简介一份完整的AI获客智能体构建实战指南面向传统行业中小老板、创业者及销售运营人员聚焦用DeepSeekCoze从0到1搭建短视频获客智能体的全流程。资源为docx格式共1个文件压缩包约1.75MB目前已吸引627人学习。文档从智能体定位与目标出发结合蛋糕店老板短视频起号实例拆解账号定位、对标拆解、选题库搭建等环节的痛点并输出DeepSeek可协助的任务清单与人工动作对照表。随后细化场景工作流给出自动爬取视频信息、生成拆解报告等功能需求最后落地到Coze工作流创建、绑定、测试与发布。读者可据此快速复制一套AI获客分析流程把80%重复性分析交给AI提升选题、拆解与优化效率。1. 为什么“DeepSeekCoze”组合成了AI获客智能体的主流起手式做AI获客智能体这件事大多数人一开始都走错了路先去找大模型再去找平台最后才想起来自己要解决什么。真正干过一遍的人会告诉你这套组合里最难的不是技术而是把一个销售场景拆成一套能让大模型稳定执行的对话逻辑。DeepSeek负责“懂人话、会生成”Coze负责“接消息、跑流程、存数据”两者拼在一起才是一个完整的获客智能体。市面上单独聊DeepSeek API调用的教程很多单独聊Coze工作流的教程也不少但能把“定位→搭建→调优→落地”串成一条完整链路的并不多。这篇文章就按照我实际做过的方案把这套全流程讲透包括参数怎么设、坑在哪里、跑起来以后拿什么指标判断它到底行不行。适合谁看想用AI做销售线索获取的运营、准备给公司搭一套获客系统的技术人员以及已经在Coze上折腾过但转化率一直上不去的朋友。2. 先把获客场景拆成会话蓝图定位、用户路径与转化节点2.1 从“被问”到“主动问”AI获客和客服机器人的本质差异客服机器人解决的是“用户来了我怎么接住”AI获客智能体解决的是“用户来了我怎么让他留下线索甚至直接下单”。这两件事的底层逻辑完全不同。客服机器人追求的是满意率话术偏保守答不上来就转人工获客智能体追求的是转化率它必须在对话里主动设计“钩子”——比如在合适的时候提出“留个电话我们出个方案”或者“加个企微我把报价单发你”。很多人在Coze上搭建时犯的第一个错误就是把客服机器人的对话流程直接拿过来当获客流程用。结果就是用户问一句它答一句聊得挺愉快但聊完用户就走了一个线索没留下。获客智能体必须在会话蓝图阶段就明确用户在哪个节点应该收到什么信息、在哪个节点会被引导留下联系方式、在哪个节点触发人工介入。这些不是靠模型自由发挥能保证的必须在工作流里用节点卡住。2.2 会话蓝图的三段式结构开场、回应、转化我一般会把获客会话拆成三段开场白、需求确认、转化引导。三层各自承担不同职责在工作流里对应不同的处理模块。开场白前2轮对话“用一句话说清你能帮对方解决什么”。这里的关键是不要问“您好有什么可以帮您”——这是客服逻辑。获客逻辑应该更主动比如“您刚才看了我们的小程序是想了解企业版的报价吗”。开场白的目的是把用户的注意力从“随便逛逛”拉到“某个具体需求”上。需求确认第3到第8轮对话围绕“预算、时间、决策角色、核心痛点”四个维度收集信息。这个阶段的每一句回复都要有目的性要么是在确认需求要么是在引导用户说出更多业务信息。我会在Coze的变量节点里预设好四个字段bot每套出一个信息就写入变量套不出来就换个方式再问。转化引导用户表达出明确意向之后给出可执行的下一步。包括但不限于“留下手机号获取完整方案”“扫码进群领资料”“预约腾讯会议演示”。这段必须有强指令性不能含糊。2.3 给智能体定人设语气、边界与话术模板人设不是用来“拟人”的是用来约束模型输出范围的。在Coze的Bot配置里人设提示词写得越具体后面的工作流就越稳定。我常用的写法是包含“身份任务禁区话术风格”四部分你是一家SaaS公司的售前顾问负责解答企业客户的报价、功能和实施问题。 你的目标是在对话中收集客户的行业、公司规模、使用场景和决策预算。 严格禁止做的事编造不存在的功能、承诺“定制开发”的时间节点、给出未经确认的价格折扣。 话术风格简洁、专业、避免反问句连环追问。每段回复不超过120字。 当客户明确表达“想进一步了解”时立即引导对方留下联系方式不要继续聊功能细节。这段配置的价值在于它把模型能力的“上限”变成业务需要的“下限”防止DeepSeek在对话中发挥过头。