WorkBuddy 实战：用 AI 做顾销一体

big宁

274人浏览 · 2026-08-25 16:52:35

big宁 · 2026-08-25 16:52:35 发布

1. 引言

介绍 WorkBuddy 作为 AI 助手在销售与客户运营场景中的价值，说明为什么销售团队需要掌握用 AI 实现顾销一体的方法，以及本文将要覆盖的核心内容。

2. WorkBuddy 与顾销一体基础

简要介绍 WorkBuddy 的基本能力、适用场景，以及顾销一体的核心理念（客户管理与销售转化相结合），帮助读者建立整体认知。

3. 环境准备与工具链

说明使用 WorkBuddy 搭建顾销一体工作流前需要准备的环境，包括 WorkBuddy 的接入方式、运行环境要求，以及常用的数据源和集成工具。

4. 实战案例一：客户信息自动整理与画像

本节演示如何用 WorkBuddy 自动整理客户信息，覆盖多渠道数据汇总、客户画像生成和标签化管理，并给出一个可运行的配置示例。

4.1 输入数据格式

WorkBuddy 支持从多个数据源汇总客户信息。下面以一份 CSV 格式的原始客户数据为例，字段包括客户编号、姓名、公司、职位、来源渠道、最近互动时间和备注。

customer_id,name,company,title,channel,last_contact,note
C001,张伟,云启科技,技术总监,官网表单,2026-08-20,咨询私有化部署
C002,李娜,星海网络,市场经理,行业展会,2026-08-18,关注产品定价
C003,王强,恒信软件,CTO,老客户转介绍,2026-08-15,需要技术方案对比
C004,赵敏,蓝湖数据,运营负责人,线上直播,2026-08-12,试用账号已开通

4.2 WorkBuddy 配置代码

在 WorkBuddy 中创建一个「客户信息自动整理与画像」工作流，通过以下配置完成数据读取、字段标准化、画像生成和标签管理。

workflow:
  name: customer_profile_auto
  trigger:
    type: schedule
    cron: "0 2 * * *"   # 每天凌晨 2 点执行
  input:
    source: csv
    path: ./data/customers.csv
  steps:
    - name: load_data
      action: read_csv
      params:
        encoding: utf-8
    - name: normalize_fields
      action: map_fields
      params:
        mapping:
          customer_id: id
          name: contact_name
          company: company_name
          title: job_title
          channel: source_channel
          last_contact: last_contact_date
          note: remark
    - name: generate_profile
      action: llm_summarize
      params:
        model: workbuddy-pro
        prompt: |
          根据以下客户信息生成一段简洁的客户画像，包含客户规模判断、
          决策角色、当前需求和潜在意向：
          {record}
        output_field: profile
    - name: assign_tags
      action: rule_tags
      params:
        rules:
          - if: channel == "官网表单"
            tags: [高意向, 新线索]
          - if: channel == "老客户转介绍"
            tags: [高信任, 重点跟进]
          - if: title in ["CTO", "技术总监"]
            tags: [技术决策人]
    - name: save_result
      action: write_db
      params:
        table: customer_profiles
        key: id

4.3 输出结果说明

工作流执行完成后，每条客户记录会生成一份结构化的画像和标签集合。以下为 C001 客户的处理结果示例。

{
  "id": "C001",
  "contact_name": "张伟",
  "company_name": "云启科技",
  "job_title": "技术总监",
  "source_channel": "官网表单",
  "last_contact_date": "2026-08-20",
  "profile": "云启科技技术总监，处于私有化部署选型阶段，关注部署成本与数据安全，决策影响力高，近期意向明确。",
  "tags": ["高意向", "新线索", "技术决策人"]
}

通过上述配置，销售团队无需手工整理散落在各渠道的客户信息，即可自动获得统一的客户画像和标签，为后续跟进与转化提供数据基础。

4.4 案例一涉及到的提示词

在案例一中，核心提示词集中在「客户画像生成」环节，即配置代码中 generate_profile 步骤的 prompt 字段。下面给出可直接复用的提示词模板，以及针对不同客户场景的变体。

4.4.1 基础画像生成提示词

你是一名资深的销售运营顾问。请根据以下客户信息生成一段简洁的客户画像，要求包含客户规模判断、决策角色、当前需求和潜在意向四个维度，语言精炼、逻辑清晰，总字数控制在 80 字以内。
客户信息：
{record}
输出格式：
客户规模判断：...
决策角色：...
当前需求：...
潜在意向：...

4.4.2 高意向客户跟进提示词

该客户来自官网表单渠道，近期互动频繁，属于高意向线索。请基于以下客户信息，生成一段用于首次电话沟通的客户画像，重点突出客户的关注点、可能的顾虑以及建议的切入话题。
客户信息：
{record}
输出要求：
客户关注点
可能的顾虑
建议切入话题

4.4.3 老客户转介绍提示词

该客户由老客户转介绍而来，信任基础较好。请根据以下客户信息生成客户画像，重点分析其与现有客户的关联背景、潜在扩展需求，以及适合推荐的方案方向。
客户信息：
{record}
输出要求：
关联背景分析
潜在扩展需求
推荐方案方向

使用提示词时，将 {record} 替换为实际客户记录即可。建议在 WorkBuddy 的 generate_profile 步骤中按客户来源渠道配置不同的提示词模板，以提升画像的针对性和后续跟进效果。

5. 提示词技巧与常见坑

总结向 WorkBuddy 描述销售需求时的提示词技巧，以及搭建顾销一体流程中常见的错误、边界情况和规避方法。下面结合案例一（客户信息自动整理与画像）和案例二（销售跟进与提醒自动化），给出 3 个高频错误场景及其排查方法和规避建议。

5.1 数据格式不匹配导致字段解析失败

错误现象：案例一中，工作流执行后 load_data 步骤报错，或画像字段出现空值、错位，例如客户姓名被写入公司字段。

具体示例：原始 CSV 中某行包含多余逗号或引号未转义，例如备注字段写成 "咨询,私有化部署" 但未加引号包裹，导致 read_csv 按逗号拆分后列数不一致，map_fields 映射错位。

排查方法：

先检查 load_data 步骤的日志，确认读取到的行数和列数是否与预期一致。
用文本编辑器打开 CSV，核对表头与数据行的字段数量是否完全一致。
在 normalize_fields 前增加一个 validate_schema 步骤，对必填字段做非空校验。

规避建议：在配置中为 read_csv 增加 delimiter: "," 和 quote_char: "\"" 参数，并在 map_fields 后追加一条规则：当某行字段缺失时，将该行写入 error_records 表而不是直接丢弃，便于事后修复。

5.2 提示词输出不稳定导致画像质量参差

错误现象：案例一中，generate_profile 步骤对同一客户多次执行，生成的画像在格式、长度或侧重点上差异较大，有的缺少「潜在意向」维度，有的超过 80 字。

具体示例：基础画像提示词只要求「包含客户规模判断、决策角色、当前需求和潜在意向」，但未明确输出顺序和缺失时的处理方式，模型可能自由发挥，导致下游标签或人工阅读体验不一致。

排查方法：

在 WorkBuddy 运行日志中对比同一 {record} 的多次输出，定位不稳定字段。
检查提示词是否给出了明确的输出模板和边界条件（如字数上限、字段缺失时的占位符）。
确认 llm_summarize 的 temperature 参数是否设置得过高等。

规避建议：在提示词中强制规定输出格式，例如「必须按以下四行输出，缺少信息时填写“未知”」；同时将 temperature 调低至 0.2 左右，并在 generate_profile 后增加一个 validate_output 步骤，检查画像是否包含全部必需维度，不满足则触发一次重试。