适合谁
需要处理邮件、网站表单等线索，并希望统一判断、回复和沉淀客户信息的销售运营团队。
03 / 线索判断与客户跟进
AI 销售线索决策与 CRM 自动化系统
把零散客户事实整理成可解释、可回放的下一步动作。
系统界面预览
AI 销售线索决策与 CRM 自动化系统
下面是系统界面。可以先看看案例，也可以直接进入演示体验。
公网访客使用离线 keyword-RRF 检索与规则回复，不调用付费模型，不写入真实 CRM；演示记录可能随重启清空。
进入系统项目概览
面向销售线索、评分与客户跟进场景，建立从数据清洗到 CRM 路由的端到端决策原型。
可以完成什么
- 从产品手册匹配目的地、人数和天数，展示推荐理由与证据
- 保存多轮客户偏好，按邮件或聊天渠道生成回复草稿
- 支持通义千问理解与草稿生成、人工审核和 CRM / Notion 同步
如何体验
- 进入系统，输入例如：4个人想去云南玩7天，请推荐产品。
- 查看产品推荐、适配理由和产品手册来源。
- 在同一对话补充酒店等级、用车需求和导游语言，检查更新后的回复。
- 公网访客仅体验隔离演示；真实模型与 Notion 写入需受保护的运营配置。
问题
客户信息分散在文本、表单和历史记录中，模型如果直接给建议，难以追溯事实来源和判断依据。
做法
- 将多轮客户事实与本轮消息分开保存；明确更正更新当前值并保留历史，简短确认不会清空已有需求。LLM 只抽取受约束事实和起草回复，确定性引擎负责最终评分。
- 支持 BGE-M3、BM25 与 RRF；公网采用离线 keyword-RRF。依据同一产品手册快照匹配目的地、人数和天数，展示来源及适配限制，检索结果不能反向改写评分。
- 跟进草稿经人工审核后同步 CRM，使用版本校验、消息幂等和重试机制；n8n 分为 High、Medium、Low、Invalid、API Error、Suppressed、Manual Review 七路。公网访客禁止真实外部写入。
结果
2026-09-08 复核记录为 699 项通过、2 项 PostgreSQL 实机测试跳过、覆盖率 95.21%。既有 18 条人工标注查询中，Hit@1、Hit@3 均为 18/18，MRR@3 为 1.0000，nDCG@3 为 0.8331。历史检索基线与当前公网离线演示分别说明。
边界与思考
18 条查询用于小样本检索验证，测试数量和覆盖率不等于业务答案准确率。Notion 同步通过模拟接口验证；公开访客为隔离演示，真实渠道、PostgreSQL 实机和 CRM 联调仍需单独验收。