很多企业刚开始做销售 AI，需求通常会写成一句话：能不能帮销售每天找新商机？
再往下问，可能是帮忙查客户、写跟进话术、整理拜访材料。这些当然有价值，但如果只停在“销售问一句，AI 回一句”，它更像销售助手，还不是销售智能体。
真正的销售任务，不是生成一句建议就结束。
一个商机从被发现到能够推进，通常要经历一串动作：找信号，看来源，提字段，和 CRM 匹配，判断是不是重复，生成简报，再交给销售或销售经理确认。最后，确认结果还要留下来，下一次系统才能知道哪些来源有效，哪些判断容易误报。
所以，销售智能体不是一个更会聊天的销售助手，而是一条能围绕销售任务持续运转的协作链。
别把销售智能体想成一个聊天框
聊天框解决的是“回答问题”的问题。销售输入一句“帮我看看这个客户怎么跟”，AI 生成一段建议。这个体验很直观，也容易演示。
但销售真正缺的，往往不是一句建议。
他缺的是一份可以判断的任务材料：这个客户最近有什么公开动态，上次沟通到哪一步，CRM 里有没有历史项目，回款有没有异常，售后有没有工单，应该由谁跟进，下一步动作是什么。
如果这些材料还要销售自己去一个个系统里找，AI 只是最后帮他写一段话，那么这个系统离真实销售流程还很远。
销售智能体要做的，是进入真实任务，把分散信息整理成候选商机、客户简报、跟进建议和确认记录。
一个销售智能体团队里，应该有人分工
以 OpenClaw 这类多智能体工作台为例，销售智能体不一定是一个 Agent 从头做到尾。更合理的方式，是把一个销售任务拆成几个角色，让每个智能体只负责自己擅长的一段。
主控智能体负责接收目标、拆解任务、安排顺序和汇总结果。商机扫描智能体负责看新闻、公告、招投标、官网变化和招聘信息。线索提取智能体负责把长文本里的客户、项目、时间、地点、预算线索和来源链接提出来。CRM 匹配智能体负责判断新线索是不是重复、延展还是需要人工确认。销售简报智能体负责把线索证据、客户背景和下一步建议整理成销售能读的一页材料。确认协同智能体负责把候选结果推给人，并记录采纳、修改、暂缓、转交或驳回。
flowchart TB A[主控协调 Agent / 接收目标 拆任务 汇总结果] --> B[商机扫描 Agent / 发现公开信号] A --> C[线索提取 Agent / 提取结构化字段] A --> D[CRM 匹配 Agent / 去重 匹配 状态判断] A --> E[销售简报 Agent / 生成候选商机材料] A --> F[确认协同 Agent / 交给销售确认并记录结果] B --> C --> D --> E --> F
这套分工的好处，是每个智能体都只做自己该做的一段。扫描智能体不直接判断客户价值，销售简报智能体不擅自改变 CRM 状态，确认协同智能体也不替销售承诺客户。
这样一来，销售智能体就不再是一个黑箱，而是一条看得见分工、看得见边界的任务链。
一次公开商机任务，应该这样跑
假设销售负责人设定了一个目标：每天早上扫描华东制造业重点客户和潜在客户的公开动态，发现可能的新采购、新扩张或新项目机会，整理成候选商机，交给销售确认。
第一步，主控智能体先判断任务边界：这次扫描哪些行业，覆盖哪些客户，排除哪些来源，最后交付什么结果。它不会自己直接搜索全网，而是把任务拆给对应的子 Agent。
第二步，商机扫描智能体去找公开信号。新闻、公告、招投标、官网、招聘变化、政策项目，都可能带来线索。它的工作不是判断“这个客户一定要跟”，而是先把可能有价值的信号找出来。
第三步，线索提取智能体把散乱信息变成字段。一条公告可能很长，但真正有用的只有几个字段：客户名称、项目名称、发布时间、地点、采购方向、预算线索、截止时间和来源链接。
第四步，CRM 匹配智能体做去重和状态判断。它要看这个客户是不是已有销售负责，这条线索是不是已有项目延展，有没有同一招标项目被重复发现。如果信息冲突，它不硬下结论，而是标记为“需要人工确认”。
第五步，销售简报智能体生成可读材料。销售拿到的不是一句“建议尽快跟进”，而是一份可以快速判断的候选商机说明。
第六步，确认协同智能体把结果交给人。销售或销售经理可以选择采纳、修改后采纳、暂缓、转交或驳回。这个结果会被记录下来，下一次系统再扫描时，就知道哪些来源有效、哪些判断容易误报。
flowchart LR
A[销售目标] --> B[扫描公开信号]
B --> C[提取线索字段]
C --> D[匹配 CRM 和历史记录]
D --> E{状态判断}
E --> F[生成候选商机简报]
E --> G[标记疑似重复或资料缺失]
F --> H[销售确认]
G --> H
H --> I[写回 CRM 或台账]
I --> J[复盘来源和误报]
多智能体真正解决的，不是多生成几段话
如果只看表面，销售智能体好像就是把线索总结得更快，把话术写得更好。但从业务角度看，真正的变化不是生成速度，而是任务变得可持续。
过去，公开商机发现很依赖销售个人习惯。有人每天看行业新闻，有人偶尔翻招投标网站，有人靠客户转介绍，有人忙起来就顾不上。企业明明知道外部有很多信号，却很难稳定覆盖。
多智能体团队的价值，是把这件事拆成可以长期运行的动作：扫描有人做，字段有人提，重复有人查，简报有人写，确认有人收。
每个智能体都不需要懂所有销售问题，只要把自己的那一段做好，整个任务就能往前走。
企业看这类案例，不要只看产品功能
这篇文章讲的不是某个产品功能清单，而是一个设计思路：销售智能体要进入业务，就不能只看“回答得像不像人”，而要看它能不能围绕一个目标持续推进任务。
判断一个销售智能体有没有接近业务执行系统，可以问三个问题。
- 它有没有明确业务目标，而不是泛泛地“辅助销售”？
- 它有没有把任务拆成从输入到候选结果的链条？
- 它有没有把关键判断交给销售或销售经理，而不是让系统自己越权决定？
这三个问题都能回答清楚，销售智能体才不只是一个会聊天的助手。它开始变成一条能持续运行的商机发现和准备流程。
销售真正需要的，不是多一个 AI 聊天入口，而是一份每天都能稳定生成、可以判断、可以确认、可以写回的任务材料。
