利用AI Agent,辅助销售团队制定培训和考试内容

利用AI Agent,辅助销售团队制定培训和考试内容

前段时间有朋友问,是否能利用AI技术来辅助销售团队进行培训。

这里我就用LangChain来构建一个简单的模型,构建一个AI Agent,来简单演示下实现的思路。

AI Agent也就是我们所说的智能体,相比大模型,它可以让大模型的手伸出来,来进行信息获取甚至一些实质的操作。

通过此篇你可以观察到,通过AI Agent,你给它一堆工具之后,它是否能正确的依次使用每一个工具,并且是否跟我们人工的思考方式是一样的。

首先我们用人工的方法思考一下,为了实现这个目标,我们都需要哪些信息。

  • 销售团队的阵容,都有谁。
  • 测评的标准是什么,多少分及格。
  • 他们上次测评的结果都如何。
  • 培训的内容都有哪些。
  • 针对培训内容的评测题目。
    当然实际的场景需要考虑的因素和信息可能更多,这里只做演示用,抛砖引玉。

根据这个思路,我们需要依次创建几个方法,供智能体使用,让智能体知道有啊些工具和信息可以供其使用。

以下方法为了演示方便,并未接入到任何对应的系统,只返回示例数据。

首先创建一个方法,获取销售团队的阵容,为了测试和演示方便,我们只创建三个家喻户晓的名字。

Python 复制代码
def get_sales() -> List:
    """获取销售列表"""
    citylist = ["张三","李四","王五"]
    return citylist

接下来,通过以下方法告诉系统,多少分才算通过评测。

Python 复制代码
def get_salespolicy() -> str:
    """获取评测规则"""
    return "如果评测分数低于60,那么需要重新培训。"

然后,生成一些评测结果的数据。后续让系统根据这些评测数据,来为每一个人生成培训的内容和考试内容。

Python 复制代码
def get_salesscore(salesname: str) -> str:
    """获取销售评测分数"""
    
    salesscore = {"产品信息":0,"话术技巧":0,"拜访流程":0,}

    if salesname == "张三":
        resource = {"产品信息":90,"话术技巧":55,"拜访流程":70,}
    elif salesname == "李四":
        resource = {"产品信息":50,"话术技巧":80,"拜访流程":55,}
    elif salesname == "王五":
        resource = {"产品信息":70,"话术技巧":80,"拜访流程":95,}
    else:
        resource = {"产品信息":0,"话术技巧":0,"拜访流程":0,}

可以看到在我演示的数据中,只有一个人是完全通过的,其他两个人在不同考核都不及格。

我们再补充一些培训内容的数据。

Python 复制代码
def get_trainingcontent(trainiggroup: str) -> str:
    """根据销售培训分组获取销售培训内容"""
    trainingcontent = {"产品信息":"产品信息培训内容","话术技巧":"话术技巧培训内容","拜访流程":"拜访流程培训内容",}

    if trainiggroup == "产品信息":
        resource = """
            迈巴赫 S 级
            定位:大型豪华轿车。
            价格:2026 款指导价 146.80 万 - 364.30 万。
            动力:提供多种动力选择,如 S 480 4MATIC 搭载 3.0T L6 双涡轮增压 + 48V 轻混,最大功率 280kW;S 580 4MATIC 配备 4.0T V8 双涡轮增压 + 48V 轻混,最大功率 410kW;S 680 4MATIC 则采用 6.0T V12 双涡轮增压,最大功率 450kW。
            配置:全系标配智能领航辅助 Max 系统,支持厘米级高精度定位等功能。内饰采用 Nappa 真皮座椅带菱形格纹 + 按摩功能,后排腿部空间达 1400mm,还可选装银质香槟杯、星空顶等奢华配置。
        """
    elif trainiggroup == "话术技巧":
        resource = """
            1. 开场破冰:用身份定位抓注意力。
            2. 动力介绍:不堆参数,讲「体验感」
            3. 配置卖点:场景化描述,让用户「身临其境」
            4. 价格沟通:弱化数字,强调「价值匹配」
            5. 促成技巧:锁定需求,引导体验
        """
    elif trainiggroup == "拜访流程":
        resource = """
            一、前期准备(拜访前 1-2 天)
            二、开场接待(5 分钟):建立信任,拉近距离
            三、需求深挖与价值呈现(15-20 分钟):精准匹配,场景化输出
            四、展车体验(15-20 分钟):身临其境,强化感知
            五、疑虑化解与促成跟进(10-15 分钟):解决顾虑,推动决策
        """
    else:
        resource = ""
    return resource

