飞扬消息台 · 产品理念与技术框架

让飞扬最好的私顾，服务每一位客户

大模型人人都买得到，飞扬一线私顾积累的服务判断力买不到。我们把这份判断力训练进一个只属于飞扬的超级 Agent：每一位私顾都带着全公司的经验去服务客户——不遗忘、不漏单、跨时区 7×24 在线；判断、承诺和关系始终在人。

专有数据飞扬自己的真实聊天，是唯一真相源

三段训练预训练 · 后训练 · 飞轮，越用越像飞扬

分级放权像自动驾驶一样从 L1 走向 L5

飞扬真实聊天私顾和客户的历史私聊、群聊，加 SOP、产品手册、转人工规则

→

超级 Agent 预训练在历史聊天里回放出题、对照真私顾打分、改错重考

→

AI 私顾每个私顾身边一个：读客户、判阶段、给下一步、起草

→

私顾拍板用、改、不用都会被记下，成为下一轮训练的教材

整套系统就是这一条线，后面各段都是在展开它的某一格。

数字都带日期：客户和聊天是飞扬 10-23、10-29 两批提供的 54 位客户、约 3100 条真实私聊消息（手机号、证件号、银行账号已打码）；VIP 群里有一部分是标了「模拟」的示意。接入状态以后台为准。

我们对这个时代的三个判断

AI 正从「会回答」走向「会办事」

全球 AI 的竞争，已经从聊天机器人转向能自己读信息、做判断、推进任务的 Agent。一单 8–37 万、从咨询到回团跨越数月、靠信任成交的高端旅行服务，是 Agent 最难、也最值钱的战场。

护城河不在模型，在专有数据和判断

模型几个月一换代，谁都买得到。买不到的是：客户说过的每一句话、私顾每一次的取舍、哪句话让客户下了单。谁先把这些训练成自己的 Agent，谁就把个人经验变成了公司的复利资产。

银发出境长线是全球性的长坡厚雪

中国 60 岁以上人口近 3 亿（2023 年末），日本、欧洲早已进入深度老龄化。有钱有闲、要安心、要被记住的客人越来越多，好私顾却永远稀缺。AI 不是替代私顾，而是把好私顾的服务半径放大数倍。

落到飞扬：三个目标，一个真相源

目标一

客户 360

明线是基础信息，靠接订单表、客户主表；暗线是从聊天里读出来的「客户记忆」——家人是谁、身体情况、谁拍板、卡在哪、反复问还没答的事。每条挂原话和日期。

目标二

AI 能替代的部分

先把每类消息算清量和出错代价，再分三种替代：收款收据做成系统；定时回访由规则触发、AI 写文案；标准问答 AI 起草、私顾确认。逐类放开，不按总比例拍。

目标三

下一步建议

价值主要在时机和卡点，不在话术：识别客户卡在签证、价格、身体、家人还是班期，给出对应动作。防丢单比促成单更现实。

唯一真相源飞扬私顾与客户的真实聊天。画像的每一条、替代的每一类、建议的每个依据，都要能追到某段聊天的某几句原话；追不到的不进系统。订单、班期、收款以系统数据为准，和聊天冲突时标出来给私顾看。

