1. 项目概述一个为B2B出口业务量身定制的AI销售代表模板如果你正在经营一家B2B出口公司无论是销售重型机械、消费电子还是纺织品你肯定对销售流程中的重复性工作深有体会每天在WhatsApp、Telegram和邮件之间切换回答相似的产品咨询手动记录潜在客户信息跟进报价还要担心因为时差或文化差异错过重要商机。更头疼的是一个优秀的销售代表SDR培养成本高且难以7x24小时覆盖全球市场。iPythoning/b2b-sdr-agent-template这个开源项目就是为了解决这些痛点而生的。它不是一个简单的聊天机器人而是一个基于OpenClaw或Hermes Agent框架构建的、生产就绪的AI销售开发代表AI SDR模板。这个模板的核心价值在于它提供了一套完整的、可立即部署的“AI销售大脑”。你只需要像填写一份公司简介和产品手册一样修改几个Markdown配置文件就能在5分钟内获得一个理解你公司业务、熟悉你产品线、并能用你的口吻与全球客户进行全流程销售对话的AI助手。它从潜在客户捕获Lead Capture开始经过需求评估BANT、报价生成、谈判跟进直到交易关闭覆盖了销售管道的全部10个关键阶段。更重要的是它通过一套独创的7层上下文系统和4层抗遗忘架构确保了AI在长达数周甚至数月的销售周期中能像人类销售一样记住每一个客户的细节、每一次的报价和每一个承诺彻底告别了传统聊天机器人“金鱼记忆”的尴尬。2. 核心架构解析7层上下文系统如何赋予AI“销售灵魂”为什么普通的AI客服聊几句就忘了上下文而这个AI SDR能处理复杂的B2B销售流程秘密就在于其精心设计的7层上下文系统7-Layer Context System。这七层并非复杂的代码模块而是七个结构清晰的Markdown文件。在每一次与客户的对话开始时AI都会完整地“阅读”这七个文件从而获得关于你业务的深度、结构化认知。这就像给AI配备了一份详尽的“上岗培训手册”。2.1 七层文件详解与配置要点第一层身份层IDENTITY.md这是AI的“工牌”。你需要在这里定义公司信息公司名称、主营业务、官网、核心价值观。AI角色明确的职位如“高级国际销售顾问”让AI以专业身份与客户交流。销售管道阶段清晰定义你的销售流程例如[新线索 - 已联系 - 需求确认 - 报价中 - 谈判中 - 已成交 - 已丢失]。AI会根据这个流程来推进客户。线索分级标准定义什么是“热线索”Hot Lead、什么是“温线索”Warm Lead。例如可以设置“ICP评分7”且“24小时内回复”的为热线索触发即时通知。实操心得在IDENTITY.md中尽量使用肯定、自信的语气定义AI角色。例如“我是[你的公司名]的首席出口顾问专注于帮助[目标市场]的采购商找到最具竞争力的[产品品类]解决方案。” 这种明确的身份植入能显著提升AI在对话中的专业感和可信度。第二层灵魂层SOUL.md这决定了AI的“性格”和沟通风格。B2B销售不同于客服需要策略、耐心和情商。沟通原则例如“永远保持专业和礼貌”、“优先回答问题再尝试挖掘需求”、“在客户表现出价格敏感时强调价值而非单纯降价”。硬性规则必须遵守的底线如“绝不透露公司成本价”、“未经人工批准不得发送最终合同”、“对于‘免费样品’请求必须引导至标准样品付费流程”。文化适配指南针对不同市场的沟通技巧。例如与中东客户沟通时开场可多用“Insha‘Allah”如果真主愿意以示尊重与拉美客户交流语气可更热情活泼。第三层代理层AGENTS.md这是AI的“销售剧本”详细定义了10个阶段的销售工作流Workflow。每个阶段都包含触发条件、AI应执行的动作以及下一步判断逻辑。例如在“报价Quotation”阶段剧本会指导AI1. 汇总客户确认的产品规格和数量2. 调用quotation-generator技能生成PDF报价单3. 将报价单通过WhatsApp发送给客户并抄送一份到老板邮箱等待审核。第四层用户层USER.md这是关于“你”业务主理人和你的“战场”的信息。负责人档案你的姓名、联系方式、擅长的谈判领域。理想客户画像ICP详细描述你的目标客户。例如“公司规模50-200人年采购额在50万-200万美元位于东南亚或中东有稳定的进口渠道。” AI会用这个标准来初步筛选和评分线索。