同时人设里明确写了“收集哪些信息、什么时候引导留资”这直接对应后续工作流里的节点判断条件——当变量字段被填满到一定比例时Bot自动切换话术策略。3. 在Coze上搭建智能体主流程模型接入、人设配置与工作流编排3.1 模型选择的三个必调参数温度、频率惩罚与上下文长度Coze平台默认接入了多款大模型DeepSeek是其中响应速度和中文能力平衡得比较好的一个。在Bot的“模型设置”里有三个参数建议主动调整而不是用默认值。第一个是温度temperature。获客场景建议设在0.3到0.6之间。低于0.3回复会非常生硬像是念产品说明书高于0.7模型容易跑题可能从“邀约演示”聊到“行业趋势”上去。第二个是频率惩罚frequency_penalty建议设置在0.6左右。这个参数控制的是“同一个意思的句子会不会换个说法反复说”。拉高频率惩罚可以明显减少DeepSeek在获客对话里车轱辘话来回说的情况。第三个是上下文长度Coze默认是模型自动管理但在获客场景里建议手动限制在10轮对话以内。原因很简单获客对话的目标是快速收集信息并引导留资对话太长说明流程有纠缠这时候宁可重新开启新会话。提示温度参数影响的是每个回复的确定性不是整个会话的“性格”。不要指望靠调温度让Bot变热情热情要靠人设提示词去写。3.2 用工作流把“闲聊”变成“获客漏斗”Coze工作流是整个智能体落地的核心骨架。获客智能体的工作流不必一次性搭得特别复杂但至少要包含四个固定节点入口判断、意图识别、信息收集、转化动作。入口判断节点接收用户的第一条消息判断是“直接提问”“询价”还是“闲聊”。这里我通常直接用DeepSeek的意图分类功能让模型输出一个JSON字段工作流再根据这个字段路由到下一层。# 意图识别节点的思路示例在Coze工作流的代码节点中实现 import json def main(input_text: str) - dict: # 调用DeepSeek这里用封装好的环境变量API Key result llm.chat( modeldeepseek-chat, temperature0.1, messages[ {role: system, content: 你是意图分类器只输出JSON不要解释。}, {role: user, content: f判断下面用户意图输出intent字段price/business/chat/other。\n用户说{input_text}} ] ) return json.loads(result)这段代码实现的是工作流里的“路由大脑”。逻辑说明先用低温减少分类结果抖动再把大模型的能力封装成一个标准函数供工作流其他节点调用。参数说明里最值得关注的是temperature0.1意图分类是确定性任务不需要创造性温度设得越低分类越稳定。信息收集节点要配合变量使用。我在Coze里预置的变量是user_industry行业、user_scale规模、user_scene场景、user_budget预算。工作流每轮对话结束后执行一次变量更新判断四个字段全部非空时触发条件节点跳转到转化引导分支。转化动作节点是获客智能体和客服机器人的分水岭。这里不推荐用纯模型问答去“等用户主动留资”而是做成一组可触发的动作工作流调用API写入CRM同时推送一条卡片消息里面放预约链接或二维码。在Coze上这一步通过“插件节点”或“自定义API节点”完成。3.3 知识库与插件给DeepSeek补充私域数据与行动能力裸的DeepSeek对产品细节、价格折扣、客户案例这些信息一无所知必须靠在Coze知识库里上传私有文档来解决。获客场景下知识库建议分三类产品FAQ应对客户功能提问、报价指南应对价格区间询问但不直接报底价、案例分析给客户“别人怎么用”的信任证据。我在实际项目中踩过的坑是文档太长导致检索命中率下降。Coze知识库对单篇文档有处理上限一篇文档超过5000字检索质量和切片质量都会明显下滑。解决办法是文档精细化切分一个主题一篇文档文件开头先用100字写明适用场景正文只保留问答对。插件方面获客智能体最常用的插件是“链接解析”和“表单提交”。链接解析用于识别用户发过来的网页/文章链接判断是不是竞品或者需求描述表单提交用于把收集到的信息写入CRM。