杏云 CRM 智能销售助手

大约 11 分钟

杏云 CRM 智能销售助手

项目定位

这是一个 CRM 智能销售助手，围绕客户跟进、商机推进、销售话术、产品介绍和常见异议处理展开。AI 不是单独聊天，而是嵌入销售工作流，帮助销售更快做判断和记录。

项目背景

销售团队的客户资料、线索来源、沟通记录、报价方案和回款信息经常分散在 CRM、表格和即时通讯中。销售需要持续判断客户阶段和下一步动作，管理者需要了解商机质量、转化率和团队预测，信息缺失会导致客户遗忘、商机停滞和复盘困难。杏云 CRM 智能销售助手把客户管理和 AI 辅助能力融入销售工作流。

业务概述

平台服务于销售人员、销售主管、售前顾问和管理者。线索进入后，系统完成客户去重、分配、建档和跟进计划；销售记录电话、拜访、会议和报价，商机按照阶段推进并触发提醒。AI 根据客户画像、产品资料和历史互动生成会议摘要、跟进建议、话术草稿和异议处理思路，正式的客户数据、商机状态和报价审批由 Java 服务控制。

主要业务场景包括：

客户、联系人、标签、来源和负责人统一管理；
线索分配、商机阶段、赢率、预计成交和跟进计划；
产品资料、报价版本、竞品信息和合同协同；
客户画像、通话摘要、话术建议和下一步行动；
销售漏斗、转化率、跟进周期、回款和团队预测分析。

技术架构选型

1. 整体架构

采用前后端分离和按业务域拆分的服务架构，客户、线索、商机、产品、跟进、合同和分析模块通过统一网关提供服务。AI 服务负责检索资料和生成建议，业务服务负责客户权限、商机状态、审批、数据落库和审计。

2. 后端技术

Spring Boot / Spring Cloud Alibaba：构建客户、商机、跟进和分析服务；
Spring Security + OAuth2：控制组织、团队、负责人和共享客户范围；
MySQL：保存客户、联系人、线索、商机、报价和回款数据；
MyBatis / MyBatis-Plus：支持复杂筛选、漏斗统计和批量导入。

3. 中间件与 AI 能力

Redis：缓存客户画像、会话上下文、热点产品和提醒任务；
MQ：异步处理跟进提醒、导入、同步、统计和通知；
Elasticsearch + 向量库：检索产品手册、报价政策、竞品资料和历史案例；
XXL-JOB：执行商机超期提醒、日报、周报和数据同步；
Spring AI：实现摘要、话术、知识问答和受控工具调用。

主要业务模块

1. 客户与联系人

维护客户基本信息、联系人、行业、区域、标签、来源和归属，支持客户去重、合并和共享。

2. 线索与商机

管理线索池、分配规则、商机阶段、预计金额、赢率、竞争信息和下一步计划，阶段变化自动触发任务。

3. 跟进工作台

记录电话、拜访、会议、纪要和客户反馈，AI 生成摘要与行动项，销售确认后转为正式跟进记录和待办。

4. 产品与方案

管理产品、版本、价格、报价、竞品和合同模板，查询和报价动作受角色权限与审批规则约束。

5. 销售助手

检索产品知识、客户历史和异议案例，生成话术、方案说明和风险提示，支持人工编辑和引用来源。

6. 经营分析与审计

统计销售漏斗、阶段转化、成交周期、回款和团队目标，记录客户查看、导出、报价和权限变更行为。

技术要点与应用价值

客户数据按组织、团队、负责人和共享规则隔离，避免越权查看；
将客户事实、交易数据和 AI 建议分开存储，模型不能自行补全金额和承诺；
通过状态机、提醒任务和待办机制让建议真正转化为销售行动；
RAG 返回产品资料版本和适用范围，低置信度时转人工确认；
统一漏斗、回款和阶段口径，为管理者提供可追踪的经营分析。

陪跑价值与学习收获

CRM 的价值不在于保存客户资料，而在于帮助销售持续推进商机、减少遗漏、提高转化。你会围绕线索、客户、跟进、商机、报价、回款和经营分析建立完整的销售工作台，再把 AI 话术、会议摘要和下一步建议嵌入真实工作流，让 AI 输出真正能够转成行动。

学会设计客户数据隔离、线索分配、商机阶段和跟进提醒。
掌握 RAG 产品知识问答、话术生成、会议摘要和受控工具调用。
理解如何区分系统事实、模型建议和销售人员最终确认的承诺。