AI 做重复、要记性、要全量的事

读每一条消息，记住客户说过的每件事
按 SOP 12 步判断每位客户走到哪一步
到点提醒回访、出团、付款节点
起草回复，发前对照规则审一遍

人做判断、承诺、关系

确认名额、价格、签证、退改这些要负责的事实
决定发不发、怎么改
处理投诉、情绪激烈、客户点名要人工
维护和客户的信任——客户不该感觉换了人

考核看「每位私顾能服务好多少客户」，不看 AI 回复占比。客单价 8–37 万，私顾和客户的关系本身就是产品。

超级 Agent：预训练 · 后训练 · 飞轮

全球顶尖的 AI 实验室训练大模型分三段：预训练学知识，后训练按人类反馈学判断，上线后靠真实使用持续进化。我们把同一套方法论，用在飞扬自己的数据上。

STAGE 1 · PRE-TRAINING

预训练：读懂飞扬

全量真实私聊、SOP 12 步、产品线路、分层与转人工规则；在历史聊天里回放出题，对照真私顾当时的回复打分。

产出：一个读过全公司历史的 AI 私顾

STAGE 2 · POST-TRAINING

后训练：学会飞扬的标准

私顾主管给边界题定标准答案、对 AI 的判断打对错——相当于大模型的人类反馈训练；AI 读错题自己提出改法，审过才生效。

产出：判断与飞扬一致，不是网上的通用话术

STAGE 3 · FLYWHEEL

飞轮：越用越强

上岗后私顾每一次采用、修改、不用，客户后来有没有推进，都回流成新题和新教材。

产出：只属于飞扬、别人复制不走的复利

↺ 飞轮产生的新数据，回到预训练和后训练，进入下一轮

下面这张图，是预训练和后训练里「一轮」具体怎么跑：

通用 AI 什么都懂一点，但不懂飞扬：不知道 SOP 第 4 步和第 6 步怎么分、哪些话私顾从来不说、客户问到签证时老私顾是怎么接的。所以 AI 私顾上岗前，先拿飞扬自己的真实聊天做一轮「预训练」——不是改模型本身，而是让它在历史聊天里反复做题、对答案、改自己的做事方法（我们叫「技能」），直到在没见过的新题上稳定达标。

②→③→④ 是循环；只有 ⑤ 用的是 AI 从没见过的新题，在见过的题上涨分不算数。

客户我先生血压有点高，南极这趟坐那么久飞机能行吗？

私顾老师您先别担心，这个情况我们都会备注的

客户那要不要开什么证明？

切在这里出题

AI不用单独开证明。身体情况我写进合同补充事项，也会交代领队；吃药的事还是听医生的。

真私顾（当时真实的回复，作标准答案，AI 看不到）

阅卷：能不能直接发 / 有没有编资料里没有的事 / 该不该转人工

示意：回放出题怎么出。题目来自真实聊天的切点，句子为示意改写。

499道

从真实私聊里切出的题（客户说完、私顾接着回的每一刻）

87–90%

新题五批、约 400 道上，建议可直接发或小改可发的比例（10-30）

70→90%

判断客户在 SOP 哪一步的准确率，训练前后（约数，10-30）

550条

考试沉淀下来的范例和反面案例，AI 遇到相似情况会先查

为什么叫「超级」

集合所有私顾的经验

一位私顾只见过自己的客户。AI 私顾读过全部私顾的聊天，从里面提炼「真实私顾做法」：好的接法、失误和更好的说法、客户的转折点。

不会忘、不会漏

客户三个月前随口提的「我先生膝盖不好」、反复问了两次还没答的「冲锋衣什么颜色」，它都记着，到点就提醒。

人会离职，经验不走

一位老私顾的接法、分寸和客户记忆，过去随人走；现在沉淀在 Agent 里，新私顾第一天就带着全公司的经验上岗。

越用越像飞扬

上岗后私顾每一次采用、修改、不用，都是新的训练材料。它学的是飞扬的做法，不是网上的通用话术。

后训练从这里开始：建议准确率稳定在 87–90%，还没稳定过 90%。剩下的错大多是「该不该转人工」的边界题——这类题没有标准答案，需要飞扬的私顾主管来定。我们准备了 100 道边界题的答题页（私顾答题），答完后 AI 按飞扬的标准学，再用至少 200 道私顾标过、AI 没见过的题验收。

