How to Automate Inbound
How to Automate Inbound
- 1Vercel COO 详解 inbound 销售智能体搭建，起步仅一名工程师投入约 20% 时间，现运行销售漏斗顶部
- 2首版提示词约 125 行，由团队最强 SDR 撰写，6 月上线、8 月撤出人工审核
- 3提示词增至 1000 行后模型不再总守规则，团队拆分规则与判断，inbound 收敛为 14 条规则
- 4Jeanne 称整套功能每年推理与基础设施成本约 1000 美元，SDR 团队全员晋升 outbound
生产级智能体的成熟方向是规则化，把确定性环节交给代码，模型只保留人原本做判断的部分，搭建投入可以很小。
- 影响：销售漏斗顶部这类流程确定的功能可用极小投入自动化，一名兼职工程师加每年约 1000 美元即可跑通；岗位会向上移动，SDR 提前转向 outbound 对话；业务扩张会推高提示词复杂度，规则与判断的边界需要持续维护。
- 参考：可考虑先盘点自家线索处理中的确定性环节，把规则交给代码、只把判断留给模型；试点期可借鉴其做法，先全量复核再过渡到按比例抽检；值得同步测算自动化与人工的成本对比。
- 依据：搭建过程、14 条规则与每年 1000 美元成本均为 Vercel COO 访谈自述口径，暂无独立验证；65% 纯代码节点的结论出自作者对 14 个生产级智能体工作流的分析。
简而言之 : Vercel 的 COO Jeanne DeWitt Grosser 详细讲述了公司 inbound 销售代理的构建过程：一名投入 20% 时间的 GTM 工程师、一份由顶尖 SDR 编写的提示词、六周的人机协同 QA，以及最终从 1,000 行提示词迁移到 14 条确定性规则、模型只负责判断。
Vercel 的 COO Jeanne DeWitt Grosser 在 Office Hours 节目中与我一起，详细讲述了她和她的团队究竟是如何构建这个如今支撑 Vercel 销售漏斗顶端的代理的。
一切始于一名工程师。
Vercel 成立了一个 go-to-market 工程团队，并把这个问题交给了一名大约投入 20% 时间的工程师。代理的第一个版本是一段约 125 行的提示词，由团队里最优秀的 SDR 编写，编码了 Vercel 的线索资格判定规则。
“我们在 6 月启动了这项工作，让顶尖 SDR 保持人工监督，到 8 月就撤掉了人工。我认为一开始之所以成功，在于选了一个相当确定性的问题，然后把我们所有独特的上下文都注入进去，让模型在 Vercel 的围墙之内表现得体。”
随后，SDR 像管理一名新销售代表那样管理这个代理。在第一阶段，代理除了发送消息之外什么都做：调研、资格判定、撰写草稿。
“我对这件事的看法几乎就像对待人工质检一样。如果我是它的经理，在教他或她这份工作的过程中，我可能会读完那个人最初一百封邮件的 100%。这就是我们在这件事上的人机协同阶段。之后，我会假设那个人已经基本胜任了，所以也许我只需做个简单随机抽样，比如每 100 次触达里抽 1 次看看。”
六周的这样运作产出了足够的数据和改进，足以完成这项工作。工作从审阅大量内容转为抽样检查少数几条。
业务不断增长和演变。提示词也是如此——增长到了 1000 行。
在接下来的一年里，Vercel 扩展了产品覆盖面，并向高端市场进军进入企业级领域，吸引了更加多样化的公司。
“模型其实并不总是遵循提示词中嵌入的某些规则。而且再说一次，资格判定和销售中有一大堆事情其实是相当确定性的。它就是一条规则而已。”
团队把提示词分成两部分：规则与判断。工程师把规则编码成代码，把需要判断的工作留给模型。
如今 inbound 流程运行在 14 条规则之上。当线索到来时，系统会执行一次 Salesforce 查询，判断该账户是否关联着未结商机，如果有，就把它路由给对应的客户经理。
“这种事不该由模型来决定，我们只想让它直接发生。所以现在实际上，我们的 inbound 就是 14 条规则。我们真的只在原本人类需要思考的地方才使用模型来思考。”
这与我在 14 个生产级代理工作流中发现的模式相同，我曾在 AI 做的事情是不是越来越少了？ 一文中写到这一点。这些工作流中 65% 的节点以纯代码运行，只有 14% 仍是完全 agentic 的。
由于规则是显式的，Vercel 还运行着第二个代理来监视违规情况。当系统违反 14 条规则之一时，升级代理会判断该违规是否本应发生，并予以修复，或将其批准为例外。
团队也随之改变。SDR 团队全员晋升到 outbound，跳过了惯例上需要的一年。
“人类的价值在于与人交谈。因此，我能让越多的人摆脱电子邮件营销、重新回到真正的对话之中，我认为我们能从 BDR 职能中获得的价值就越大。”
Jeanne 为集客营销的未来提供了迄今最清晰的模板：为一家独角兽公司运营整个职能，每年在推理和基础设施上的成本仅约 1,000 美元。
在您的收件箱中获取下一期内容
一分钟阅读，将科技数据转化为战略优势。
150k+ 创始人和运营者正在阅读。
Theory Ventures 普通合伙人（GP）。前 Google 产品经理。分享有关 AI、web3 与风险投资的数据驱动洞察。
来源：Tomasz Tunguz 博客 · tomtunguz.com