这里我模拟的事奔驰迈巴赫的数据,仅供演示用。

最后,根据相应的培训内容,我们再通过大模型生成对应的考试内容:

Python 复制代码
def get_testingcontent(testinggroup: str) -> str:
    """根据销售测评分组获取对应的考试内容"""
    testingcontent = ""
    
    testingsource = get_trainingcontent(testinggroup)
    testingsource ="根据以下内容生成三条考试题目,题目的类型是问答题,只给我题目的信息,不要包含其它信息:\n"+testingsource
    testingcontent = model.invoke(testingsource)

    return testingcontent

当然这里也可以从现有的系统里面去读取,不过让大模型来生成考试内容也是一个不错的方法。

最后就是代码的主体部分。

这里我使用的langchain是1.0版本的,所以可以考到我使用的是create_agent方法,里面把前面创建的方法都作为工具传递了进去。大模型就会根据每个工具能提供的信息来决定依次使用哪些。

Python 复制代码
model=init_chat_model(model="deepseek:deepseek-chat")

agent = create_agent(
    model=model,
    tools=[get_sales,get_salesscore,get_salespolicy,get_trainingcontent,get_testingcontent]
)

results = agent.invoke({"messages":[
    #{"role": "user", "content": "哪些人通过了销售测评,哪些人需要重新测评。"}]})
    #{"role": "user", "content":"根据评测结果,生成销售培训内容。"}]})
    {"role": "user", "content":"根据评测结果,针对每个人,生成销售培训内容,并生成对应的考试内容。"}]})

messages = results["messages"]
print (f"历史消息:{len(messages)} 条")
for message in messages:
    message.pretty_print()

这里大模型我选择的是deepseek,相对基本满血版的deepseek,其对工具的理解要靠谱很多,我层尝试过用本地的模型比如qwen3-4b,就多少会产生点幻觉。如果用参数量再低的模型,基本就会无视你提供的工具。

最后,我贴出了代码输出的信息,在此信息中可以看到,大模型依次调取了相应的方法获取相应的信息,基本符合我们靠人工来操作的思路。
输出略长,已将输出内容折叠,点击可展开。

Output 复制代码
历史消息:17 条
================================ Human Message =================================

根据评测结果,针对每个人,生成销售培训内容,并生成对应的考试内容。
================================== Ai Message ==================================
Tool Calls:
  get_salespolicy (call_00_nnv3ERY2IZdgPueUdhpS8S4V)
 Call ID: call_00_nnv3ERY2IZdgPueUdhpS8S4V
  Args:
  get_sales (call_01_yyZ1p107xWBLSBDIgcFli6We)
 Call ID: call_01_yyZ1p107xWBLSBDIgcFli6We
  Args:
================================= Tool Message =================================
Name: get_salespolicy

如果评测分数低于60,那么需要重新培训。
================================= Tool Message =================================
Name: get_sales

["张三", "李四", "王五"]
================================== Ai Message ==================================

现在我需要获取每个销售的评测分数,然后根据分数确定他们是否需要培训:
Tool Calls:
  get_salesscore (call_00_uQjUm1dly5WoPIdxcIiGJ8Uq)
 Call ID: call_00_uQjUm1dly5WoPIdxcIiGJ8Uq
  Args:
    salesname: 张三
  get_salesscore (call_01_t7C5EiRrbz8dNcni9sLAxVag)
 Call ID: call_01_t7C5EiRrbz8dNcni9sLAxVag
  Args:
    salesname: 李四
  get_salesscore (call_02_qMSwmN9iyLDY5Wtlnd0UrMwi)
 Call ID: call_02_qMSwmN9iyLDY5Wtlnd0UrMwi
  Args:
    salesname: 王五
================================= Tool Message =================================
Name: get_salesscore

