7 个智能体，7 个场景：每个场景具体怎么干、同行是怎么干的

我给业务搭了 7 个智能体。

搭完才发现，难的不是搭。是这 7 个东西第二天早上各该干什么。

给它们起名不难，分工也不难。难的是那句最实在的话——它今天到底要干哪几件事？ 我一开始写的是「负责获客」「负责客服」这种，写完就知道没用，因为这不叫安排活，这叫贴标签。

后来我把同行的东西翻了一遍，才明白差在哪。干活的智能体，背后都有一套具体到能照着做的步骤——不是「负责获客」，是「先找谁 → 再补资料 → 再看信号 → 再写信 → 再看回复」。一步接一步，像流水线。

这篇不聊怎么配、怎么设权限，就聊两件事：每个场景具体该干什么活，以及同行是怎么干的。

先说清楚这 7 个是怎么来的

我不是想到一个搭一个。那样搭到第七个，你会发现前面六个互相不认识。

我的顺序是先想清楚一件事：我的生意从头到尾是怎么转的。

找人（获客）→ 谈成（销售）→ 服务好（客服）→ 看账本找问题（数据分析）→ 写东西喂前面所有人（内容运营）

另外还挂着两个：造内容的短剧，和一个什么都管的兜底助手。

一条链画出来，角色自己就冒出来了。7 个，一个不多一个不少。

一 · 小助手：专门接「这活该谁管」的活

它只干一件事，但必须写死：

能判断出归谁的，转出去；判断不出来的，自己接。

我在它的职责里加了一句话：「没人管的问题都交给它。」

这句话看着像废话，其实是整条链的保险丝。因为总有那种说不清归谁的活。就像「帮我看看最近哪几个客户可能不续费了」——这事沾销售，也沾数据分析，你说该谁干？

这种模糊地带要是没个明确落点，结果就是两种：要么没人接，要么几个人各干一半，最后说法还不一样。

同行怎么干的：这类角色业界有个专门的词，叫「兜底智能体」，也叫「分诊台」——跟医院挂号处一个道理，先判断你该去哪个科，判断不了自己先接住。微软的 AutoGen 框架里有个现成模式叫 Swarm，核心叫「交接」——一个智能体干不了就转给下一个，最后总有一个兜住。OpenAI 的官方开发工具里，「交接」也是四个核心概念之一。

所以这个位置真不是我想出来的，是所有多智能体系统的标配。区别只是：人家框架自带，我手写一句话。

二 · 数据分析：它再聪明，也得先有数据

它的活是：拿数据 → 定指标 → 查数 → 画图 → 找原因 → 给建议。

但我得先泼自己一盆冷水：这六步里，第一步跑不通，后面全是白搭。

我把它建完，很快就发现用不起来。为什么？因为它要吃业务数据，而我的业务系统还没跟它接上。没数据的分析师，再能说也是瞎猜。

所以我认了一件事：它天生是个后置角色。 得等别的环节先跑起来、数据流进来，它才有活干。在那之前，它就是个占位符。我原以为「建好就能用」，错了。

同行怎么干的：这节是全篇最值得看的一节，因为同行的坑特别具象。

第一个坑叫「一本正经地算错」。有家做数据工具的公司写文章吐槽过：你问 AI「我们今年调整后的利润是多少」——如果「调整后」这三个字你从没定义过，AI 会非常自信地给你一个错数。

它不是笨，是没人告诉它「调整后」到底扣掉了什么。

业界的解法听着专业，其实道理很简单：先把「每个指标怎么算」这件事，明明白白写下来，放到一个所有工具都能查的地方。 这地方行业里叫「指标定义层」。

打个比方：它就像公司的「词典」。什么算「活跃用户」，什么算「收入」，词典上写死了，AI 查数的时候必须照着词典来，就不容易瞎编。以前这本词典散在每个人的脑子里，现在要抽出来放一处。