双塔放大：AI 和私顾并行，按数据逐类放开

每一条客户消息进来，AI 先出建议（一塔），私顾照常回复（另一塔）。两塔的差别就是最真实的成绩单。

AI 建议

谭老师，船上送的冲锋衣颜色我今天问到就告诉您，防水裤先别急着买～

私顾实际发出

谭老师，冲锋衣颜色我上班问一下，问到马上跟您说，防水裤先别买哈

原样发几乎没改

小改后发改了几个字

大改意思变了

没用 / 手写AI 没帮上

上面两句是示意。系统自动比对，按消息类别统计。某一类（比如回执确认、资料发送、行前提醒）连续几周基本「原样发」，这一类才考虑放开自动发；投诉、退款、承诺类永远走人。

L1–L5：像自动驾驶一样分级放权

自动驾驶不是一夜之间无人驾驶，而是一级一级、按数据放权。AI 私顾也一样：每升一级，都要有上一级的采纳数据作证据。

全量记忆聊天全量进库，客户记忆、惦记、阶段自动生成已完成

辅助驾驶AI 读、判、给下一步和草稿，私顾决定发不发我们在这里

有条件自动回执、资料、行前提醒等低风险类别，数据达标后逐类自动发下一步

主动经营AI 按时机主动发起回访和唤醒；旅途中跨时区值守，异常第一时间转领队

一人一团队一位私顾带一组 Agent，服务数倍客户；承诺、投诉和关系永远在人

L4、L5 是方向，不是承诺；每一级放开多少，看双塔数据。转人工 11 条在任何一级都不放开。

技术框架

右侧虚线是学习闭环：私顾的每一次决定回到客户库，成为预训练的新题。AI 只出建议，不碰发送；企业微信里也是私顾自己发。

层	负责什么	关键原则
通道层	把各平台的消息变成同一种格式进客户库	换平台不换大脑；先只读，再按权限开放
客户库	会话、消息、客户 360、单子、任务、每次采纳	唯一一份数据，所有页面和 AI 都读它，不另抄副本
AI 私顾	读聊天、判阶段、找卡点、给下一步、起草	判断必须带原话证据；资料没有的不编
闸门	转人工、事实核实、发前审稿	硬规则写在代码里，AI 绕不过去
私顾	拍板和发送	每次决定都记下来，用来算采纳率和继续训练

界面怎么排

左栏 · 会话谭剑蓉　VIP 群李成　美签面签企微新客户　刚刚东方　未成交

中栏 · 聊天

那要不要开什么证明？不用单独开，我写进合同…AI 建议 · 生成 / 重新生成输入框 · 发送前 AI 审稿

右栏 · 这位客户她是谁 · 注意事项服务流程 12 格现在做什么她一直惦记客户 360 →

聊天占最大面积；右栏打开客户就能看见「现在做什么」；不常用的收进抽屉。左侧「名册」点任何一位客户，拉出同一份客户 360。

AI 五层

① 感知识别客户、事件、阶段、需求、情绪

② 记忆写回画像、偏好、购买、情绪变化

③ 判断识别风险、缺口、下一步和是否介入

④ 编排选择查询、起草、提醒、人工任务

⑤ 复盘比较 AI、人工、客户反应和订单结果

消息 → 感知 → 记忆 → 判断 → 编排 → 草稿 / 查询 / 人工任务 / 提醒 → 复盘 → 回到预训练

⑤ 复盘就是预训练的「上岗后继续学」。打开结构图 →

三道闸门和人工介入

转人工 11 条

退款改期、投诉、健康特殊服务、签证结果、付款确认、客户要求人工……命中就停，AI 不替你回。

事实闸门

价格、班期、余位只用商品库里的数；过期、缺失、冲突就标「要核实」，不自动承诺。

发前审稿

「保证出签」「最后一个名额」「根治」这类承诺、催促、医疗用语，发出前先拦下来提醒。

触发	AI 做什么	人工做什么
退款、改期、投诉、赔偿	不出可发草稿，整理订单、历史和证据	核实事实，负责承诺和发送
强烈或持续恶化的情绪	提高优先级，标给负责人	接管会话，记录处理结果
商品订单冲突	显示冲突字段和来源	确认哪个事实有效
客户要求人工	保留上下文并转交	接管或交还 AI