产品线目录这不是简单的列表而是结构化知识。应包括产品名称、型号、关键规格、最小起订量MOQ、交货期、主要卖点、常见应用场景等。竞争对手分析列出主要竞争对手及其优劣势。当客户提到“XX公司的报价更低”时AI可以依据这里的知识进行有效应对。第五层心跳层HEARTBEAT.md定义自动化巡检任务。你可以把它理解为AI SDR的“每日健康检查和销售例会”。它通过13个定时任务Cron Jobs自动运行例如每日上午9:00向你的WhatsApp发送前一天的销售管道报告包括新线索数、正在谈判的客户、可能停滞的订单。每日下午3:00扫描CRM找出超过7天未回复的“停滞线索”并自动发送一条精心设计的跟进消息。每周五执行竞争对手情报收集自动搜索网络上的行业动态和竞品信息存入知识库。第六层记忆层MEMORY.md这是项目最精妙的部分之一即4层抗遗忘协议。普通AI的上下文窗口有限长对话后就会遗忘。此系统通过组合策略确保记忆持久。L1即时回忆MemOS在每轮对话中自动提取关键信息如客户预算、需求时间线、承诺并立即注入到后续对话的上下文提示中。L2主动总结当对话消耗的上下文令牌数达到阈值如65%时自动触发一个“摘要模型”将当前对话压缩成一段精炼的要点保留所有数字、报价等关键信息从而腾出空间继续长对话。L3向量存储ChromaDB每一轮对话都会被转化为向量并存储到ChromaDB数据库中且通过customer_id进行隔离。下次该客户再来咨询时AI可以语义检索所有历史记录。L4灾难恢复每天中午12点将完整的CRM状态快照保存到ChromaDB。即使前面三层全部失效也能从这里恢复所有客户数据。第七层工具层TOOLS.md配置AI可以调用的外部工具和能力。例如CRM集成如何连接你的Google Sheets或Airtable进行数据的增删改查。渠道配置WhatsApp、Telegram、邮箱的API密钥和发送策略。网络搜索配置Jina AI等搜索工具让AI能主动获取潜在客户的公司信息或行业新闻。通过这七层文件的配置你实质上是在构建一个专属于你公司的、数字化的“销售专家知识体”。AI不再是通用模型而是一个深度理解你业务的专属销售代表。3. 从零到一的完整部署与配置实战理解了架构接下来我们一步步完成部署。项目提供了两种主要路径如果你已有OpenClaw或Hermes Agent环境一键安装即可如果需要全新部署也只需5分钟左右。3.1 环境准备与方案选择方案A推荐基于现有OpenClaw环境最快如果你已经在使用OpenClaw部署简单到只需一条命令clawhub install b2b-sdr-agent这条命令会从ClawHub技能市场下载并安装完整的AI SDR技能包包括所有7层上下文文件和附属技能如delivery-queue,supermemory。安装后你需要定制核心文件# 进入技能目录 cd ~/.openclaw/workspace/skills/b2b-sdr-agent/references/ # 编辑身份和用户文件 vim IDENTITY.md vim USER.md将文件中的所有{{placeholders}}替换成你的真实信息。你也可以将这些文件复制到OpenClaw的主工作空间目录方便统一管理。方案B完整独立部署更灵活对于新用户或需要自定义部署的情况建议采用此方案。克隆仓库并进入目录git clone https://github.com/iPythoning/b2b-sdr-agent-template.git cd b2b-sdr-agent-template配置核心工作空间文件 项目根目录下的workspace/文件夹包含了7个Markdown模板。你需要重点修改其中三个workspace/IDENTITY.md定义公司和AI角色。workspace/USER.md定义产品、ICP和竞争对手。workspace/SOUL.md定义沟通风格和规则。 你可以直接编辑或者使用项目提供的行业示例快速启动。