这条路线上，dbt、Cube、ThoughtSpot 三家做得比较出名。微软 Power BI 的官方文档说得最直白，我引一下原话：

「用 Copilot 之前，先把指标模型准备好。不准备，Copilot 会看错数据，给你笼统或者错误的答案。」

翻成人话：想让 AI 帮你查数，你得先告诉它「数怎么算」。这一步不做，它越自信越危险。

对了下我自己那套，结论有点扎心：我缺的不是智能体，是那本词典。 这才是它跑不起来的真正原因。

三 · 内容运营：一篇文章，拆成五份发五个地方

它的活是：选题 → 找素材 → 写稿 → 按渠道改写 → 发布 → 看数据。

这链里最容易出事的是第四步——渠道改写。我要发公众号、网站、抖音、视频号、头条，每个渠道的脾气都不一样：字数、格式、能不能提某些词、开头怎么勾人，全不同。

我的做法是：每个渠道一套自己的规矩，但「人设」和「素材」用同一份。 这样改一次人设，所有渠道跟着变，不用挨个改。

同行怎么干的：这事行业里叫「一鱼多吃」——先用 AI 写一份核心稿，再按各平台的特性，批量改写成短文、图文、口播稿、长文。做熟练的团队，写一次能发八个地方。

还有个变化挺值得说：现在写内容，目标悄悄变了。

以前写文章是为了被人搜到，叫 SEO。现在多了个新玩法：为了被 AI 推荐。

你想，现在越来越多人不问百度了，直接问 DeepSeek、豆包：「有没有好用的 XX 工具？」AI 只给三五个推荐，没进这个名单，等于你不存在。

所以写内容这件事，跟获客直接串起来了——你铺在知乎、百科、行业媒体上的东西，写得好、来源硬，就可能变成 AI 嘴里的答案。 这等于让 AI 免费帮你打广告。

四 · 短剧：它跟「编剧」不是一回事

它的活是：找题材 → 分集大纲 → 单集脚本 → 能开拍的定稿。

它跟我手上已有的「编剧」撞车了——两个都写剧本。我一开始想砍掉一个，后来发现撞的不是能力，是「定位没写清楚」：

一个是「陪你想」，一个是「出活」。

这区分不写清楚，后面必然打架：两个都能写剧本，我该找谁？或者两边各写一半，风格还对不上。

同行怎么干的：短剧这行的流水线已经很成熟了——找爆款拆结构，先做人物卡，再排每集的钩子，最后写单集。行里公认两条硬标准：前 3 秒能不能留住人，每 15 到 30 秒得有一个反转或悬念。AI 在这里干的是「照着爆款结构批量出候选」，人负责挑和调。

这也是我给它俩分定位的依据——编剧管「想」，短剧管「产」。

五 · 获客：八步走完，才算真的会找客户

这节我扒得最细，因为同行的做法已经磨得很标准了，一共八步：

定客户画像 → 找线索 → 补资料 → 抓信号 → 打分排序 → 分别写信 → 处理回复约见面 → 记回系统持续盯

我一步一步说，每步给你看个真实产品，你就知道同行怎么干了。

第 1-2 步：先想清楚「我要找谁」

这里有个思路转变挺关键：不再是「买名单」，而是「抓信号」。

什么叫抓信号？就是看这家公司最近有没有「可能想买」的迹象。比如：刚拿到融资、刚换了大领导、招聘启事里提到某个词、最近访问过我官网的定价页——这些都是「可能要出手」的信号。

有家公司叫 Unify，就专门靠这个吃饭，号称能盯 100 多种信号。另一家叫 Apollo 的，思路是「数据喂给分析，分析推动行动，行动再产生数据」，手上捏着 2.4 亿联系人。

第 3 步：补资料，用「挨个问」的笨办法

这招我看完觉得挺聪明。同一个信息，挨家挨户去问数据商，谁先给出来就停。

因为每家数据商手里的资料都不全，你单问一家，可能缺一半。挨个问，这家没有问下家，覆盖率一下就上去了。

有家叫 Clay 的公司专做这个，估值 50 亿美元，一张合同能对接 200 多家数据商，官网说覆盖率能到 80% 以上。

第 4-5 步：看信号，排优先级

排序的法子也变了。以前看老数据，现在看「实时动静」——公开招人、看过定价页、下载过资料。有家叫 Regie.ai 的，专门找「为什么是现在」的理由（比如刚融资、新领导上任），凭这个排先后。

