Hermes Agent 落地指南：让 AI 帮你跑销售线索调研全流程

01 痛点钩子

销售线索最耗时的不是打电话，而是前置调研：企业信息分散、联系人真假难辨、行业背景资料不完整，导致跟进话术质量不稳定。

02 结果预告

这篇内容会带你搭一个 Hermes Agent 流程：自动拉取线索背景、生成结构化结论、输出首轮沟通建议，并形成可写入 CRM 的标准字段。

03 工具简介

Hermes Agent 适合处理“多步骤、跨工具、结构化输出”的任务。它不是替代销售判断，而是把重复的信息采集与归档自动化。

04 实战演示

先定义一个输入结构，再让 Agent 严格按输出 schema 返回结果。下面是可直接改造的 Prompt：

你是 B2B 销售线索研究助理，请对输入企业执行调研，并输出标准 JSON。

输入：
- company_name: {{公司名}}
- website: {{官网}}
- region: {{区域}}
- target_product: {{我方产品}}

任务：
1) 提取企业基础画像（规模、行业、地域、近期动态）
2) 判断与 target_product 的潜在匹配场景
3) 给出首触达建议（邮件主题、开场话术、一个痛点切入）
4) 标记风险（信息不足、决策链不清晰、合规风险）

输出 JSON Schema：
{
  "summary": "string",
  "firmographics": {
    "industry": "string",
    "size": "string",
    "region": "string"
  },
  "use_cases": ["string"],
  "outreach": {
    "email_subject": "string",
    "opening_script": "string"
  },
  "risks": ["string"],
  "confidence": 0
}

要求：
- 不编造来源，不确定项显式标注 unknown
- confidence 取值 0-100
- 输出前做一次字段完整性自检

在流程中建议加入一个「人工复核」节点：confidence < 70 时必须人工确认再写入 CRM。

示例输入

company_name: 星桥制造
website: https://example-manufacturing.com
region: 华东
target_product: 销售预测与客户分层系统

示例输出片段

{
  "summary": "星桥制造是一家区域型制造企业，公开信息显示其正在扩张经销网络，适合从客户分层和销售预测切入。",
  "use_cases": ["经销商线索分层", "季度销售预测", "重点客户跟进优先级排序"],
  "outreach": {
    "email_subject": "关于经销网络扩张后的线索优先级管理",
    "opening_script": "我注意到贵司正在加强区域经销覆盖，想和你交流一个减少销售跟进盲区的方法。"
  },
  "risks": ["联系人决策角色 unknown", "近期动态需要人工确认"],
  "confidence": 68
}

这个例子里 confidence 低于 70，所以不能直接入库或触发外发动作，只能进入人工复核队列。

05 避坑提示

• 不要让 Agent 直接调用外发动作（发邮件/发 IM），先做建议输出。
• 输出 schema 一定要固定，否则 CRM 入库会混乱。
• 给每次运行加 run_id，方便追踪回放与纠错。

人工复核清单

• 公司官网、地区、主营业务是否能从公开来源确认。
• 联系人是否真实存在，且职能和销售切入点相关。
• unknown 字段是否被保留，而不是被 Agent 编造成确定结论。
• 邮件主题和开场话术是否没有夸大、承诺收益或引用未核实数据。
• 写入 CRM 前是否保留 run_id、时间戳、输入参数和复核人。

06 进阶拓展

下一步可以加上 MCP 工具连接，把调研结果自动同步到 Notion 或企业 CRM，并在管理层仪表盘展示「高价值线索雷达」。

07 落地流程图

08 指标与验收

• 线索调研平均耗时是否从人工 20-40 分钟降到 5-10 分钟。
• CRM 字段完整率是否提升，尤其是行业、规模、场景、风险和 confidence。
• 人工复核退回率是否可控，低置信度线索是否不会自动外发。
• 首次触达回复率是否比原有人工模板提升，至少用两周小样本验证。

09 来源与延伸阅读

• https://www.salesforce.com/artificial-intelligence/
• https://openai.com/business/
• https://www.mckinsey.com/capabilities/quantumblack/our-insights

10 本文加工判断

本文把 CRM AI、企业 Agent 和经营研究资料加工成一个销售线索试点流程。适合线索量大、CRM 字段混乱、销售前置调研不稳定的团队；不适合直接让 AI 自动发邮件、自动承诺收益或替代销售负责人判断客户优先级。

更新记录：2026-06-30 补充示例输入、示例输出和人工复核清单。