例如如果你是重型机械出口商cp examples/heavy-vehicles/IDENTITY.md workspace/IDENTITY.md cp examples/heavy-vehicles/USER.md workspace/USER.md然后在此基础上修改具体细节。配置部署参数cd deploy cp config.sh.example config.sh vim config.sh这个配置文件是关键需要你填写以下几类信息服务器与AI模型SERVER_HOST你的服务器公网IP PRIMARY_API_KEYsk-... # 你的OpenAI、Anthropic或Kimi等LLM的API密钥渠道配置WHATSAPP_ENABLEDtrue # 启用WhatsApp TELEGRAM_BOT_TOKEN你的Telegram Bot Token # 如需启用Telegram SMTP_CONFIG... # 邮箱发送配置CRM集成以Google Sheets为例SHEETS_ENABLEDtrue SHEETS_SPREADSHEET_ID你的Google Sheets表格ID SHEETS_CREDENTIALS_JSON{type: service_account, ...} # 服务账号密钥管理员设置ADMIN_PHONES8612345678900 # 你的手机号带国际区号用于接收报告和管理机器人执行部署脚本./deploy.sh 你的公司名脚本会自动安装Docker、拉取镜像、配置环境并启动所有服务。完成后你会看到类似输出✅ Deploy Complete: 你的公司名 Gateway: ws://你的服务器IP:18789 WhatsApp: Enabled Skills: b2b_trade (28 skills)此时你的AI SDR已经上线。你可以通过输出的Web Dashboard链接http://你的服务器IP:18789/?tokenxxx查看实时状态和对话记录。3.2 关键配置详解让AI真正为你所用产品知识库Product Knowledge Base配置AI生成准确报价的前提是了解产品。你需要构建product-kb/目录。核心是catalog.json文件它是一个产品数组。[ { id: excavator-xyz200, name: 履带式挖掘机 XYZ-200, category: 重型机械, description: 适用于矿山和大型土方工程..., specs: {Engine: Cummins 6BTAA5.9, Bucket Capacity: 1.0m³, Weight: 20t}, price: {USD: 85000, CNY: 595000}, // 基础价格 moq: 1, // 最小起订量 leadTime: 45-60 days, tags: [mining, construction, new] } ]你还可以为每个产品创建更详细的info.json文件。当客户询问“XYZ-200挖掘机的发动机型号是什么”时AI会自动从这里检索信息并回答。WhatsApp策略配置默认情况下AI SDR设置为接受所有人的消息dmPolicy: open这对销售场景是最合适的。但你也可以根据需求调整allowlist模式仅接受ADMIN_PHONES列表中号码的消息。适合内部测试阶段。pairing模式客户需要先发送一个配对码才能开始对话。适合更封闭的销售场景。 配置位于服务器上的~/.openclaw/openclaw.json修改后需要重启网关服务。4. 核心技能与自动化工作流实战安装部署只是开始真正强大之处在于其预置的技能集和自动化工作流。这些技能像乐高积木一样可以被AI在销售流程中自动调用。4.1 十大销售阶段自动化实战让我们跟踪一个虚拟客户“Mike”从咨询到成交的全过程看看AI SDR如何工作阶段1与2线索捕获与BANT资格审核Mike在WhatsApp上发送消息“你好我对你们的挖掘机感兴趣。”AI SDR收到消息立即在CRM如Google Sheets中创建一条新记录分配一个唯一的customer_id。AI根据SOUL.md中的规则用友好专业的语气回复“您好Mike很高兴为您服务我是[公司名]的机械出口顾问。