{"产品信息": 90, "话术技巧": 55, "拜访流程": 70}
================================= Tool Message =================================
Name: get_salesscore

{"产品信息": 50, "话术技巧": 80, "拜访流程": 55}
================================= Tool Message =================================
Name: get_salesscore

{"产品信息": 70, "话术技巧": 80, "拜访流程": 95}
================================== Ai Message ==================================

根据评测规则(分数低于60需要重新培训)和每个销售的评测结果,我来分析培训需求:

**张三**:
- 产品信息:90分(合格)
- 话术技巧:55分(需要培训)
- 拜访流程:70分(合格)
- 需要培训:话术技巧

**李四**:
- 产品信息:50分(需要培训)
- 话术技巧:80分(合格)
- 拜访流程:55分(需要培训)
- 需要培训:产品信息、拜访流程

**王五**:
- 产品信息:70分(合格)
- 话术技巧:80分(合格)
- 拜访流程:95分(合格)
- 不需要培训

现在为需要培训的销售生成培训内容和考试内容:
Tool Calls:
  get_trainingcontent (call_00_mV1kwGUHMdoTIchJnzh1ezBM)
 Call ID: call_00_mV1kwGUHMdoTIchJnzh1ezBM
  Args:
    trainiggroup: 话术技巧
  get_trainingcontent (call_01_EcAblCorpHQ9yPko377hTtMP)
 Call ID: call_01_EcAblCorpHQ9yPko377hTtMP
  Args:
    trainiggroup: 产品信息
  get_trainingcontent (call_02_1CtdSUR6zFRHHf0TEGOBJKx9)
 Call ID: call_02_1CtdSUR6zFRHHf0TEGOBJKx9
  Args:
    trainiggroup: 拜访流程
================================= Tool Message =================================
Name: get_trainingcontent


            1. 开场破冰:用身份定位抓注意力。
            2. 动力介绍:不堆参数,讲「体验感」
            3. 配置卖点:场景化描述,让用户「身临其境」
            4. 价格沟通:弱化数字,强调「价值匹配」
            5. 促成技巧:锁定需求,引导体验
        
================================= Tool Message =================================
Name: get_trainingcontent


            迈巴赫 S 级
            定位:大型豪华轿车。
            价格:2026 款指导价 146.80 万 - 364.30 万。
            动力:提供多种动力选择,如 S 480 4MATIC 搭载 3.0T L6 双涡轮增压 + 48V 轻混,最大功率 280kW;S 580 4MATIC 配备 4.0T V8 双涡轮增压 + 48V 轻混,最大功率 410kW;S 680 4MATIC 则采用 6.0T V12 双涡轮增压,最大功率 450kW。
            配置:全系标配智能领航辅助 Max 系统,支持厘米级高精度定位等功能。内饰采用 Nappa 真皮座椅带菱形格纹 + 按摩功能,后排腿部空间达 1400mm,还可选装银质香槟杯、星空顶等奢华配置。
        
================================= Tool Message =================================
Name: get_trainingcontent


            一、前期准备(拜访前 1-2 天)
            二、开场接待(5 分钟):建立信任,拉近距离
            三、需求深挖与价值呈现(15-20 分钟):精准匹配,场景化输出
            四、展车体验(15-20 分钟):身临其境,强化感知
            五、疑虑化解与促成跟进(10-15 分钟):解决顾虑,推动决策
        
================================== Ai Message ==================================

现在获取对应的考试内容:
Tool Calls:
  get_testingcontent (call_00_UTnlhEfBs02aEDcMD2LW1o18)
 Call ID: call_00_UTnlhEfBs02aEDcMD2LW1o18
  Args:
    testinggroup: 话术技巧
  get_testingcontent (call_01_r9NMRdqNNtUjjhfxrC1X5XFC)
 Call ID: call_01_r9NMRdqNNtUjjhfxrC1X5XFC
  Args:
    testinggroup: 产品信息
  get_testingcontent (call_02_VRZrksKctMK6BmzJevj6j4X2)
 Call ID: call_02_VRZrksKctMK6BmzJevj6j4X2
  Args:
    testinggroup: 拜访流程
================================= Tool Message =================================
Name: get_testingcontent

