Skip to content

About

面向跨境销售在 WhatsApp 上的客户跟进场景的 Agent 原生 CRM:人工确认记忆、多专家商机协作、受控跟进与 Mission 续跑、分层评测。

Topics

Resources

Code of conduct

Contributing

Security policy

Stars

0 stars

Watchers

0 watching

Forks

Latest commit

 

History

19 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

跨境客户经营系统

面向跨境销售在 WhatsApp 上的客户跟进场景的 Agent 原生经营工作台。让 Agent 读取客户、商机与企业知识,调用工具推进业务;让人看清它做了什么、依据什么,以及 CRM 发生了哪些变化。

架构说明 · 服务接入 · 开发配置 · 验证记录

在线演示

▶ 打开在线演示(无需配置) · 本地启动

纯静态回放:包含脱敏的真实模型录制 + 合成 CRM 场景,无真实外发,不需要 Supabase / Redis / API Key。想跑起来看本地开发,见下方「快速开始」。

CRM 保存业务事实,Agent 驱动跟进行动,Harness 管理执行边界与授权。

定位

跨境销售在 WhatsApp 上跟进客户,有两个根问题:

  • 记忆不可信 —— 谁说过什么、客户偏好哪些,散落在会话与各处,Agent 无法区分事实与猜测。
  • 自动跟进危险 —— 没有约束的自动发送可能把「在谈」写成「已成交」,造成真实损失。

本系统整合人工确认的客户记忆、企业知识与商机事实,支持多专家只读协作的商机分析、受控跟进与 Mission 续跑,并通过分层评测与失败样本回归形成可追查的修正闭环。

核心能力

客户确认记忆与 Mem0 排序

  • 本地 SQL 保存人工确认的客户事实,作为唯一权威;Mem0 只对已确认条目排序,不做事实源。
  • 远端命中须经归属标识、运行标识和内容哈希核对,并映射回本地记录 ID,否则丢弃。
  • 服务不可用或部分返回时回退本地读取,并标明覆盖范围。
  • 读回前后重新校验隐私与最新事实,避免把「未检索到」误判为「客户没有该偏好」。
sequenceDiagram
    participant U as 人工确认
    participant CRM as CRM 产品层
    participant SQL as SQL 唯一权威
    participant M as Mem0 适配器
    participant C as 上下文构建

    U->>CRM: 确认客户事实(归属 / 运行 / 内容哈希)
    CRM->>SQL: 写入已确认事实
    SQL-->>CRM: 返回本地记录 ID
    CRM->>M: 仅对已确认条目排序(不做事实源)
    M-->>CRM: 排序后的记忆候选
    CRM->>SQL: 核对归属 / 版本 / 哈希,映射本地 ID
    SQL-->>CRM: 命中或丢弃
    CRM->>C: 回填最新事实(重校验隐私与新鲜度)
    C-->>CRM: 「未检索到」不等于「客户没有该偏好」
Loading

商机专家协作与证据冲突

  • 商机评审同时核对客户事实、跟进状态和公司政策;多个子代理直接写 CRM 会放大责任面、让冲突难审计。
  • 专家仅作只读证据生产者,父流程作为单一写者并承接受控动作。
  • 专家以字段值哈希加来源版本产出断言;父流程区分事实分歧、版本漂移与互补片段。
  • 保留冲突位置及失败/部分结果,报告可追查分歧依据。

受控跟进与 Mission 续跑

  • 负责人调整跟进方向时,以 Mission 方向版本创建新 Run,撤销旧待执行动作、使旧草稿过期并暂停旧客户发送。
  • 成功回合中核对新方向是否进入最终模型上下文,将接收确认与运行消息同事务保存。
  • 方向版本与接收记录可对应追溯;新指令仍须经过独立动作授权。

