行业资讯

加入亿拓客·流量大师 撬动财富之门!!!

实现券商AI Native工作流,要搭建哪几类Agent?

wang 2026-08-17 行业资讯
实现券商AI Native工作流,要搭建哪几类Agent?

五个智能角色怎样接力,客户经理又在哪些节点接管


从五个阶段到五个Agent

上一篇文章里券商AI落地难在哪?5个阶段看清AI发力点,我把一项综合财富客户经营任务拆成了五个阶段:

  1. 找到该联系的客户

  2. 想清楚怎么联系

  3. 完成沟通

  4. 记录结果并继续跟进

  5. 复盘哪些做法值得保留

流程画清楚以后,下一个问题自然出现了。

如果每个阶段都由不同的Agent承担专业工作,它们怎样共同完成同一项任务?客户经理又应该在什么时候介入?

角色名字很好列,真正难的是接力。

前一个Agent的输出能不能成为后一个的输入,客户经理什么时候确认,办理中断后谁来接手。如果这些问题没有统一答案,Agent越多,流程越乱。

多Agent协作的核心,是让多个专业角色围绕同一项客户经营任务接力,并在关键节点把判断权交回客户经理。

一、五个Agent怎么分工

重新对照上一篇文章的五个阶段,我认为更合适的划分,是五类业务智能角色,加上两项共享能力。

五类角色与客户经理真实工作的顺序一致。产品知识、规则检查和正式系统办理,则作为所有角色共同使用的能力。这样能减少重复建设,也能避免出现7个Agent(AI 助理)各自维护一套客户事实。

本文先针对这几个 Agent 做概要说明,后面几期文章将针对不同 Agent 一一详细拆解,欢迎大家持续关注

1. 找客Agent(AI 助理),回答现在应该联系谁。

它持续读取被授权的客户状态和业务事件,例如投顾服务临近到期、账户出现闲置资金、产品到期、近期交易变化、企微新问题,以及上一次沟通承诺的时间。它最终要交付一份有依据的待联系客户清单:为什么现在值得联系、依据来自哪里、建议时效是什么、还缺哪些信息。

客户经理在这里做第一次介入,判断这项联系是否值得继续,也可以驳回明显不合适的线索。

2. 联系准备Agent(AI 助理),回答这次联系要解决什么。

它读取已经确认的联系理由、客户历史、风险信息和可讨论的业务范围,准备沟通目标、需要确认的问题、可以讨论的方向、暂时不适合进入的产品范围、渠道和时间建议。

联系准备Agent还要调用统一的产品与规则知识库,获取有来源、有版本的产品事实和正式材料。这样,后续沟通使用的始终是同一套有效信息。客户经理看到整份联系方案后,可以修改、补充或直接否决。

3. 沟通Agent(AI 助理),帮助客户经理把一次沟通接完整。

电话前,它准备客户简报和沟通提纲;电话中,它提供知识与风险提示;电话结束后,它根据真实沟通结果生成企微、短信或APP内容草稿,并把跨渠道信息写回同一项任务。

客户经理始终是对外触达的责任主体AI可以准备内容和材料,不能直接发给客户。复杂沟通由客户经理完成,所有外发内容也要由客户经理确认后,通过正式渠道发送。

4. 结果跟进Agent(AI 助理),回答这次谈完以后怎么办。

它整理通话转写、企微往来、客户经理确认和正式系统返回,把结果拆成客户明确表达、客观事实、AI推断与系统结果。涉及客户意愿、投诉、重要承诺和交易结果的字段,由客户经理确认后再写入CRM。

确认完成以后,它生成下一步任务、负责人和时间。客户说过几天再联系,任务就应该在约定时间重新出现;客户需要补材料,系统应明确缺什么、由谁补、补齐后从哪里继续。

5. 复盘改进Agent(AI 助理),帮助团队判断哪些做法值得保留。

它回看完整任务时间线,识别哪些联系理由经常被驳回、哪些沟通计划反复修改、哪个环节最容易中断、哪些内容经常被客户经理重写。它提出的是候选经验,不会直接修改正式规则或知识库。

只有经过业务和合规审核,候选经验才进入团队知识、经营策略和培训材料。这里完成的是组织学习闭环。

所以,业务上可以理解为五个智能角色产品与规则知识是一项共享能力,适当性、双录、签约和APP办理仍由公司正式系统承接。Agent负责准备、解释、提醒和跟踪,不替客户作出选择,也不改变权威系统的正式结果。

二、一张任务卡怎么共用

多个Agent最容易被画成一群互相对话的机器人。放到券商业务里,这种方式很难治理。

如果协作只依赖一段不断变长的群聊记录,Agent很快就会丢失状态。更稳定的方式,是共同读取和更新一张结构化的客户经营任务卡。

这张任务卡至少包含四层信息:

  • 事实与依据:客户和产品的正式事实来自哪里,当前使用的是哪个时间点、哪个材料版本。

  • 当前状态:任务现在处于待确认、待联系、沟通中、待发送材料、待客户处理、待跟进、异常或结束中的哪一步。

  • 下一步动作:由哪个Agent或客户经理处理,应该完成什么,截止时间是什么,失败后转到哪里。

  • 确认与结果:客户经理修改了什么,哪些内容已经确认,正式系统返回了什么,是否生成了新的后续任务。

每个Agent只读取完成当前动作所需的信息,输出也必须写回任务卡。后一个Agent直接拿到最新状态和已确认结果,无需重新猜测前面发生了什么。

Agent可以分工,客户事实和任务状态不能分家。

三、一项任务怎么接力

任务编排听起来很技术,放进真实场景其实就是三件事:现在走到哪里,下一步该谁做,什么时候必须找客户经理。

以投顾服务到期客户的持续经营为例。

第一步,找客Agent发现服务即将到期。它提交到期时间、历史服务和联系限制等依据,任务进入「待客户经理确认」。客户经理确认值得联系后,任务才继续。

第二步,联系准备Agent生成联系方案。它调用共享的产品与规则知识,准备沟通目标、要问的问题和当前有效材料。客户经理修改并确认方案,任务进入「待沟通」。

第三步,沟通Agent辅助客户经理完成电话。通话仍由客户经理主导。客户想先看材料时,沟通Agent根据本次对话生成企微草稿,系统检查客户授权、材料版本和必要提示,再交给客户经理确认发送。