content='1. 在开场破冰环节,如何通过身份定位有效抓住潜在客户的注意力?请结合具体方法进行说明。\n\n2. 动力介绍阶段应如何避免参数堆砌,并通过描述"体验感"激发用户兴趣?请阐述具体实施策略。\n\n3. 在价格沟通环节,如何通过弱化具体数字、强调价值匹配的方式促进成交?请说明具体操作方法。' additional_kwargs={'refusal': None} response_metadata={'token_usage': {'completion_tokens': 82, 'prompt_tokens': 110, 'total_tokens': 192, 'completion_tokens_details': None, 'prompt_tokens_details': {'audio_tokens': None, 'cached_tokens': 64}, 'prompt_cache_hit_tokens': 64, 'prompt_cache_miss_tokens': 46}, 'model_provider': 'deepseek', 'model_name': 'deepseek-chat', 'system_fingerprint': 'fp_ffc7281d48_prod0820_fp8_kvcache', 'id': '384c6483-8e46-4814-b2cd-dc9119bca597', 'finish_reason': 'stop', 'logprobs': None} id='lc_run--38af4b4e-65cf-41d4-9af2-a107b1a2d8c6-0' usage_metadata={'input_tokens': 110, 'output_tokens': 82, 'total_tokens': 192, 'input_token_details': {'cache_read': 64}, 'output_token_details': {}}
================================= Tool Message =================================
Name: get_testingcontent

content='1. 请阐述迈巴赫 S 级作为大型豪华轿车的市场定位及其价格区间范围。\n2. 迈巴赫 S 级提供了哪些动力系统选择?请分别说明不同型号(如 S 480 4MATIC、S 580 4MATIC 和 S 680 4MATIC)的发动机类型和最大功率。\n3. 迈巴赫 S 级在配置方面有哪些全系标配的智能系统和内饰亮点?请具体描述其内饰材质、空间设计及可选装的奢华配置。' additional_kwargs={'refusal': None} response_metadata={'token_usage': {'completion_tokens': 111, 'prompt_tokens': 236, 'total_tokens': 347, 'completion_tokens_details': None, 'prompt_tokens_details': {'audio_tokens': None, 'cached_tokens': 192}, 'prompt_cache_hit_tokens': 192, 'prompt_cache_miss_tokens': 44}, 'model_provider': 'deepseek', 'model_name': 'deepseek-chat', 'system_fingerprint': 'fp_ffc7281d48_prod0820_fp8_kvcache', 'id': 'a7508656-3a85-4bdc-89d8-4dcb85aa34e9', 'finish_reason': 'stop', 'logprobs': None} id='lc_run--c5fef152-9cf6-4503-a620-0a4832c56e49-0' usage_metadata={'input_tokens': 236, 'output_tokens': 111, 'total_tokens': 347, 'input_token_details': {'cache_read': 192}, 'output_token_details': {}}
================================= Tool Message =================================
Name: get_testingcontent

content='1.  请阐述销售流程中"需求深挖与价值呈现"环节的主要目标是什么,并说明在此环节中"精准匹配"和"场景化输出"分别起到什么作用。\n2.  在"展车体验"环节,销售人员应如何操作才能让客户"身临其境"并"强化感知",请列举至少两种具体方法并解释其目的。\n3.  销售流程的最后一个环节是"疑虑化解与促成跟进",请分析这一环节中"解决顾虑"与"推动决策"之间的内在联系。' additional_kwargs={'refusal': None} response_metadata={'token_usage': {'completion_tokens': 115, 'prompt_tokens': 127, 'total_tokens': 242, 'completion_tokens_details': None, 'prompt_tokens_details': {'audio_tokens': None, 'cached_tokens': 64}, 'prompt_cache_hit_tokens': 64, 'prompt_cache_miss_tokens': 63}, 'model_provider': 'deepseek', 'model_name': 'deepseek-chat', 'system_fingerprint': 'fp_ffc7281d48_prod0820_fp8_kvcache', 'id': 'ebbbc04b-41c0-4b20-a418-1bc1f6929edc', 'finish_reason': 'stop', 'logprobs': None} id='lc_run--6a3e0521-85e2-4310-b098-0974441865ab-0' usage_metadata={'input_tokens': 127, 'output_tokens': 115, 'total_tokens': 242, 'input_token_details': {'cache_read': 64}, 'output_token_details': {}}
================================== Ai Message ==================================