客户记忆

内容	字段	规则
需求	目的地、日期、预算、同行人、节奏	确认过的才标记为事实
偏好	喜欢、避开、活跃时间、沟通方式	来源和更新时间必填
关系	家庭、同行人、代付人、私顾	推断和事实分开
她一直惦记	反复问、我们还欠答复的事	每件带客户原话，点了跳回聊天那一句
情绪	类型、强度、趋势、触发原句	不是心理诊断；无法判断就写未知

不贴「性格标签」：验证不了、用不上，还容易带偏见。判据只有一条——能改变下一句话怎么说的才留。

商品和订单事实

商品库

商品、价格、团期、余位、行程、适合人群、退改和更新时间。

订单

客户、商品、付款、出行、履约、退款和改期状态。

事实闸门

数据过期、缺失或冲突时，AI 标记待核实，不自动承诺。

本体和数据契约

对象	主键	来源	关系
客户 / 画像	`customer_id`	客户主表、消息、订单	拥有会话、订单和事件
账号 / 私顾	`account_id`	接入账号	负责会话和人工任务
渠道 / 会话 / 消息	`channel_id`、`conversation_id`、`message_id`	平台适配器	消息属于会话，会话属于客户
阶段 / 情绪	`stage`、`emotion`	AI 感知	带证据、置信度和时间
商品 / 订单	`product_id`、`order_id`	商品库、订单接口	推荐、购买、履约、售后
事件 / 动作	`event_id`、`action_id`	消息、系统、私顾	事件触发动作，动作写回结果
建议 / 采纳	`suggestion_id`	AI 私顾、私顾操作	AI 给了什么、私顾怎么用的，用来训练和算采纳率

客户 → 会话 → 消息 → 事件 → 阶段 / 情绪 / 画像
会话 → 商品 / 订单 / 出行
事件 → 建议 → 私顾采纳 → 结果回写 → 下一轮训练

平台接入

状态	平台	现在能做	飞扬策略
实时接收已接通（11-01）	企业微信	新消息几秒内进消息台，新客户自动建档	AI 只出建议，回复在企微里由私顾发
导入 + 草稿	个人微信	导入历史聊天，草稿复制到手机发	不自动发送
接入设计	小红书	登录、私信、图片、限流	先统一消息格式
路线规划	抖音及其他平台	消息、媒体、账号健康	逐个平台验证接口

施工进度

客户库和数据契约
54 位客户、约 3100 条真实消息已入库。

超级 Agent 预训练
新题建议准确率 87–90%，阶段判断约 90%（L2）。

AI 建议进消息台
中间栏「AI 建议」，只建议、不代发。

企业微信实时接收
11-01 接通，等账号稳定在线进真实消息。

后训练：私顾定标准答案
100 道边界题，突破 90% 的关键。

双塔放大 → L3
按类统计采纳，逐类考虑自动发。

实心＝已完成，空心＝进行中，灰色＝下一步。

资料清单

资料	用途	状态
客户分层、标签标准、转人工条件、完整 SOP	AI 判断的规则	已收（10-20、10-22）
产品手册、线路资料	事实闸门和推荐	已收 15 条线路
私顾聊天记录	预训练的题库和教材	已收 54 段；还要旅途中、回团后的聊天
私顾主管答 100 道边界题	定「该不该转人工」的飞扬标准	待答
班期余位表、订单表、客户主表	把聊天和真实交易对上，算成交闭环	未收
语音原件或转写	约两成消息是语音，没有文字就判断不了	部分
投诉记录与处理结果	建立风险和人工介入规则	未收

飞扬消息台 · 产品说明 · 2026-11-04 更新
后台入口：本体与数据契约 · 平台适配器 · 商品库 · 接入账号