cross-border-crm 复盘——让 Agent 在受控边界下读写真实客户数据
仓库:lau0708/cross-border-crm · Next.js / React / TypeScript · Supabase · Pi Agent Core
一句话:CRM 保存业务事实,Agent 驱动跟进行动,Harness 管理执行边界与授权。
一、背景:两个「会伤人」的问题
跨境销售在 WhatsApp 上跟进客户,有两个根问题:记忆不可信——谁说过什么、客户偏好哪些,散落在会话里,Agent 分不清事实与猜测;自动跟进危险——没有约束的自动发送可能把「在谈」写成「已成交」,造成真实损失。所以命题不是「做一个 Agent 聊天机器人」,而是如何让 Agent 可信地读写真实 CRM 数据。
二、记忆:排序器可以做,事实源不行
一个常见设计错误,是把向量记忆(Mem0)当成客户事实的唯一来源。它天然有召回偏差、幻觉和过期信息——把「没检索到」误判成「客户没有这个偏好」,就会在跟进时犯事实错误。这里的边界划得很清楚:
- 本地 SQL 是唯一权威,保存人工确认过的客户事实;
- Mem0 只做排序,对已确认条目排序,绝不做事实源;
- 远端命中须过归属标识、运行标识、内容哈希三重核对,并映射回本地记录 ID,否则丢弃;
- 服务不可用时回退本地读取,并标明覆盖范围——绝不把「没读到」包装成「没有」。
三、授权:只读的专家,单一的写者,分级动作
受控执行 Harness 把动作按风险分类,不同类别走不同门控:
| 动作类别 | 处理方式 |
|---|---|
| 读取 | 自动执行 |
| 可逆写入 | 自动执行(可补偿) |
| 外部动作 | 经人工确认 |
| 不可逆动作 | 最严格门控 |
同时支持暂停、恢复、取消、租约、重试与累计预算控制。专家以「字段值哈希 + 来源版本」产出断言,父流程据此区分事实分歧、版本漂移与互补片段。
四、四个内置 Agent,各管一段
| Agent | 职责 |
|---|---|
| CRM 情报员 | 汇总客户、历史会话、商机、知识、记忆,形成带证据的客户画像 |
| 销售运营 Agent | 排查停滞商机、更新字段、调整阶段、安排后续跟进 |
| 客户沟通 Agent | 结合会话和知识起草回复,核对承诺依据,提出转人工动作 |
| CRM 主管 Agent | 跨漏斗、任务和执行记录调查异常,组织专职 Agent 协作并汇总 |
五、跟进与 Mission 续跑:方向变了,旧动作要作废
负责人调整商机跟进方向时,以 Mission 方向版本开新 Run,撤销旧待执行动作、作废旧草稿、暂停旧客户发送;成功回合里核对新方向是否真的进入最终模型上下文,并把接收确认与运行消息同事务落库。方向版本与接收记录可对应追溯,新指令照样要再过一次独立授权。
六、评测:两层检查拦截「报告撒谎」
即使每条引用都指向真实记录,结论仍可能写错——把「在谈」写成「已成交」。所以评测分两层:先核对成功工具观察里的来源标识与结构化字段,再跑独立语义 Judge,取更严格的一层合并结论,并区分「引用未观察」「字段矛盾」「语义待复核」三类问题。已存评价必须匹配运行材料、评测规范、模型版本——资料变化后不能沿用旧高分,否则评测本身也在漂移。
七、诚实的验收
2026-10-05 工程复核:类型检查、lint、构建与全量单测通过,单测 1,324 个文件、12,958 项。但项目状态写得很克制:当前为内部研发版本,真实运行记录已做脱敏回放,业务结果由证据与验收条件核验——没有把「跑通」包装成「生产可用」。
八、复盘
Agent 原生 CRM 最难的不是让模型会聊天,而是让「写」这个动作可交代:事实有唯一权威,写有单一入口,外发有过闸门,结论有评测。把这几条做成不变量,Agent 才谈得上「可信」,而不是「看起来聪明」。