多Agent协同工作流设计：让3个智能体分工处理客户询盘

“客户询盘越来越多了，但成交率反而在掉。”做B2B设备销售的赵总给我看了他们的数据：每天平均23个询盘，销售团队只能深度跟进5-6个，剩下的不是忘了回，就是回得太慢被竞争对手截胡了。

我问他们怎么分配的，赵总说：”谁在线谁接，看到就回。”这种模式在询盘少的时候没问题，量一上来就崩。我们需要一套”不增加人头但能接住所有询盘”的系统——多Agent协同工作流就是答案。

3个智能体怎么分工，才能不打乱仗

多Agent不是”多开几个机器人”那么简单。3个Agent如果各干各的，反而会互相冲突、重复劳动、甚至给客户发矛盾的信息。关键是”角色清晰、接口明确、有主有从”。

我们给赵总设计的方案是”三Agent流水线”，分别叫”小识””小案””小跟”。

Agent 1：小识（意图识别Agent）

小识的唯一任务，是在客户发来询盘的第一时间，判断”这人想要什么、急不急、值不值得马上跟进”。

客户发来一句”你们那个设备多少钱”，小识要在5秒内完成以下分析：

• 需求类型：询价 / 技术咨询 / 售后问题 / 闲聊试探
• 紧急程度： urgent（今天就要）/ normal（一周内）/ cold（随便问问）
• 客户质量：有没有公司名、行业是否匹配、历史互动记录如何

分析完成后，小识给这个询盘打标签，比如”询价-urgent-高质量”，然后丢给下一个Agent。如果判断是”售后问题”，直接转人工客服；如果是”cold闲聊”，丢进 nurture 池，3天后再自动触发一次 gentle 跟进。

小识的核心价值是”筛”。它让销售团队不用再花时间去判断”这个询盘值不值得跟”，直接把精力集中在高价值客户上。

小识的实现细节：我们用了意图分类模型，训练数据来自过去3个月的1000多个历史询盘。模型准确率做到了87%，剩下的13%是”置信度低”的，会弹给人工确认。这个设计很关键——AI不是取代人，而是帮人减少80%的重复判断。

Agent 2：小案（方案生成Agent）

小案接到的都是小识筛出来的”高质量+urgent或normal”询盘。它的任务是根据客户需求，自动生成初步方案。

比如客户问”我们工厂每天处理500件，需要哪款设备”，小案会：

• 调取产品知识库，匹配产能参数
• 生成2-3个推荐方案，含型号、价格区间、交货周期
• 输出一段自然语言的回复，不是冷冰冰的报价单

小案的回复长这样：

“根据您提到的日处理500件的需求，我们推荐两款设备：A型（标配，日处理600件，报价8.8万，交期2周）和B型（高配，日处理800件，报价12.5万，交期3周）。考虑到您未来可能有扩产计划，B型的性价比其实更高。您方便的话，我可以安排技术同事给您做个详细的产能匹配分析。”

这段回复里有数据、有对比、有下一步动作，比大多数人类销售的第一次回复还专业。

小案的知识库更新机制也很重要。产品型号、价格、交期这些信息经常变，我们做了定时同步：每天晚上从产品管理系统拉取最新数据，自动更新到小案的知识库。这样小案永远回复的是最新信息，不会因为”产品已下架”或”价格已调整”而出糗。

Agent 3：小跟（跟进提醒Agent）

小跟不负责直接回复客户，它负责”盯进度”。

它会监控每一个询盘的状态：小识分配了 → 小案回复了 → 客户已读未回 → 超过24小时 → 自动提醒销售跟进。如果客户回复了”再考虑一下”，小跟会在第3天、第7天、第14天分别触发不同的话术模板，直到客户明确拒绝或成交。

小跟还有一个隐藏功能：学习每个销售的最佳跟进节奏。比如销售A在跟进”再考虑”客户时，第3天发案例、第7天给优惠、第14天最后促单，成交率最高。小跟会记录这个模式，推荐给其他销售用。

小跟的提醒机制设计成”渐进式”：第1次提醒是钉钉消息，第2次是钉钉+邮件，第3次是钉钉+邮件+短信。确保销售不会漏掉任何一个该跟进的客户。

工作流设计的避坑指南

三Agent流水线跑起来之后，赵总的团队询盘响应时间从平均4小时缩短到了8分钟，成交率从18%提到了31%。但这个过程中我们也踩了几个坑，分享出来给你避雷。

坑一：Agent之间信息不同步

早期小识和小案各自维护了一个客户画像，结果小识判断客户是”高质量”，小案看到的却是旧数据，推荐了不对应的产品。解决办法是做一个”共享记忆池”——所有Agent读取和写入同一个客户状态数据库，确保信息实时同步。

