Vercel COO 讲解用 Agent 自動化 Inbound 銷售的構建與…
工具AI 评分 72/100Tomer Tunguz 博客（VC 分析）待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
Vercel 構建了自動化 Inbound 銷售的 Agent。初期由一名工程師投入 20% 時間，頂尖 SDR 撰寫 125 行提示詞。六月啟動後，經歷六週人工介入質檢（初期全量審閱，後改為抽樣），八月撤出人工。Agent 負責調研、資格審核與起草，僅不發送消息。隨業務向企業級擴展，提示詞膨脹至 1000 行，模型難以穩定遵循規則。團隊遂將系統拆分為 14 條確定性規則與模型負責的判斷部分。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载Agent 構建與人工質檢
Vercel 組建了市場進入工程團隊，起初僅由一名工程師耗費約 20% 的時間來構建該銷售 Agent。第一版提示詞約 125 行，由團隊內最優秀的 SDR 撰寫，將公司的資格審核規則編碼其中。項目於六月啟動，採用了人工介入的質檢方式：初期人工全量審閱 Agent 生成的前百條內容，隨後過渡到每百條抽樣一條。經過六週的數據積累與改進，至八月完全撤出人工審核。Agent 承擔了調研、資格審核與消息起草工作，但不直接發送消息，SDR 將其視作新員工進行管理。
提示詞膨脹與架構重構
隨著 Vercel 在次年增加產品覆蓋面並向企業級市場遷移，客戶多樣性增加，提示詞隨之膨脹至 1000 行。此時模型無法穩定遵循嵌入提示詞中的所有規則。團隊意識到銷售資格審核中的諸多事項本質上是確定性的規則，而非需要模型推理的判斷。因此，他們將原本龐大的提示詞拆分為兩部分：把確定性邏輯提取為 14 條硬性規則，而將模型的能力僅保留用於需要主觀判斷的環節。
为什么值得看
提供 Agent 從原型到生產的落地路徑：人工介入質檢策略及用確定性規則替代冗長提示詞的工程解法。
信源1 家
关键事实
相关 · 工具
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。