第四步,结果跟进Agent整理沟通结果。客户经理确认客户的真实表达和CRM待写入字段。客户暂时不续签但希望一周后再谈,任务进入「待跟进」,并生成明确时间。

第五步,客户作出进一步决定。需要办理时,任务调用适当性、双录、签约和APP等正式系统。Agent只跟踪进度和异常。办理完成、中断或客户暂缓,结果都会回到同一张任务卡。

第六步,任务结束后进入复盘。复盘改进Agent结合整条时间线提出问题和候选经验,再由业务与合规判断是否值得沉淀。

这条链路里,客户经理至少在四类节点介入:决定是否联系、确认联系方案、主导沟通及对外发送、确认客户事实和重要结果。遇到投诉、规则冲突、数据缺失或系统异常时,任务也要及时转成人工处理。

四、三条边界不能越

多Agent接力时,哪些动作可以自动推进,哪些必须停下来交给客户经理,需要一开始就说清楚。对业务人员来说,可以归纳为三条边界。

  1. AI生成的消息、材料和话术,不能直接发给客户。客户经理确认以后,再通过公司正式渠道外发。

  2. Agent只能提出系统调用请求。CRM写入、适当性、双录、签约和APP办理经过统一权限与规则检查,正式结果以权威系统返回为准。

  3. 信息不足或出现冲突时,任务要停下来。系统可以补数据、等待客户、按规则重试或升级给客户经理,不能靠模型猜测继续推进。

这三条边界横贯五个阶段。它们不用成为文章里的主角,却决定了多Agent能否真正进入生产。

五、每一步都要留痕

一项任务经过多个Agent和系统以后,故障不一定表现为明显报错。旧材料、过期客户状态、重复跟进任务、相互冲突的结论,都可能让流程看起来还在运行,实际已经偏离。

所以,每次关键动作都要进入任务时间线。系统需要记录执行角色、输入依据、知识和材料版本、客户经理修改、规则检查、工具调用、正式系统返回、重试与异常处理。

这样,客户经理能看到任务为什么停在这里,业务人员能判断哪一步经常被驳回,合规人员可以回看当时使用的规则,技术人员也能定位问题出在模型、数据、流程还是接口。

可回看,才能复盘;能解释,才谈得上持续优化。

六、先跑通一条任务

五类角色描述的是业务分工,项目第一天不用部署五个独立Agent。

第一阶段可以把找客和联系准备合并,把沟通辅助与结果跟进作为两个独立能力,复盘改进先离线运行。更重要的是先建好统一任务卡、状态推进、人工确认和受控系统工具。

先选一类边界清晰的高频任务,例如投顾服务到期经营,把发现客户、准备联系、完成沟通、记录结果和后续跟进跑顺。链路稳定后,再拆分角色、接入更多正式系统。

衡量项目是否做成,不用数上线了多少个Agent。

真正要看的是,客户经理能否在一个连续任务里完成判断、沟通、确认和跟进。

后台可以有多个Agent,前台必须是一条连续任务。

欢迎大家关注我、私信我

一起来交流~

关注金融、券商、AI领域,想用AI“反卷”,让工作和生活都变得更聪明。这里是我的思考,欢迎私聊一起交流~

券商AI落地难在哪?5个阶段看清AI发力点

公交车/地铁这些“线下广告”还有用吗?

我做了一个Skill,长文“一键”变小红书卡片【卡片可编辑】

AI Agent 公司到底有没有护城河?

还有哪些事是 “Codex们“ 不擅长的呢?

为什么你公司上了AI,效率好像没变化?

你的 Skill 效果不好,可能是做的顺序反了

“人、流程、数据、能力”—四个维度看AI如何重塑企业工作流

券业闲谈:对话即能力,企微如何基于OpenClaw重塑服务范式?

券业闲谈:券商投顾产品的下一个形态,可能是 Skill !

AI实践:OpenClaw小龙虾记忆系统设计思路(别追求完美记忆)

问“小龙虾”日记写的咋样,结果一下子花了8.81元

AI闲谈:养了2周 “小龙虾”,耗钱,耗神,偶尔有点小惊喜

AI实践:券商运营策略Skill分享,一套能落地的策略引擎怎么搭?

AI实践:我给AI装了个「大脑」,终于"真·懂我"了【附教程】

券业闲谈:券商理财功能,怎么打破“货架思维”?

AI闲谈:10亿红包+元宝派,一场AI融入社交场景的实验

AI闲谈:围绕财搭子,我看到 AI 在投资里的另一种用法

AI闲谈:AI如何重塑客服服务,让“懂人的温度”规模化落地?

券业闲谈:4种行为、16种投资风格,重新理解【股民画像】

券业闲谈:从市占率和AUM来拆解两套增长的底层逻辑

券业闲谈:年末盘点28个券商APP的更新,发现了什么?

券业闲谈:AI时代的券商APP,还能怎么变聪明?

券业闲谈:好的AI,在你开口前就应懂了七/八成

券业闲谈:AI时代,该满足用户更多的“动态需求”了

投资者花100万买私募时,究竟哪点打动了TA?

猜你喜欢

发表评论

发表评论: