Action Suggester

📋 智能生成跟进建议,人工确认后执行

智能生成销售线索的后续跟进建议(电话/邮件/拜访),仅提供排序推荐不自动执行,降低销售决策负担。

收藏
3.4k
安装
1.3k
版本
1.0.2
CLS 安全扫描中
预计需要 3 分钟...

使用说明

核心用法

Action Suggester 是一款专为销售团队设计的辅助决策工具,核心功能是基于已整理的线索摘要或线索列表,运用确定性优先级规则生成后续行动建议。该工具严格遵循"只建议、不执行"的设计哲学,确保人工决策的最终控制权。

显著优点

1. 零侵入式辅助:不发送任何消息、邮件或日历邀请,不写入数据库,从架构上杜绝误操作风险
2. 确定性规则驱动:采用可预测的优先级算法,避免黑箱决策,便于审计和调优

3. 结构化输出:统一输出call/email/visit三类行动类型,附带lead_id和描述,便于CRM系统集成

4. 完整验证链:输入输出均经JSON Schema校验,降低数据格式错误导致的下游故障

潜在缺点与局限性

  • 无自主执行能力:对追求高度自动化销售流程的团队可能显得冗余
  • 依赖上游数据质量:若输入的线索摘要信息不全或格式错误,会直接返回空列表
  • 规则冲突需人工介入:当出现确定性规则冲突时,仅输出纯文本诊断,不提供自动裁决
  • 场景单一:明确排除消息解析、数据存储和自主执行场景,适用范围受限

适合人群

  • 中大型销售团队需要标准化跟进建议但坚持人工确认的机制
  • 金融、医疗等强合规行业,要求"人机共决"不可跳过的场景
  • 已有成熟CRM系统,仅需轻量级决策辅助而非全自动化改造的组织

常规风险

  • 过度依赖风险:销售代表可能逐渐放弃独立判断,完全依赖工具排序
  • 规则僵化:确定性优先级可能无法适应突发商机或特殊客户关系
  • 输入污染:上游数据若被篡改,建议列表将携带偏见传递至执行端

Action Suggester 内容

agents文件夹
references文件夹
手动下载zip · 2.1 kB
openai.yamltext/plain
请选择文件