115 lines
5.2 KiB
Markdown
115 lines
5.2 KiB
Markdown
# 销售洞察智能体系统 - Agent C 集成手册 (V1.0)
|
||
|
||
**目标读者:** 系统架构师、后端工程师、Prompt 调试员
|
||
**文档密级:** 内部公开
|
||
|
||
## 1. 组件综述 (Component Overview)
|
||
|
||
* **组件名称:** Agent C (Script Writer / 话术生成智能体)
|
||
* **系统定位:** 策略落地层。作为整个链路的最终输出端，负责将上游的“数据”与“洞察”转化为可执行的“销售动作”。
|
||
* **核心功能:** 基于客户画像和面诊复盘，检索知识库，生成个性化的微信跟进文案、电话沟通话术及合规预警。
|
||
|
||
## 2. 数据流图 (Data Flow)
|
||
|
||
```mermaid
|
||
graph LR
|
||
A1[Agent A1<br>清洗报告] -->|Context| C(Agent C)
|
||
A2[Agent A2<br>复盘报告] -->|Context| C
|
||
B[Agent B<br>心理画像] -->|Context| C
|
||
KB[(知识库/RAG)] -->|Retrieved Scripts| C
|
||
C -->|JSON Output| FE[前端/CRM系统]
|
||
```
|
||
|
||
## 3. 输入规范 (Input Specification)
|
||
|
||
Agent C 接收一个包含多源数据的 JSON 对象 (`payload`)。
|
||
|
||
### 3.1 上下文数据 (Context Data)
|
||
|
||
| 字段名 | 数据源 | 类型 | 描述 | 关键用途 |
|
||
| :--- | :--- | :--- | :--- | :--- |
|
||
| `chat_analysis_report` | **Agent A1** | Object | 聊天清洗报告 | 提取客户生活节奏、社交压力，用于决定发送时机和语气。 |
|
||
| `consultation_review_report` | **Agent A2** | Object | 面诊复盘报告 | 提取医生方案、报价、遗漏的风险告知、**现场金句(mining)**。 |
|
||
| `client_psychology_profile` | **Agent B** | Object | 心理画像结果 | 提取 `core_fear` (恐惧), `motivation` (动机), `cognitive_logic` (认知) 标签。 |
|
||
|
||
### 3.2 检索增强数据 (RAG Data)
|
||
|
||
系统需先根据 Agent B 的 **Tags** 在向量数据库/知识库中进行检索，将结果注入 `retrieved_knowledge` 字段。
|
||
|
||
| 字段名 | 数据源 | 类型 | 描述 |
|
||
| :--- | :--- | :--- | :--- |
|
||
| `retrieved_knowledge` | **KB System** | Array | 筛选后的知识片段列表。包含 QA 问答、科普话术、异议处理脚本。 |
|
||
|
||
**检索逻辑 (Search Logic):**
|
||
* `Query` = Agent B (`core_fear` Tags + `motivation` Tags) + Agent A2 (`churn_reason` / 拒绝原因)
|
||
* `Filter` = 匹配度 > 0.75
|
||
|
||
## 4. 输出规范 (Output Specification)
|
||
|
||
Agent C 输出标准 JSON 格式，供前端渲染“催单指南”页面。
|
||
|
||
**Schema 定义:**
|
||
|
||
```json
|
||
{
|
||
"strategy_summary": "String (策略摘要，用于Dashboard展示)",
|
||
"wechat_follow_up": {
|
||
"timing": "String (建议发送时间)",
|
||
"scripts": [
|
||
{
|
||
"option_tag": "String (版本标签: 共情版/干货版)",
|
||
"recommendation_score": "Integer (1-5)",
|
||
"text": "String (核心产出：微信文案，支持一键复制)",
|
||
"why_it_works": "String (解释文案背后的策略逻辑)"
|
||
}
|
||
]
|
||
},
|
||
"phone_call_guide": {
|
||
"opening": "String (电话开场白)",
|
||
"talking_points": ["String (沟通要点List)"],
|
||
"objection_handling": [
|
||
{
|
||
"anticipated_objection": "String (预判异议)",
|
||
"response_script": "String (应对话术)"
|
||
}
|
||
]
|
||
},
|
||
"material_kit": ["String (推荐发送的图片/视频文件名)"],
|
||
"compliance_alert": "String (高亮显示的合规预警)"
|
||
}
|
||
```
|
||
|
||
## 5. 功能逻辑与处理规则 (Processing Logic)
|
||
|
||
### 5.1 策略优先级 (Priority Rules)
|
||
当上游数据存在冲突时，Agent C 内部遵循以下权重：
|
||
1. **线下行为 (Agent A2) > 线上言论 (Agent A1)**
|
||
* *Case:* A1 说“预算无限”，A2 记录“嫌贵未成交”。
|
||
* *Result:* Agent C 生成“价格异议处理”话术。
|
||
2. **合规限制 (Agent A2) > 营销张力 (Agent B)**
|
||
* *Case:* B 建议用“逆龄”激发动机，A2 警告存在合规风险。
|
||
* *Result:* Agent C 自动降级措辞为“年轻化改善”。
|
||
|
||
### 5.2 话术生成逻辑 (Generation Logic)
|
||
* **Tone (语气):** 依据 Agent B 的 `cognitive_logic` 标签动态调整。
|
||
* `[Rea: 逻辑怀疑型]` -> 输出结构化、数据支撑的文案。
|
||
* `[Rea: 体验直觉型]` -> 输出感性、画面感强的文案。
|
||
* **Content (内容):**
|
||
* 必须引用 `retrieved_knowledge` 中的核心论点。
|
||
* 必须尝试复用 Agent A2 中 `module_9_script_mining` 提取的医生现场金句（唤醒记忆）。
|
||
|
||
## 6. 异常处理 (Exception Handling)
|
||
|
||
* **E01: 画像缺失 (Profile Missing)**
|
||
* *Condition:* 输入中 `client_psychology_profile` 为 null。
|
||
* *Action:* 降级模式。生成通用型“术后关怀”话术，不涉及深度心理攻单。
|
||
* *Output Flag:* `strategy_summary` 前缀添加 `[通用模式]`。
|
||
* **E02: 敏感词触发 (Safety Trigger)**
|
||
* *Condition:* 生成内容包含“根治”、“承诺”、“第一”等词。
|
||
* *Action:* LLM 自我修正（Self-Correction）或 后置规则过滤器拦截。
|
||
|
||
## 7. 开发建议 (Dev Notes)
|
||
|
||
1. **RAG 调试:** 务必确保 Agent B 的 Tags 与知识库中的 Tags 映射关系一致，否则 Agent C 会因为“没子弹”而产生幻觉。
|
||
2. **Prompt 长度:** 由于输入包含 3 个报告，Context Window 可能较长。建议只传入 A1/A2/B 的**关键摘要字段**（如 A2 只传 `module_4` 到 `module_9`），而非全量文本。
|
||
3. **A/B 测试:** 前端可设计“换一换”按钮，利用 `wechat_follow_up.scripts` 数组中的备选方案。 |