OpenOutFind
OpenOutFind es una herramienta open-source de IA para generación de leads B2B, que encuentra candidatos basándose en descripciones de producto y mercado objetivo, calificándolos con un modelo LLM y exportando resultados como CSV.
Ficha actualizada 23 sept 2026, 12:34 · upstream 23 sept 2026, 12:31 · release sin release detectada
Qué es OpenOutFind
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
OpenOutFind es una herramienta self-hostable de inteligencia artificial diseñada para la generación de leads B2B. Su enfoque principal consiste en recibir una descripción del producto y el mercado objetivo, lo que permite a un modelo LLM generar palabras clave de búsqueda y páginas web que coincidan con perfiles firmográficos específicos. A partir de datos licenciados (mejorcontact), el sistema realiza búsquedas iterativas para encontrar candidatos que cumplan los criterios definidos por el usuario.
El proceso se divide en cinco etapas: primero, el usuario proporciona una descripción del producto y un objetivo de campaña; segundo, un modelo LLM genera palabras clave de búsqueda; tercero, el sistema realiza búsquedas iterativas sobre la base de datos licenciada, agregando palabra a palabra hasta encontrar coincidencias; cuarto, un modelo LLM califica cada candidato contra los criterios del usuario (ICP) y redacta una justificación explícita para cada uno; quinto, se genera un archivo CSV con todos los leads cualificados, incluyendo el motivo por el que fueron seleccionados.
Lo que hace a OpenOutFind diferente de otras herramientas es que no requiere una lista previa de contactos. A diferencia de un secuencia de correos frío, aquí la entrada es una descripción textual del producto. Además, en lugar de exportar filas de datos, se entrega un juicio por persona con justificación escrita, lo que permite al usuario corregir la descripción cuando sea necesario para ajustar las calificaciones.
La herramienta no requiere ninguna interfaz web ni registro social: es completamente browserless y no necesita una cuenta asociada. Esto elimina los riesgos asociados a políticas de privacidad o restricciones de plataformas como Facebook o LinkedIn. Además, el costo del descubrimiento se realiza mediante búsquedas gratuitas en la base de datos licenciada, mientras que las consultas pagas (para obtener correos electrónicos) se pagan solo por hits verificados.
El sistema utiliza un modelo de aprendizaje automático para construir una representación de ICP basada en perfiles de perfil y embeddings, lo que permite seleccionar candidatos con mayor probabilidad de coincidencia. Los re
- Generación de leads B2B desde una descripción del producto y el mercado objetivo
- Calificación de candidatos basándose en criterios definidos por el usuario (ICP)
- Exportación de leads cualificados como CSV para integración con herramientas de marketing
- Descubrimiento de perfiles firmográficos mediante búsquedas iterativas sobre datos licenciados
- Generación de justificaciones explícitas para cada lead calificado
- No requiere una lista previa de contactos ni ninguna interfaz web
- Exporta resultados como CSV con un campo 'reason' que explica por qué cada lead fue seleccionado
- Cero superficie de exposición a términos de servicio: no hay cuentas, ni scraping, ni registros
- El descubrimiento es gratuito y el costo se paga solo por hits verificados mediante consultas pagas
- Permite corregir las calificaciones modificando la descripción del producto o del mercado objetivo
- Depende de una API de búsqueda gratuita que puede tener límites de cuota o latencia
- El modelo LLM para calificar leads no ha demostrado superar al azar en pruebas
- No existe un endpoint de entrada para recibir correos electrónicos directamente desde la herramienta
- La exportación es unidireccional: los leads salen pero no hay retorno de datos
- El uso de datos licenciados implica una dependencia externa y posibles restricciones legales
- No se puede importar manualmente un archivo CSV existente, solo se genera a partir de una descripción textual
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Requiere Python con pip o uv para instalar: `pip install openoutfind` o `uvx --from openoutfind outfind find 10`,Configuración mediante cuatro variables de entorno: OPENOUTFIND_API_KEY (LLM), OPENOUTFIND_EMAIL_FINDER_KEY (BetterContact), OPENOUTFIND_PRODUCT_DESCRIPTION y OPENOUTFIND_TARGET_MARKET,No se requiere Docker ni contenedorización; funciona directamente en el sistema operativo local,Los datos de entrenamiento se guardan en ~/.openoutfind/data, por lo que reiniciar no pierde nada salvo los datos del modelo LLM,Para usar la herramienta con múltiples usuarios o equipos, se recomienda crear un proyecto separado para cada cliente y mantener sus propias claves API,Se puede ejecutar como un script de CLI simple o integrarlo en pipelines de CI/CD mediante una función Python que llame a `outfind find 10`
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.