第 6 步：分别写信，别发群发稿

这一步最出名，坑也最多。同行的共识是别用模板。

有家公司叫 11x.ai，它的卖点就是「不用模板，每一封都为你这个具体的人写」。另一家 Artisan 更狠：同一封信自动跑几十个版本，标题、语气、结尾各不同，最后把量压给效果最好的那个。

节奏上，Regie.ai 公开的套路可以直接抄：

第一天发邮件 → 第二天 LinkedIn 上冒个泡 → 第四天邮件跟进 → 第六天打电话

多个渠道轮着来，不是逮住一个渠道猛砸。

第 7-8 步：回信处理、记回系统

自动分出「有兴趣 / 拒绝 / 自动回复」三类，有兴趣的直接约进日历，其余的留给下一轮。

⚠️ 但这里有条生死线：能不能送进对方收件箱

这点最反直觉，也最容易被忽略。同行在这方面砸的钱最多。

有家叫 Smartlead 的，把「送达率」当头等大事——用独立 IP、把邮件身份认证配齐、拿一堆邮箱先养着（模拟真人收发，把邮箱养出好名声）。Apollo 也有类似的养域名、换邮箱、盯声誉的全套动作，官网说客户送达率从 72% 提到了 94%。

结论就一句话：做获客，KPI 不该是「发了多少封」，该是「送进收件箱多少封」。 发一万封全进垃圾箱，等于没发。

国内是怎么做的

国内没有国外那么成熟的现成产品，主流是两条路：

一是前面说的「让 AI 推荐你」——在知乎、百科、行业媒体上铺好内容，让用户问 AI 的时候，你出现在答案里。
二是企业微信那套私域工具加 AI——加上微信、打标签、按流程自动推送、自动回话，AI 负责生成内容和对答。

我自己接下来打算这么干：先铺内容让 AI 认识我（这跟内容运营那节正好联动），再用企业微信把加过来的人接住，最后把「谁访问过、谁留过言、谁加过微信」整理成一张信号表，交给打分那一步。

顺序不能反——先攒出信号，再谈发信。

六 · 销售：能扛中段，头和尾得人来

它的活是：接线索 → 判断靠不靠谱 → 问需求 → 配方案 → 报价 → 处理异议 → 成交 → 记回系统。

这条链里，AI 真正能扛的是中间几段，开头找人、最后拍板，还得人来。

同行怎么干的：

Salesforce 有个开箱就用的销售助手，官方描述它的活是「跨网页、邮件、电话去接触客户、判断值不值得跟，然后把靠谱的线索交给真人销售」——注意最后这句，它不自称能替你成交。 这个分寸感我觉得挺对。

那销售对话里 AI 具体干啥？Salesforce 给了三件事，命名可以直接照抄：

有家叫 Gong 的公司把这三件事做成了完整产品，自称 5000 多家客户在用。

⭐ 特别想说一段：报价和折扣底线怎么管

我原来以为「报价单很敏感，智能体得独立起来别到处传」。查完发现同行的做法比我细多了，是三道关：

Salesforce 官方文档我引原文：

「用 AI 帮你写报价、改报价、总结报价，同时用角色权限控制……并且用跨部门的审批流程保护利润、保证合规。」

拆开就是三道关：

这套我打算搬过来：不是把价格藏起来不让 AI 看，而是让 AI 报完价之后，必须过一道人的审批门。

七 · 客服：能答、能办、能转、能学

它的活是：听懂来意 → 查知识 → 回答 → 动手办事 → 建工单 → 转人工 → 学进去。

第三步「动手办事」是这行的分水岭——能不能真的帮客户把事办了，而不只是嘴上回答。

同行怎么干的：

有家叫 Intercom 的，它的客服智能体是标杆。官方说它能「读写第三方系统……改账户、办退款、查技术故障」，意思是真的能动手。它还有个小细节我挺喜欢：转人工的时候，把前面聊过的内容原样带过去，不让客户重说一遍。 这点用户体验差很多。

