以飞书为用户入口，将 Hermes、RAG Gateway 和 RAGFlow 连接起来，让销售人员可以直接查询企业知识并获得结构化建议。

项目背景

某数字传媒公司的销售知识、沟通话术和业务流程主要沉淀在内部文档中。销售人员在实际沟通中需要快速找到合适的回答，但传统文档检索需要反复查找和筛选。为此，我们构建了一套以飞书为入口的销售知识智能问答系统。

负责核心开发： 问答链路设计、Hermes 飞书接入、RAG 检索网关、权限隔离、安全输出和问答交互优化。

项目方案

用户体感上只是在飞书中进行一次普通 AI 对话，但系统内部会完成问题接收、知识检索、可信度判断、增强回答和安全输出。

系统时序图

系统内部经历的四个阶段

01 接收问题

飞书将用户消息转交给独立的 Hermes 销售问答助手。

02 检索资料

Hermes 调用 RAG Gateway，由 Gateway 完成问题分类、安全判断，并通过 RAGFlow 检索相关企业资料。

03 增强回答

Gateway 只把可信来源交给 LLM；没有可信证据时明确返回暂无答案，实时业务问题则引导查询权威系统。

04 返回结果

Gateway 清洗回答，Hermes 隐藏工具调用和中间过程，最终由飞书展示结构化建议。

用户最终体验

AI

销售知识助手

飞书问答示意

你

销售人员

客户觉得价格太贵，应该怎么回应？

AI

销售知识助手

先确认客户关注的是总预算、竞品对比还是配置差异，再结合产品价值、售后保障和可用方案进行回应。

回应思路

先认可客户对价格的关注，进一步确认“贵”具体来自预算、对比车型还是对配置价值的判断。

建议话术

“我理解您比较关注价格。方便问一下，您主要是觉得总预算超出预期，还是和其他车型或配置做了对比呢？”

注意事项

不要立即降价或承诺未确认的优惠政策，应先澄清原因，再基于正式资料提供方案。

• 用户不需要离开飞书或学习新的操作界面。
• 回答基于企业知识资料，不直接依赖模型自由发挥。
• 没有可信资料时不生成确定性答案。
• 库存、即时政策等问题不会用静态知识猜测。
• 聊天中不显示工具调用、系统提示、内部链接或文档 ID。
• 连续问题按顺序处理，只向用户展示最终回答。

核心技术

Hermes · 飞书机器人 · Python · FastAPI · RAGFlow · RAG

返回我的项目