共享记忆池的设计要点：

• 每个客户有唯一的客户ID，所有Agent用同一个ID查询
• 状态更新用”事件驱动”模式，Agent A更新了客户状态，Agent B立刻收到通知
• 保留历史版本，方便回溯”这个客户为什么被判断为低质量”

坑二：Agent回复太像机器人

小案早期的回复虽然专业，但客户一眼就能看出是机器发的——格式太规整、用词太正式、缺乏人情味。我们给小案加了一层”风格适配”：根据客户之前的沟通语气，调整回复的正式程度。有的客户喜欢用表情包，小案也会加一个；有的客户说话很简洁，小案的回复也缩短。

具体做法：在客户画像里加一个”沟通风格”标签（正式/随意/简洁/详细），小案生成回复时参考这个标签调整语气和长度。这个小小的改动，让客户的”像真人”评分从3.2分提升到了4.5分（满分5分）。

坑三：异常情况没人兜底

有一次客户发来一句”你们产品出了事故，我要投诉”，小识把它标成了”售后问题-urgent”，按规则直接转人工了。但如果小识误判了呢？如果客户说的是”我担心你们产品会出事故”，却被标成了投诉，直接转人工会造成不必要的恐慌。所以我们在工作流里加了一个”置信度阈值”——小识的判断置信度低于80%时，不走自动分配，而是弹给主管确认。

异常兜底机制清单：

• 涉及退款/赔偿/投诉的，无论置信度多少，一律转人工
• 客户情绪明显负面（愤怒/威胁/要求见领导）的，转人工+同步主管
• 客户提到”律师””法院””曝光””媒体”等敏感词的，升级处理
• 同一客户24小时内询盘超过3次的，标记为”高频”，优先人工跟进

多Agent协同的核心逻辑不是”让机器替代人”，而是”让机器做它擅长的，让人做人擅长的”。机器擅长快速筛选、生成标准化内容、按规则提醒；人擅长处理复杂情绪、谈判议价、建立信任。两者配合，才是正解。

赵总后来算了笔账：上了三Agent系统后，销售团队从5个人缩到了3个人（2个处理高价值客户，1个处理异常和售后），但成交客户数反而增加了40%。省下的2个人头成本，一年就是30多万。系统的开发和维护成本，半年就回本了。

多Agent系统上线前的验收清单

系统开发完了不等于可以上线了。在正式切换到多Agent系统之前，必须过一遍验收清单，确保每个环节都到位。

• 小识的意图分类准确率是否达到85%以上？（用100个测试样本验证）
• 小案的方案生成是否100%基于最新知识库？（检查同步机制是否正常）
• 小跟的跟进提醒是否覆盖了所有状态？（模拟客户”已读未回””再考虑””明确拒绝”三种场景）
• 共享记忆池的数据是否实时同步？（手动修改一个客户画像，检查其他Agent是否能立即看到）
• 异常兜底机制是否触发正确？（测试投诉、退款、敏感词等场景）
• 系统是否有完整的日志记录？（每个Agent的输入、输出、决策原因都要可追溯）
• 是否设置了”人工接管”按钮？（紧急情况下可以一键切换到纯人工模式）

验收通过后，先并行运行2周（Agent和人工同时处理，对比结果），确认无误后再正式切换。切换后的第一周，安排专人盯守，随时处理系统可能出现的意外情况。

多Agent系统的长期优化方向

系统上线只是起点，持续优化才能持续见效。建议每季度做一次”系统体检”：

• 检查小识的分类准确率趋势。如果准确率持续下降，可能是业务场景变了，需要重新训练模型
• 分析小案生成的方案被采纳率。如果销售经常修改小案的回复，说明知识库需要更新或回复风格需要调整
• 统计小跟的跟进转化率。如果某个跟进节奏的效果在下降，尝试调整提醒间隔和话术模板
• 收集客户的负面反馈，反向优化Agent的决策逻辑

多Agent系统像一个”活的组织”，需要持续喂养数据和反馈，才能越用越聪明。投入3个月做初始搭建，后面每季度投入1-2周做优化，长期回报非常可观。

还有一个经验：多Agent系统的效果不是上线第一天就能看到的。它需要1-2个月的”磨合期”——积累足够的客户交互数据，优化分类模型和推荐逻辑。所以别急着在第一周就评判效果，给它一点时间。

如果你在多Agent协同工作流设计或智能客服系统搭建方面有疑问，欢迎联系我们。95星球企业服务，专注为中小企业提供一站式解决方案。