Zendesk 的机制叫「越解决越聪明」——每处理完一次，下次就强一点。还有家 Decagon，配了个叫 Watchtower 的东西专门盯质量，这个「专职质检」正好补上我后面的洞。

国内的：美洽（官方说能独立解决 90% 以上的常见问题，40 万多家企业在用）、智齿科技（15000 多家企业）。智齿的分层设计我觉得可以抄：简单的自己答，复杂的人工上，聊过的内容回流迭代。

⚠️ 怎么衡量它干得好不好？这行有个「算法小把戏」

我查到几个公开数字，先摆出来：

但这三个词不是一回事。 「真解决了」不等于「没转人工」，也不等于「没进人工队列」。说白了，各家都想挑对自己最有利的那个数来报。

Intercom 的页面上还有句挺露骨的话，强调自己「发明了按结果收费」。另一家 Sierra 也一样，主打「你为结果付钱，不为用掉多少算力付钱」。

所以：怎么定义「解决」，就等于怎么定价。 谁说了算「什么叫解决了一个问题」，谁就握住了这门生意。

我打算用什么指标：先定死一个「客户没喊转人工」的比例，再配一个满意度打分。先把算法定死，不让它跟着厂商的口径漂。

⭐ 顺带解掉一个我原来的难题

我原来担心：客服和销售对外的说法不一致怎么办？比如销售答应过的条件，客服不知道，客户一质问就露馅。

查完发现，同行的解法比「人工约定」彻底多了，分三层：

① 说法统一——所有智能体读同一份知识。Zendesk 用一个统一的知识库把各家内容归到一处；HubSpot 的卖点是所有智能体都建在同一份客户数据上，官方原话是「建在你的客户数据上，智能体才有它需要的上下文」。
② 干脆用一个而不是两个——Intercom 明说它那个客服智能体是「单个」的，能同时干服务到销售的活。不是两个智能体各说各话，是一个。
③ 聊过的回流——人工处理过的对话，自动回流进知识库，防止说法越走越偏。

看完这些，我对自己的调整想法是：客服和销售对外的承诺，不该是两个智能体各自记，而应该抽出来，做成一份两边都读的底稿。

7 个摆一起看

并排看完有件事挺明显：这七套做法，一套都不是我发明的。 获客八步、客服七步、销售三件事，同行早就跑通了。

我的价值不在「想出流程」，在于把它接到我自己的生意上，再把接口对上——获客的终点就是销售的起点，客服的投诉回流就是数据分析的输入，数据分析的结论就是内容运营的选题，内容稿子又变成让 AI 推荐你的素材。

还有个所有场景都漏的洞：没人管质量

这不是哪个场景的问题，是 7 个摆一起才冒出来的。

每个环节都有人干活，唯独没人管「干得好不好」：销售乱报价、客服乱承诺没人兜；同一个问题销售和客服说法不一致，客户一抓一个准；获客拉来的线索质量差，后面全白跑。

而且这跟客服那条是连着的：客服越独立，它干得好不好越没人看得见。

同行怎么干的：前面说的 Decagon 配了 Watchtower 专门盯质量。另外还有一类工具专门做「评测」——上线前拿一批题考它，上线后盯着真实对话随时抽查。有个做法我觉得很实用：把线上可疑的对话攒成一个待办清单，等人批量看、批量标。

我倾向补一个旁挂的质检位：不参与干活，只抽查各环节的对话，挑出违规和说法不一致的地方。质检这活，让干活的兼着，容易变成自己查自己。

最后

扒完同行，我最大的收获是：别自己发明流程。

获客八步、客服七步、销售三件事，这些是行业花了好几年、踩了无数坑才磨出来的。我要做的不是重新想一遍，而是把它们搬过来，再解掉自己这一层的难题——我的数据还没接、我的词典还没建、我的算法还没定死。

还有句提醒想给跟我一样在搭的人：所有产品的百分比都是厂商自己报的，没人独立审过。 冷邮件的回复率，从 9.7% 到 35% 什么数都有，说明算法根本不统一。看到这类数字，先问一句「这个百分比的分母是什么」。

搭智能体这件事，接上模型是最简单的一步，谁都会。难的是搞明白它第二天早上该干什么。