分层评测与失败样本回归

  • 商机报告即使引用真实记录,也可能把「在谈」写成「已成交」。
  • 先核对成功工具观察中的来源标识与结构化字段断言,再运行独立语义 Judge,以更严格的结论合并两层检查。
  • 区分「引用未观察」「字段矛盾」「语义待复核」三类问题。
  • 已存评价须匹配运行材料、评测规范及模型版本;资料变化后不能沿用旧高分。

架构概览

flowchart LR
    A[WhatsApp 客户消息<br/>WAHA] --> C
    B[负责人目标 · 商机对象] --> C

    C[上下文构建<br/>客户事实 · 企业知识 · 历史 Run] --> D[专家只读调查<br/>多专家 · 字段断言]
    D --> E[父流程单一写者]
    E --> F{独立动作授权}
    F -->|驳回| D
    F -->|通过| G[受控动作<br/>跟进 · Mission 续跑]

    G --> H[(CRM 客户事实<br/>SQL 唯一权威)]
    H --> I[Mem0 排序]
    H -->|回填| C
    G --> J[Run 事件 · Trace]
    J --> K[分层评测<br/>结构断言 + 语义 Judge]
    K -->|失败样本回归| C
Loading

工作原理

WhatsApp 客户消息 · 负责人目标 · CRM 对象
          │
          ▼
上下文构建:客户事实 · 企业知识 · 商机 · 历史 Run
          │
          ▼
专家只读调查(父子 Run,证据 + 字段断言)
          │
          ▼
父流程单一写者 ──────► 受控动作 ──────► 独立动作授权
          │                                    │
          ▼                                    ▼
Mission 方向版本 · Run 事件 · Trace     分层评测 · 失败样本回归

CRM 产品层通过自有接口调用 Agent 运行内核,数据库保存业务事实,Run、事件与检查点保存执行状态。客户记忆提供唯一事实源,企业知识提供依据,工具负责动作,分层评测负责反馈与回归。

界面预览

WhatsApp 收件箱 商机看板 商机详情
WhatsApp 收件箱 商机看板 商机详情

平台能力

  • Agent 工作台:以任务和 CRM 对象为入口,支持只读调查与行动模式;在同一条时间线上查看上下文、决策、工具调用、Observation 与状态变化,并回放执行过程。
  • 受控执行 Harness:CRM 读写经过工具端口,权限、组织作用域与目标范围贯穿执行;按读取、可逆写入、外部动作和不可逆动作分类,自动执行读取与可补偿写入,对外动作经人工确认,并支持暂停、恢复、取消、租约、重试与累计预算控制。
  • 内置 Agent:
Agent 职责
CRM 情报员 汇总客户、历史会话、商机、知识与记忆,形成带证据的客户画像
销售运营 Agent 排查停滞商机、更新字段、调整阶段、安排后续跟进
客户沟通 Agent 结合会话和知识起草回复,核对承诺依据,提出转人工动作
CRM 主管 Agent 跨漏斗、任务和执行记录调查异常,组织专职 Agent 协作并汇总结果
  • 知识与记忆:组织记忆、客户记忆、知识材料与运行历史分层管理,SQL 保持业务事实源;本地 RAG 与 WeKnora 检索提供知识来源、页面版本与引用。

灵活集成

  • 模型:组织级真实凭据、默认模型绑定、固定模型版本,以及 OpenAI、Anthropic、Google 和兼容模型接口。
  • Memory:Mem0 客户记忆适配器,与 CRM 确认事实、同步队列和生命周期管理衔接。
  • LLM Wiki:WeKnora 知识检索与来源接口,与本地 RAG、组织知识权限衔接。
  • Trace / Eval:Langfuse 项目绑定、OTLP Trace 和评测分数投递。
  • WhatsApp:WAHA 会话与消息工具,将客户沟通纳入审批和审计。
  • 飞书内部协作:企业身份映射、成员绑定、消息队列、回复关联与任务续跑接口。