在Coze插件商店里搜“表格”“CRM”能找到现成插件没有的话就用自定义API节点写一个HTTP请求# 自定义API节点示例提交线索到CRM系统 import requests def main(user_name: str, user_phone: str, user_company: str) - dict: # CRM接口实际使用时替换成业务系统地址 resp requests.post( urlhttps://your-crm-system.example.com/api/leads, headers{Content-Type: application/json}, json{ name: user_name, phone: user_phone, company: user_company, source: deepseek_coze_bot }, timeout5 ) return {status: resp.status_code, lead_id: resp.json().get(id)}这段代码把从对话里提取出的线索数据结构化推送到CRM。参数说明timeout必须设置5秒以内获客场景下用户不会等一个接口响应超过3秒source字段打上渠道标签方便后续统计这个智能体实际带来了多少线索转化分析时必用。4. 用DeepSeek写提示词和话术从“会聊天”到“能成交”4.1 让DeepSeek生成话术的提示词模板获客智能体的话术质量直接决定转化率但话术不是凭空写出来的我一般会让DeepSeek先出一版初稿再人工逐句调整。这里的关键是提示词里必须带“场景约束”否则DeepSeek会生成一堆正确但没用的废话。示例如下请为下列场景生成5条B2B获客开场白。约束条件 1. 面向企业客户决策人角色是运营总监 2. 我们提供AI数据分析工具可在10分钟内完成客户行为分析 3. 不能出现“限时优惠”“折扣”等促销词 4. 每条开场白不超过60字语气自然不要像机器人 5. 目标让客户愿意回复并透露当前使用的工具名称。 场景背景客户在官网停留超过3分钟看过价格页和案例页。这个提示词模板的核心是“给结果加约束”DeepSeek生成的初稿大约80%可以直接用20%需要人工改掉过度承诺和术语堆砌。提示词里“不能出现促销词”这条特别有用——大模型天然倾向用促销语言刺激用户但B2B决策流程里促销词只会让客户觉得不专业。4.2 把DeepSeek的输出变成Coze工作流的变量话术生成之后不是直接粘贴到Bot配置里而是要嵌入工作流中作为动态内容。获客智能体要面对的用户是千人千面的每个用户的需求背景、沟通风格都不同话术必须能够根据用户输入实时生成。在Coze的“大模型节点”里配置动态提示词模板把用户填写的关键变量行业、规模、痛点作为模板参数传入。模板这样写客户信息 - 行业{user_industry} - 公司规模{user_scale} - 沟通中提出的问题{last_user_message} - 当前对话轮次{conversation_round} 您的任务针对上述信息生成一句自然的回复回答客户问题并顺势提出一个更深入的问题来确认客户的具体场景。注意不要推销不要提促销。这里的关键是“回答客户问题”和“确认场景”两个动作要结合不要让模型只回答、忘了收集信息。Coze工作流中的变量引用语法是花括号包字段名上方的模板在实际执行时Coze会用当前会话中存储的变量值替换掉这些占位符。参数配置上大模型节点在获客场景下建议选择DeepSeek的deepseek-chat模型温度设置在0.4到0.6之间。这里比意图识别节点温度高的原因是话术生成需要一定的变化空间否则每个用户收到的话术都一模一样会被识别成机器人。但不要超过0.6超过后会出现模型为了“变着法子说”而偏离业务目标的风险。5. 测试与调优AI获客智能体的常见翻车点与避坑清单5.1 空转与自问自答如何识别对话失控现象用户只发来一个含糊的词智能体自己编出一整段对话先问“您是想了解报价对吗”再回答“我们的报价分为三档”全程自言自语。原因是工作流里缺少最低信息量校验模型面对模糊输入时倾向于“脑补完整会话”。解决在入口节点后加一个判断逻辑——如果用户输入少于4个字不含标点工作流直接返回一句确认话术“为了更好地帮您方便说一下您目前遇到的主要问题吗”而不是进入完整生成流程。