为什么需要
传统 CRM 是「数据库前面挂个表单」，AI CRM 是「数据库旁边挂个聊天框」——这两种都把「弄清楚真相、写下来」这种真正的工作丢给人类。出海做产品最累的就是客户跟进：欧洲客户要 GDPR 合规话术，美国客户要 12 小时响应，亚洲客户半夜发邮件。
Comp AI CRM 反过来设计：Agent 才是主角，CRM 只是 Agent 写笔记的地方。Agent 跑在独立部署上、独立排期、独立工作队列。它自己决定下一步看什么、自己安排跟进、分配调研预算、预算花完自动停。关掉浏览器它还在跑。
怎么用
4 步部署：
git clone仓库，准备 Postgres 数据库- 配置 LLM（OpenAI、Anthropic、本地模型皆可）
bun run dev启动 API + Agent 运行时- 接入邮件、日历、表单等数据源，让 Agent 自动开始工作
API 故意没有任何智能——只上报「某件事发生了」，所有决策权在 Agent。这种架构让 Agent 可以独立演化，不会被 UI 拖后腿。
使用案例
一个出海 SaaS 工具上线后，每天 200+ 客户邮件涌入。创始人用 Comp AI CRM 让 Agent 按区域分桶：欧洲线索用 GDPR 友好话术，北美线索走快速 A/B 测试，亚洲线索按本地节假日排程。Agent 自己调研公司背景、找到决策人邮箱、写跟进邮件，预算用完自动停止。创始人每周只花 30 分钟审核 Agent 推送的关键节点。
另一个场景是独立开发者做 B2B 工具，客户分布在 12 个国家。用 Comp AI CRM 的调研功能，自动抓取客户公司新闻、LinkedIn 动态、技术栈，Agent 把这些整合成「下一步应该聊什么」的建议。转化率比纯人工跟进高 40%。
注意事项
- 定价：MIT 协议，完全免费，自托管
- 需要 Postgres 数据库（推荐 14+）
- LLM 调用按 token 计费，建议配 Anthropic 或 OpenAI 中等模型
- Agent 自主运行意味着要监控好调研预算，避免意外开销
- 迁移自其他 CRM 需要写适配器