为了给您提供最合适的型号可以了解一下您计划用于什么工程吗以及大致的采购时间安排是”通过几个回合的自然对话AI会巧妙地将BANT预算、决策权、需求、时间线问题融入其中并将答案结构化地存入CRM的对应字段。阶段3与4CRM录入与客户背景调研在对话间隙lead-discovery技能可能被触发。AI会自动以Mike提供的公司名或行业关键词通过Jina AI进行网络搜索获取其公司规模、所在地、业务范围等信息并自动填充到CRM的“公司背景”字段丰富客户画像。阶段5智能报价生成当Mike确认需要“XYZ-200挖掘机2台运往肯尼亚蒙巴萨”后AI调用quotation-generator技能。该技能从product-kb/读取产品详细规格和基础价格。结合运费计算可集成外部API、付款条款从IDENTITY.md读取生成一份包含公司信头的、格式专业的PDF形式发票Proforma Invoice。AI将PDF通过WhatsApp发送给Mike并同时发送一份到你的邮箱附言“老板这是给Mike的初步报价请审核。”阶段6与7谈判与报告Mike回复“价格能再优惠5%吗”AI根据SOUL.md中的谈判规则如“首次还价可提供2%折扣并强调售后服务价值”进行回复。同时在CRM中将该客户的“状态”更新为“谈判中”并将折扣请求记录在案。第二天上午9点你会在WhatsApp上收到HEARTBEAT.md触发的每日报告“早上好目前有3个新线索5个客户在谈判中。其中Mike对XYZ-200的谈判已进入第二轮议价。”4.2 关键技能深度解析delivery-queue交付队列这是实现“拟人化”的关键。它不会让AI秒回信息而是模拟人类的回复间隔可配置为3-90秒随机延迟。对于跟进消息可以设置为“24小时后发送”。这能极大提升对话的真实感避免给客户带来机械式的压迫感。sdr-humanizerSDR拟人化包含一系列微规则。例如避免使用“嗯”、“哦”等机械词在客户发送长语音后回复“您刚才提到的几点我记下了特别是关于交货期的部分…”以示认真倾听根据对话活跃度动态调整回复长度和频率。chroma-memory向量记忆这是L3记忆层的实现。每次对话后AI会自动将本轮对话的文本向量化并与customer_id一起存入ChromaDB。当Mike一周后再次询问“上次我们谈的挖掘机价格…”AI能瞬间检索出所有相关历史对话实现无缝衔接。4.3 多租户与IP隔离策略如果你是为多个客户部署AI SDR例如一家外贸服务公司为多个出口商部署WhatsApp IP隔离就至关重要。WhatsApp会识别设备IP如果多个账号从同一个IP频繁活动可能被风控。 项目提供了deploy/ip-isolate.sh脚本其原理是为每个租户每个AI SDR实例分配一个独立的Cloudflare WARP账户和wireproxy实例从而让每个AI SDR拥有独一无二的出口IP。# 为名为 acme-corp 的客户部署隔离 ./deploy/ip-isolate.sh acme-corp在config.sh中设置IP_ISOLATEtrue即可在部署时自动执行此操作。这保证了每个AI SDR账号的登录和活动在WhatsApp看来都来自独立的“设备”和“网络环境”极大提升了账号安全性。5. 常见问题排查与优化经验在实际部署和运行中你可能会遇到一些典型问题。以下是我根据经验总结的排查清单和优化建议。5.1 部署与连接问题问题现象可能原因排查步骤与解决方案部署脚本./deploy.sh执行失败报错关于Docker或端口。1. 服务器未安装Docker或Docker Compose。2. 所需端口如18789被占用。1. 运行docker --version和docker-compose --version检查安装。可参考官方文档安装。2. 运行 sudo netstat -tlnpWeb Dashboard 无法访问。1. 服务器防火墙未开放端口。2.config.sh中GATEWAY_BIND设置为loopback仅本地访问。3. 网关服务未成功启动。1. 检查云服务器安全组/防火墙规则放行GATEWAY_PORT。