第三方服务按组织绑定和启用,接入配置由服务端管理。模型凭据与服务凭据在服务端保管,不写入运行事件或提交记录。

快速开始

本地开发

准备 Node.js 22+、pnpm,以及开发用 Supabase 和 Redis 配置。

git clone https://github.com/lau0708/cross-border-crm.git
cd AiNativeCrm
pnpm install --frozen-lockfile

# 仅在配置文件不存在时创建,保留已有配置
test -e .env.local || cp .env.example .env.local
test -e .env || touch .env

按照 开发配置指南填写 Supabase、Redis、应用地址及服务端加密配置;新开发数据库按指南初始化。已有数据库按迁移流程更新。

在不同终端中启动:

# Web
pnpm dev --port 3000

# Agent 执行进程
pnpm worker

# 本地辅助调度
pnpm dev:crons

打开 本地工作台,登录后在组织模型配置页绑定真实模型凭据,选择内置 Agent、CRM 对象和任务开始运行。

Mem0、WeKnora 与 Langfuse 的本地服务部署和组织绑定,见 本地服务指南与接入契约。

演示与真实运行回放

在线版:https://lau0708.github.io/cross-border-crm/ —— 无需安装、无需配置、无真实外发。

本地版(与在线版同源,便于离线查看):

node scripts/serve-agent-demo.mjs

打开 演示工作台。演示包含合成 CRM 场景与脱敏的真实模型录制;“真实模型录制”展示历史输入输出、工具调用、记忆、知识引用与评测,不重新发起模型请求。演示页面与真实后端独立运行。

常用命令

命令 用途
pnpm dev 启动开发 Web 服务
pnpm worker 启动 Agent 执行进程
pnpm dev:crons 启动本地辅助调度
pnpm ai:agents:ensure-builtins 为已有组织幂等补齐内置 Agent
pnpm typecheck 类型检查
pnpm lint 代码检查
pnpm test:unit 单元测试
pnpm test:db 数据库不变量与隔离检查
pnpm test:e2e 浏览器测试
pnpm test:e2e:acceptance 专项验收测试
pnpm test:e2e:live 真实模型场景测试
pnpm build 构建应用

项目状态

当前为内部研发版本,主分支围绕 Agent 工作台、受控 CRM 工具、多 Agent 协作、商机 Mission、知识记忆和 Eval 持续迭代。

  • 真实运行记录:已沉淀真实模型、多 Agent、Mem0 / WeKnora / Langfuse 联调与脱敏回放。查看运行记录 · 查看三服务联调
  • 系统复验记录:2026-10-03 完成单元测试、数据库不变量、关键浏览器场景及真实模型复验。查看复验报告
  • 工程复核记录:2026-10-05 类型检查、lint、构建与全量单测通过,单测 1,324 个文件、12,958 项通过。查看工程复核

执行记录用于证明实际链路,业务结果由证据与验收条件核验;详细测量范围保存在对应报告中。

技术与目录

基于 Next.js、React、TypeScript、Tailwind CSS、Supabase、Pi Agent Core / Pi AI,以及 Vitest、Playwright 构建。

目录 内容
app/、components/ CRM 页面、Agent 工作台与产品 API
lib/ CRM 领域逻辑、工具、Harness、知识记忆与服务适配器
workers/ 后台 Agent 执行
supabase/ 数据库基线、迁移与权限规则
infra/ 服务部署与接入配置
tests/ 单元、数据库与浏览器测试
examples/ 演示场景与回放入口
docs/ 架构、规格、配置与验证记录

本地输出放在 output/、tmp/ 或 scratchpad/,历史交接放在 docs/handoffs/。环境文件、真实凭据、客户数据和数据库备份不进入版本库。

文档

内部开发先阅读 AGENTS.md与CLAUDE.md。本项目包含继承代码,遵循 MIT 许可及原版权声明。

About

面向跨境销售在 WhatsApp 上的客户跟进场景的 Agent 原生 CRM:人工确认记忆、多专家商机协作、受控跟进与 Mission 续跑、分层评测。

Topics

Resources

Code of conduct

Contributing

Security policy

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages