段时间有朋友问，是否能利用AI技术来辅助销售团队进行培训。

这里我就用LangChain来构建一个简单的模型，构建一个AI Agent，来简单演示下实现的思路。

AI Agent也就是我们所说的智能体，相比大模型，它可以让大模型的手伸出来，来进行信息获取甚至一些实质的操作。

通过此篇你可以观察到，通过AI Agent，你给它一堆工具之后，它是否能正确的依次使用每一个工具，并且是否跟我们人工的思考方式是一样的。

 

首先我们用人工的方法思考一下，为了实现这个目标，我们都需要哪些信息。

 

销售团队的阵容，都有谁。

测评的标准是什么，多少分及格。

他们上次测评的结果都如何。

培训的内容都有哪些。

针对培训内容的评测题目。

当然实际的场景需要考虑的因素和信息可能更多，这里只做演示用，抛砖引玉。

根据这个思路，我们需要依次创建几个方法，供智能体使用，让智能体知道有啊些工具和信息可以供其使用。

以下方法为了演示方便，并未接入到任何对应的系统，只返回示例数据。

首先创建一个方法，获取销售团队的阵容，为了测试和演示方便，我们只创建三个家喻户晓的名字。

 

def get_sales() -> List:

    """获取销售列表"""

    citylist = ["张三","李四","王五"]

    return citylist

接下来，通过以下方法告诉系统，多少分才算通过评测。

 

def get_salespolicy() -> str:

    """获取评测规则"""

    return "如果评测分数低于60，那么需要重新培训。"

然后，生成一些评测结果的数据。后续让系统根据这些评测数据，来为每一个人生成培训的内容和考试内容。

 

def get_salesscore(salesname: str) -> str:

    """获取销售评测分数"""

    

    salesscore = {"产品信息":0,"话术技巧":0,"拜访流程":0,}

 

    if salesname == "张三":

        resource = {"产品信息":90,"话术技巧":55,"拜访流程":70,}

    elif salesname == "李四":

        resource = {"产品信息":50,"话术技巧":80,"拜访流程":55,}

    elif salesname == "王五":

        resource = {"产品信息":70,"话术技巧":80,"拜访流程":95,}

    else:

        resource = {"产品信息":0,"话术技巧":0,"拜访流程":0,}

可以看到在我演示的数据中，只有一个人是完全通过的，其他两个人在不同考核都不及格。

我们再补充一些培训内容的数据。

 

def get_trainingcontent(trainiggroup: str) -> str:

    """根据销售培训分组获取销售培训内容"""

    trainingcontent = {"产品信息":"产品信息培训内容","话术技巧":"话术技巧培训内容","拜访流程":"拜访流程培训内容",}

 

    if trainiggroup == "产品信息":

        resource = """

            迈巴赫 S 级

            定位：大型豪华轿车。

            价格：2026 款指导价 146.80 万 - 364.30 万。

            动力：提供多种动力选择，如 S 480 4MATIC 搭载 3.0T L6 双涡轮增压 + 48V 轻混，最大功率 280kW；S 580 4MATIC 配备 4.0T V8 双涡轮增压 + 48V 轻混，最大功率 410kW；S 680 4MATIC 则采用 6.0T V12 双涡轮增压，最大功率 450kW。

            配置：全系标配智能领航辅助 Max 系统，支持厘米级高精度定位等功能。内饰采用 Nappa 真皮座椅带菱形格纹 + 按摩功能，后排腿部空间达 1400mm，还可选装银质香槟杯、星空顶等奢华配置。

        """

    elif trainiggroup == "话术技巧":

        resource = """

            1. 开场破冰：用身份定位抓注意力。

            2. 动力介绍：不堆参数，讲「体验感」

            3. 配置卖点：场景化描述，让用户「身临其境」

            4. 价格沟通：弱化数字，强调「价值匹配」

            5. 促成技巧：锁定需求，引导体验

        """

    elif trainiggroup == "拜访流程":

        resource = """

            一、前期准备（拜访前 1-2 天）

            二、开场接待（5 分钟）：建立信任，拉近距离

            三、需求深挖与价值呈现（15-20 分钟）：精准匹配，场景化输出

            四、展车体验（15-20 分钟）：身临其境，强化感知

            五、疑虑化解与促成跟进（10-15 分钟）：解决顾虑，推动决策

        """

    else:

        resource = ""

    return resource

这里我模拟的事奔驰迈巴赫的数据，仅供演示用。

最后，根据相应的培训内容，我们再通过大模型生成对应的考试内容：

 

def get_testingcontent(testinggroup: str) -> str:

    """根据销售测评分组获取对应的考试内容"""

    testingcontent = ""

    

    testingsource = get_trainingcontent(testinggroup)

    testingsource ="根据以下内容生成三条考试题目,题目的类型是问答题，只给我题目的信息，不要包含其它信息：\n"+testingsource

    testingcontent = model.invoke(testingsource)

 

    return testingcontent

当然这里也可以从现有的系统里面去读取，不过让大模型来生成考试内容也是一个不错的方法。

最后就是代码的主体部分。

这里我使用的langchain是1.0版本的，所以可以考到我使用的是create_agent方法，里面把前面创建的方法都作为工具传递了进去。大模型就会根据每个工具能提供的信息来决定依次使用哪些。

 

model=init_chat_model(model="deepseek:deepseek-chat")

 

agent = create_agent(

    model=model,

    tools=[get_sales,get_salesscore,get_salespolicy,get_trainingcontent,get_testingcontent]

)

 

results = agent.invoke({"messages":[

    #{"role": "user", "content": "哪些人通过了销售测评，哪些人需要重新测评。"}]})

    #{"role": "user", "content":"根据评测结果，生成销售培训内容。"}]})

    {"role": "user", "content":"根据评测结果，针对每个人，生成销售培训内容，并生成对应的考试内容。"}]})

 

messages = results["messages"]

print (f"历史消息：{len(messages)} 条")

for message in messages:

    message.pretty_print()

这里大模型我选择的是deepseek，相对基本满血版的deepseek，其对工具的理解要靠谱很多，我层尝试过用本地的模型比如qwen3-4b，就多少会产生点幻觉。如果用参数量再低的模型，基本就会无视你提供的工具。

 

最后，我贴出了代码输出的信息，在此信息中可以看到，大模型依次调取了相应的方法获取相应的信息，基本符合我们靠人工来操作的思路。

 

输出略长，已将输出内容折叠，点击可展开。