你将带走的成果

一套从获客到回款的 CRM 业务链路和数据模型。
一份销售助手的 AI 接入、权限控制和审计设计方案。
一套更贴近真实工作场景的 Java+AI 项目面试表达。

业务背景与建设目标

销售团队的客户资料、通话记录、拜访纪要和报价信息通常分散在 CRM、表格和即时通讯中。销售需要持续判断客户阶段、下一步动作和成交风险，管理者则要关注商机质量、跟进节奏和团队预测。如果缺少统一的过程记录，客户容易遗忘、商机容易停滞，复盘也很难依赖真实数据。

杏云 CRM 智能销售助手围绕“客户建档、线索分配、跟进记录、商机推进、方案推荐、合同协同、回款跟踪和经营分析”搭建销售工作台。AI 根据客户画像、历史互动和产品资料提供下一步建议、话术草稿、异议处理和会议摘要，Java 服务负责客户权限、商机状态、审批、数据落库和销售过程审计。

业务模块与关键流程

业务模块	核心能力	Java / AI 落点
客户与联系人	客户档案、联系人、标签、来源和归属管理	数据权限、去重合并和操作审计
线索与商机	线索分配、阶段推进、赢率和预计成交	状态机、规则校验和提醒任务
跟进工作台	电话、拜访、会议、纪要和下一步计划	结构化记录，AI 生成摘要和行动项
产品与方案	产品资料、报价版本、竞品和适配建议	RAG 检索产品知识，工具查询库存和价格权限
销售助手	话术、异议处理、客户画像和风险提示	受控上下文拼装与人工编辑确认
经营分析	漏斗、转化率、周期、回款和团队预测	聚合统计、定时任务和权限化看板

工程化难点与应用价值

客户数据隔离：按组织、团队、负责人和共享规则控制客户字段与跟进记录，防止销售越权查看。
建议与事实分离：客户画像和交易事实来自系统数据，模型只能基于可见数据生成建议，不能自行补全关键金额和承诺。
跟进动作可执行：建议必须落成下一步任务、提醒或纪要草稿，避免 AI 输出停留在泛泛而谈。
管理视角统一：从线索到回款使用统一口径，管理者可以按行业、区域、产品和阶段定位商机瓶颈。

模块流程图

技术架构

技术	作用
Spring Boot	客户、商机、跟进、知识接口
MySQL	客户、商机、话术、日志
Redis	客户画像、会话、热点数据
MQ	提醒、统计、异步同步
Elasticsearch / 向量库	产品手册、报价政策、话术库
Spring AI	摘要、建议、知识问答

AI 接入点

RAG：产品手册、报价政策、竞品材料、合同模板。
Tool Calling：客户档案、商机阶段、跟进记录、产品价格。
Agent：客户摘要、异议处理建议、下一步动作。

项目亮点

业务好理解，适合图文展示。
很适合讲“销售辅助而非销售替代”。
容易和实际工作经历挂钩。

1 分钟介绍

这个项目是一个 Java+AI 企业级项目，核心不是单独做聊天机器人，而是把大模型能力接入真实业务流程。我的讲法会先说明业务痛点，再讲 Java 后端负责流程、权限、事务和审计，最后说明 RAG、Tool Calling 和 Agent 分别解决知识检索、业务查询和多步骤编排问题。

3 分钟介绍

我会先从业务背景讲起：这个项目要解决的是传统系统中信息分散、流程依赖人工经验、处理效率不稳定的问题。整体链路上，用户先发起业务请求，Java 后端完成鉴权、参数校验、状态流转和数据落库；AI 层负责理解意图、检索知识、调用受控工具并生成草稿或建议。

技术上，项目通常会用 Spring Boot 承接核心业务接口，用 MySQL 保存业务主数据、状态记录和审计日志，用 Redis 做热点缓存、会话上下文和幂等控制，用 MQ 解耦通知、索引同步和统计任务。AI 能力上，RAG 负责检索企业知识和历史案例，Tool Calling 负责受控查询业务数据，Agent 负责编排多步骤任务。正式写操作和高风险动作不会让模型直接执行，而是进入人工确认或 Java 业务服务事务边界。

面试时我会重点强调三点：第一，AI 只是辅助理解和生成建议，不能绕过权限和审计；第二，所有工具调用都要做白名单、参数校验、限流和日志；第三，模型超时、无召回、低置信度或输出不合法时，要能降级到规则模板、人工处理或只展示已有业务数据。

简历一句话写法

我负责 CRM 智能销售助手的 Java+AI 改造，重点做客户画像、跟进建议、销售话术和商机推进。