融完 A 轮的 SaaS 公司"）。
- 查看 AI 生成的线索名单。
- 满意后可一键接入 Salesforce 或 HubSpot。
坑和吐槽
- 登录 Bug：早期有用户反馈 Google 登录失效，说明产品还在打磨期。
- 定价不透明：必须联系销售才能知道价格，对小团队不友好。
- 团队太小：目前仅 10 人，作为长期生产力工具依赖它存在一定风险。
给投资人
市场与 Timing
- 市场规模：全球线索挖掘行业规模巨大且保持高速增长。
- 为什么是现在：LLM + 浏览器自动化技术让“可靠的网页研究 Agent”成为可能。传统静态数据库的同质化让市场急需差异化数据。
- 团队背景：创始人拥有极强的 GTM 实战经验，且团队处于极度勤奋的“战斗状态”。
融资情况
- 种子轮：2025 年 1 月获 YC 领投的 $2M 融资。
- 增长数据：50 天达成 $50k MRR，是 YC F24 批次中增长最快的公司。
结论
一句话判断：Origami 不是又一个平庸的搜人工具，而是把顶级获客专家的经验装进了 AI。虽然还很早期，但其“Agent 优于数据库”的思路非常正确。值得 B2B 团队关注，但建议先从免费试用开始。
2026-02-20 | Trend-Tracker v7.3