AutoRFP — 自动化RFP问答生成与响应文档制作流程
该工作流实现了从接收招标请求（RFP）文档到生成完整响应文档的自动化处理。通过智能提取RFP中的问题，结合企业内部资料自动生成答案，并整理成结构化的Google Docs文档。此外，系统还支持邮件和Slack通知，确保团队及时了解响应状态。这一流程大幅提高了响应效率，降低了人工成本，帮助销售团队快速、准确地应对客户需求。
Tags
工作流名称
AutoRFP — 自动化RFP问答生成与响应文档制作流程
主要功能和亮点
AutoRFP工作流实现了从接收RFP（招标请求）文档到生成完整响应文档的自动化处理。它通过Webhook接口接收PDF格式的RFP文件，利用AI技术智能提取所有供应商需回答的问题，并结合企业内部资料通过OpenAI助手自动生成准确的回答，最终整理形成结构化的Google Docs响应文档。同时，工作流支持邮件和Slack通知，确保销售团队及时获知响应完成情况。
亮点包括：
- 无需预设复杂提取规则，LLM（大语言模型）智能识别RFP中问题
- 针对每个问题循环调用OpenAI助手，基于公司资料生成高质量答案
- 自动创建和更新Google Docs文档，便于后续协作与保存
- 集成邮件和Slack通知，提升团队沟通效率
解决的核心问题
手动处理RFP文档耗时长、易出错且难以快速生成专业响应。传统方式需要人工逐条阅读提问，查找资料作答，效率低且难以规模化。该工作流借助AI自动抽取问题并生成答案，大幅缩短响应时间，降低人工成本，提高响应准确度和专业度。
应用场景
- 销售团队快速响应客户招标请求
- 咨询公司自动生成标书答复草稿
- 任何需要批量处理复杂文档问答的企业或组织
- 希望利用AI提升文档处理效率和准确性的业务场景
主要流程步骤
- 接收RFP文档：通过Webhook API接收用户上传的RFP PDF文件及相关元数据（标题、回复邮箱等）。
- 创建响应文档：自动在Google Docs中新建一个针对该RFP的响应文档，作为答案汇总平台。
- 提取问题：利用大语言模型（LLM）智能识别并抽取RFP中的所有供应商问题，形成清晰问题列表。
- 生成答案：针对每个问题，调用基于公司营销与销售资料的OpenAI助手，生成精准且上下文相关的答案。
- 记录问答：将问题与答案对逐条写入Google Docs响应文档中，形成完整答复草案。
- 发送通知：通过Gmail发送邮件通知请求者，同时通过Slack告知团队响应流程完成。
涉及的系统或服务
- Webhook：接收用户提交的RFP文档请求
- Google Docs：创建与更新RFP响应文档，支持多方查看与编辑
- OpenAI API（OpenAI助手）：智能提问抽取与答案生成
- Slack：团队消息通知
- Gmail：邮件通知请求者响应完成
适用人群或使用价值
- 销售和业务开发团队：提升响应RFP的速度和质量，扩大潜在合同机会
- 市场与招标管理人员：自动化繁琐的标书处理流程，节省时间和人力
- 中大型企业与咨询机构：规模化处理大量招标文件，确保一致性和专业性
- 希望借助AI优化文档问答流程的企业
该工作流通过智能自动化和无缝集成，极大提升了RFP响应效率和准确度，帮助团队快速抓住商机，降低人工成本，推动销售业务高效运转。
piepdrive-test
该工作流在Pipedrive中自动创建新组织时，抓取其自定义网站字段的首页内容，并利用AI进行智能分析，生成包含公司描述、市场定位及竞争对手信息的详细备注。这些信息会同步回Pipedrive，并通过格式转换后推送至Slack，确保团队成员能够实时共享客户信息，提升销售与客户管理的效率，减少人工录入工作。
Google Doc Summarizer to Google Sheets
该工作流能够自动监控指定的Google Drive文件夹，实时获取新上传的Google文档内容，并通过AI模型生成智能摘要。摘要及文档的上传者信息会被自动保存到Google Sheets中，便于后期管理和快速查阅。此流程大幅度提高了文档管理效率，减少了人工整理的时间和遗漏风险，适合需要快速获取和整理文档信息的企业、团队及教育机构。
Travel AssistantAgent
该工作流构建了一个智能旅行助理，集成了大型语言模型和向量搜索技术，实现了个性化的旅行推荐和智能问答功能。通过动态数据接收和聊天记忆，用户可以获得实时更新的旅行信息，提升交互体验。同时，该系统解决了传统旅行信息孤立、推荐不精准和交互不连贯等问题，适用于在线旅游平台、旅行社及个人旅行规划，显著提高了服务智能化和旅行效率。
Open Deep Research - AI-Powered Autonomous Research Workflow
该工作流利用先进的人工智能技术，自动化执行深度研究任务。用户只需输入研究主题，系统便能生成精准的搜索查询，进行多轮网络搜索，并结合智能分析，整合来源于多个权威资源的信息。最终，工作流将生成结构化的Markdown格式研究报告，极大提升研究效率与信息准确性，适用于学术研究、市场分析、产品调研等多个场景，帮助用户快速获取全面、有价值的研究成果。
Hugging Face to Notion
该工作流实现了自动化抓取Hugging Face最新学术论文，利用先进的GPT-4模型对论文摘要进行深度分析与结构化提取，最终将关键信息智能存储到Notion数据库。它有效解决了手动查找论文的繁琐，避免了信息重复存储，并提供了高效的学术资源管理，适合研究人员、学术机构及AI从业者持续跟踪最新研究动态，提升文献整理的效率和质量。
DSP Agent
DSP Agent 是一款智能学习助手，专为信号处理领域的学生设计。通过 Telegram 接收文本和语音消息，利用先进的 AI 模型提供即时的知识查询、计算辅助和个性化学习跟踪。该工具能够帮助学生快速理解复杂概念，提供动态问题解析和学习建议，解决了传统学习中的互动性不足和个性化辅导缺乏的问题，提升了学习效率与体验。
RAG on living data
该工作流通过实时更新数据，实现了检索增强生成（RAG）功能，能够自动从Notion知识库获取最新内容，并进行文本分块和向量化处理，存储于Supabase向量数据库。结合OpenAI的GPT-4模型，提供上下文相关的智能问答，显著提升知识库的利用效率和准确性，适用于企业知识管理、客服支持、教育培训等场景，确保用户获取最新信息。
A/B Split Testing
该工作流实现了基于会话的A/B拆分测试，能够随机分配不同提示语（baseline和alternative）给用户，从而评估语言模型响应的效果。通过集成数据库记录会话及分配路径，并结合GPT-4o-mini模型，确保对话记忆的持续管理，提升测试的科学性和准确性。适用于AI产品研发、聊天机器人优化及多版本效果验证，帮助用户快速验证提示策略，优化交互体验。