这条规则用Coze条件节点就能实现不要指望模型自己判断——模型天然倾向多说规则必须靠节点卡住。5.2 信息幻觉DeepSeek回答过界时的三条防线现象用户问“你们有没有团队协作功能”产品其实没有这个功能但模型回答“有的支持多人同时在线编辑”。这就是信息幻觉在获客对话里最危险的形态远比答非所问严重。原因大模型在没有明确产品边界约束时默认“应该帮用户解决问题”于是把通用概念“团队协作”当成自己具备的能力。解决用三层防线第一层知识库必须放置最新的产品能力清单并在人设提示词中写明“回答功能问题前先检索知识库若知识库无此功能信息回复‘这个功能我需要和产品团队确认’”第二层把产品能力维度做成工作流条件节点用户问到功能时强制走知识库检索分支大模型直接生成的分支只处理情感类和开放性问题第三层在提示词里加一段“禁止承诺”清单把所有不能承诺的范畴明确列出来。注意幻觉问题在获客场景里是必须清零的重度事故一次虚假承诺会导致一批线索流失。不要依赖模型自查要用架构兜底。5.3 表单抓取失败关键信息收集的兜底方案现象用户在对话里明确说了“我是做跨境电商的公司大概50人想了解专业版”但CRM里收到的线索只有公司名行业和规模字段全部为空。原因模型从对话中提取信息时不稳定偶尔提取不到或者提取格式和CRM接口要求的字段类型不匹配。这不是单次偶发而是每几十次对话就会丢一个字段的量级。解决在信息收集节点后增加一个“信息完整性检查”脚本判断四个关键字段是否全部非空。如果有缺失工作流进入补充追问分支而不是推送给CRM。追问逻辑用最自然的方式不要生硬地说“您还没提供规模信息”而是让模型基于上下文自然接话——“刚才您提到公司在做跨境电商方便问一下团队大概多少人来判断展示方案的形式吗”这样既是追问也在推进对话不打断沟通氛围。5.4 频率限制与成本失控上线前必做的三道检查第一道检查并发上限。Coze免费版对API调用频率有限制上线前要预估同时对话人数超出限制直接导致用户发消息无响应。常见做法是在工作日用压测工具模拟20个用户同时对话观察响应时间。第二道检查单次会话成本。DeepSeek的API按tokens计费如果工作流里每个节点都调用一次模型一次完整获客对话的成本可能比预期高出3到4倍。建议精细统计工作流里每个节点的tokens消耗把不需要用到DeepSeek的环节换成规则逻辑——例如FAQ检索优先走知识库不先走大模型。第三道检查错误熔断。工作流里所有API节点都要写超时和失败重试逻辑否则CRM短暂不可用会导致整个会话中断用户正在输入的留资信息直接丢失这个线索就永久流失了。6. 落地验证与进阶从“能跑”到“敢投”的三个判断指标6.1 用会话日志反推话术漏洞一个半小时的复盘法上线一周后我做的第一件事不是看线索总量而是拉取全部会话日志把对话按“流失节点”分组。流失节点有两种一是用户在开场白后5轮内就离开二是用户已经表达兴趣但最终还是没留资。第一种暴露出的是开场白与目标用户不匹配说明人设提示词里的目标人群画像没写准。第二种暴露出的是转化动作太生硬用户在等一个更有说服力的理由但话术直接跳到要手机号显得突兀。复盘方法很简单每天抽30条会话日志按流失位置分类找共性话术问题。这个动作坚持一个半小时就能定位到80%的话术漏洞。6.2 进阶技巧让智能体自动分配销售线索会话结束且线索字段完整时工作流可以根据公司规模字段自动分流大客户线索进入A组销售队列中小客户进入B组未明确规模但行业清晰的分入C组。在Coze条件节点中配置分流规则然后调用API将带分组标签的数据写入CRM。这一步不需要额外开发用已有的API节点加一个if-else分支就能完成但对线索跟进质量的提升非常直接因为不同体量的客户需要完全不同的首次触达话术。6.3 边界提醒AI获客智能体做不到的事获客智能体擅长的是规模化筛选和初步说服不擅长的是价格谈判和复杂异议处理。我踩过一次很大的坑让智能体自动回复一个关于售后SLA服务等级协议的技术追问结果它编了一个不存在的响应时效最后客户合同审查时发现了这个假承诺险些丢掉订单。现在我把所有技术承诺类问题全部设置为转人工关键词并用条件节点强制拦截。做AI获客先学会收住边界再谈增量。这是我做这个项目最大的教训希望帮到你。本文还有配套的精品资源点击获取