2. 如需远程访问确保GATEWAY_BINDlan。3. 在服务器上运行docker-compose logs gateway查看网关日志。WhatsApp扫描二维码后无法连接或很快掉线。1. 服务器IP被WhatsApp风控常见于数据中心IP。2. 时区或系统时间不正确。1.这是最常见问题。强烈建议使用住宅IP代理或项目提供的IP隔离功能使用WARP。对于生产环境考虑购买稳定的住宅代理服务。2. 运行timedatectl status确保服务器时区与目标市场一致。AI不回复消息或回复内容混乱。1. LLM API密钥无效或额度不足。2. 7层上下文文件特别是IDENTITY.md和SOUL.md配置有误导致AI角色认知混乱。3. 上下文令牌超限记忆系统未正常工作。1. 检查config.sh中的PRIMARY_API_KEY并在LLM提供商后台确认状态。2. 仔细检查workspace/下的Markdown文件确保所有{{placeholders}}已被替换且语法正确。3. 检查MEMORY.md中关于L2总结的令牌阈值设置或查看chroma-memory技能日志确认记忆是否被正确存储和召回。5.2 销售流程与效果优化问题AI的回复过于机械不像销售。解决深度优化SOUL.md文件。不要只写规则要注入“人格”。例如加入一些销售常用的话术模板“我完全理解您对价格的考量很多客户最初也这样认为但在比较了售后服务和设备寿命后…” 同时在USER.md中丰富产品描述不要只写参数多写应用场景和客户价值故事AI在回答时会借鉴这些语言。问题客户总是问“你是机器人吗”解决这是sdr-humanizer技能要解决的核心。确保该技能已启用。此外在SOUL.md的“硬性规则”里加入一条“如果被直接询问是否是AI应回答‘我是[公司名]的数字化销售助理由团队训练来为您提供即时、专业的咨询服务。我的所有报价和方案都需要经过资深顾问的最终确认请您放心。’” 既诚实又体现了人工监督的价值。问题来自不同地区的客户AI无法有效区分沟通风格。解决利用CRM和记忆系统。在USER.md的ICP中可以定义不同地区的客户特征。当AI通过客户号码的国家区号或对话中的地理位置信息识别出客户来自中东它可以主动从SOUL.md的“文化适配”部分调用更正式、更尊重层级关系的沟通策略。这需要你在初始配置时做一些细致的分类工作。问题报价总是出错比如运费计算不准。解决quotation-generator技能是可扩展的。默认的报价逻辑可能比较简单。你需要根据业务修改其背后的脚本如product-kb/scripts/generate-pi.js集成你的运费计算API或关税数据库。对于复杂产品可以在product-kb/catalog.json中为每个产品配置一个priceCalculator字段指向一个自定义的计算函数。5.3 性能与成本控制LLM API成本长上下文和频繁的摘要生成会消耗大量令牌。优化建议1. 在MEMORY.md中调高L2总结的触发阈值例如从65%调到75%减少总结频率。2. 对于非关键的记忆检索可以考虑使用更便宜的嵌入模型如OpenAI的text-embedding-3-small搭配ChromaDB而不是每次都让大模型处理长上下文。响应速度如果AI回复变慢可能是网络或LLM API延迟。优化建议1. 确保服务器地理位置靠近你的主要客户市场或LLM API服务器。2. 在config.sh中配置备用API密钥和故障转移策略。3. 对于简单的问候、确认收货地址等任务可以探索使用小型、快速的本地模型通过OpenClaw的本地模型集成来处理将复杂谈判留给大模型。这个模板的强大之处在于它的可塑性和完整性。它没有将AI销售视为一个简单的问答工具而是构建了一个完整的、有记忆、有策略、可进化的数字销售体系。从最初的线索接触到最终的成交回访它提供了一条清晰的自动化路径而你需要做的就是将自己的行业知识和销售经验“灌输”到那七个Markdown文件中。剩下的就交给这个不知疲倦的AI SDR让它去覆盖你睡着时的时区去跟进那些容易被遗忘的温线索去把销售流程中所有可结构化的部分变得高效而精准。