飞书销售知识智能问答系统

约 1649 字大约 6 分钟

我们完成了一套面向销售场景的知识问答技术原型：销售人员直接在飞书提问，系统从受控知识库中检索依据，生成可执行的回应建议，并对库存、即时政策等无法由静态资料确认的问题拒绝猜测。

项目带来的价值

直接在飞书提问

销售人员不需要离开日常沟通工具，也不需要先知道资料存放在哪个文档或目录。

回答基于检索证据

系统先检索企业资料，再组织回答；没有足够证据时明确返回无法确认，而不是让模型自由发挥。

统一销售回应框架

将分散的话术、培训材料和客户异议处理方法，整理成可直接参考的结构化建议。

把风险挡在回答之前

实时库存、即时价格和审批结果必须回到权威业务系统确认，避免静态知识被误当成实时事实。

销售知识、沟通话术和业务流程通常分散在知识库、培训材料和历史方案中。传统检索要求使用者知道关键词、文件位置和资料版本；面对客户时，销售人员很难快速完成查找、筛选和组织表达。

这个项目把“找文档”转化为“问问题”，但没有把所有判断交给大模型。我们在模型前后加入检索、问题分类、可信度判断、权限隔离和输出清洗，让回答既能被使用，也保留明确边界。

建立独立的飞书应用和 Hermes salesrag Profile，将飞书、Hermes、RAG Gateway、RAGFlow 与 LLM 串成完整链路。真实飞书私聊问题已成功完成检索、生成和回复，不再停留在离线 Demo。

由 FastAPI Gateway 统一处理问题分类、RAGFlow 检索、可信度判断、LLM 增强和回答清洗。Hermes 不直接持有 RAGFlow 凭据，用户和模型也不能修改目标地址或绕过固定调用路径。

销售助手使用独立 Profile、独立飞书应用和单用户配对。有效工具只保留澄清与销售知识查询，不开放浏览器、终端、文件、Office、服务器管理或任意 MCP 能力，控制知识和系统权限的暴露范围。

关闭工具调用进度和中间状态气泡，只向用户展示最终回答；连续问题按顺序排队，避免新消息中断正在执行的问答。

截至 2026 年 8 月 10 日的受控验证结果：

端到端问答通过： 在飞书中询问“客户觉得价格太贵怎么回应”，系统完成 飞书 → Hermes → Gateway → RAGFlow → LLM → 飞书 全链路并返回 414 字符的结构化建议。
检索链路有效： 普通销售问题能够从测试知识库召回 6–12 个来源；一次独立 Gateway 冒烟召回 8 个来源并使用 LLM 组织回答。
成功调用耗时可观测： 上述真实飞书问答中，核心工具调用约 12.6 秒。系统功能已跑通，但端到端稳定性仍受上游模型负载影响。
安全输出有效： 返回内容未暴露 URL、内部来源 ID、Markdown 表格、工具调用过程或异常细节。
实时问题不盲答： 受控测试中的实时库存问题返回 no_answer，要求查询权威业务系统，而不是根据静态资料推断。
回归测试覆盖： 原 Gateway API 173 项回归通过；Hermes Sales RAG/Profile 19 项相关测试通过。

这些结果证明了架构和关键交互可以工作，但不能等同于生产质量验收。一次受上游过载和重试影响的完整问答曾达到约 98 秒，说明后续仍需继续优化稳定性、超时与降级体验。