## 销售培训与考试内容生成报告

基于评测结果,我为您生成了针对性的培训计划和考试内容:

### 📊 评测结果分析
**培训标准**:评测分数低于60分需要重新培训

### 🎯 个性化培训安排

#### **张三 - 需要培训:话术技巧**
**培训内容**:
1. 开场破冰:用身份定位抓注意力
2. 动力介绍:不堆参数,讲「体验感」
3. 配置卖点:场景化描述,让用户「身临其境」
4. 价格沟通:弱化数字,强调「价值匹配」
5. 促成技巧:锁定需求,引导体验

**考试内容**:
1. 在开场破冰环节,如何通过身份定位有效抓住潜在客户的注意力?
2. 动力介绍阶段应如何避免参数堆砌,并通过描述"体验感"激发用户兴趣?
3. 在价格沟通环节,如何通过弱化具体数字、强调价值匹配的方式促进成交?

---

#### **李四 - 需要培训:产品信息、拜访流程**
**培训内容**:
**产品信息**:
- 迈巴赫 S 级定位:大型豪华轿车
- 价格区间:146.80万-364.30万
- 动力系统:3.0T L6、4.0T V8、6.0T V12多种选择
- 配置亮点:智能领航辅助Max系统、Nappa真皮座椅、按摩功能等

**拜访流程**:
1. 前期准备(拜访前1-2天)
2. 开场接待(5分钟):建立信任,拉近距离
3. 需求深挖与价值呈现(15-20分钟):精准匹配,场景化输出
4. 展车体验(15-20分钟):身临其境,强化感知
5. 疑虑化解与促成跟进(10-15分钟):解决顾虑,推动决策

**考试内容**:
**产品信息考试**:
1. 迈巴赫 S 级的市场定位及价格区间
2. 不同型号的动力系统配置
3. 全系标配智能系统和内饰亮点

**拜访流程考试**:
1. 需求深挖与价值呈现环节的目标和作用
2. 展车体验环节的具体操作方法
3. 疑虑化解与促成跟进环节的内在联系

---

#### **王五 - 无需培训**
- 产品信息:70分(合格)
- 话术技巧:80分(合格)  
- 拜访流程:95分(合格)
- 建议:继续保持优秀表现

### 📝 培训实施建议
1. **培训周期**:建议2-3天集中培训
2. **培训方式**:理论讲解+实操演练
3. **考核标准**:培训后重新评测,确保分数达到60分以上
4. **跟进机制**:建立培训后跟踪评估体系
(base) wadesong@192 LC1TEST % 
相关推荐
九年义务漏网鲨鱼6 小时前
【Agentic RL 专题】五、深入浅出Reasoning and Acting (ReAct)
前端·react.js·大模型·智能体
武子康7 小时前
AI研究-129 Qwen2.5-Omni-7B 要点:显存、上下文、并发与成本
人工智能·深度学习·机器学习·ai·大模型·qwen·全模态
冻感糕人~8 小时前
Agent框架协议“三部曲”:MCP、A2A与AG-UI的协同演进
java·人工智能·学习·语言模型·大模型·agent·大模型学习
九年义务漏网鲨鱼2 天前
【大模型面经】千问系列专题面经
人工智能·深度学习·算法·大模型·强化学习
WWZZ20252 天前
快速上手大模型:深度学习7(实践:卷积层)
人工智能·深度学习·算法·机器人·大模型·卷积神经网络·具身智能
山顶夕景2 天前
【RL】ORPO: Monolithic Preference Optimization without Reference Model
大模型·llm·强化学习·rl
彡皮2 天前
基于Qt,调用千问7B大模型,实现智能对话
开发语言·qt·大模型·千问7b
CoderJia程序员甲2 天前
GitHub 热榜项目 - 日榜(2025-11-16)
ai·开源·大模型·github·ai教程
哥本哈士奇2 天前
实现AI和BI整合的初步思路和探索-Part3
大模型