Vercel一年1000美元，运行整个入站销售流程

起步：用一个工程师和20%时间试水

Vercel成立了一个go-to-market工程团队，把“入站自动化”这个问题交给一名工程师负责，他投入约20%的工作时间。这样小规模起步，便于快速试错，也避免一开始就堆资源。

用最佳销售的经验编写初始规则

智能代理的第一个版本，由团队内最优秀的销售开发代表（SDR）编写，是一份约125行的prompt，里面编码了Vercel对客户资格认定的规则。关键是把公司独特的判断标准写清楚，让模型在Vercel的业务边界内行动。这一步决定了代理的初始能力上限。

保持人在循环：像带新员工一样审阅产出

项目6月启动，初期由资深SDR全程人工介入，8月才撤掉人工。第一阶段，智能代理做所有事（调研、资格认定、起草消息），但唯独不真正发送消息。这让团队可以安全地验证代理的产出。

管理代理的方式和带新人一样：经理会读新人发出的前100封邮件，边教边纠正；等新人上手后，改为每100封抽查1封。因此“人在循环”阶段就是读全部邮件，六周后数据积累足够，才改成随机抽样。

业务增长后迭代提示词

随着业务变化，prompt从125行增加到1000行。Vercel在一年里拓展了产品边界，进入企业级市场，客户类型更多样，规则也需要持续补充。

拆分为规则与判断：让模型只负责思考

问题来了：模型并不总能遵守prompt里所有规则，而销售资格认定中很多部分其实是确定性的。于是团队把prompt拆成两部分：规则和判断。工程师把规则显式编码成代码，模型只负责那些原本需要人类思考的部分。

现在Vercel的入站流程运行在14条规则上。当新线索进来，系统先查询Salesforce，看该客户名下是否有已开放的机会；如果有，就直接分配给客户经理。这个路由不需要模型决策，只需要按规则执行。这也与14个生产级AI工作流的统计一致：65%的节点运行纯代码，只有14%完全agentic。

用第二代理监控规则执行

规则既然显式化，Vercel额外运行一个“监察”代理。当系统触犯14条规则中的任一条时，升级代理会判断这次触犯是否合理：若合理，批准为例外；否则修复问题。这保证规则的严肃性，同时保留灵活处理空间。

重新定位团队：把人类放回对话里

自动化之后，原来的SDR团队全部晋升到对外销售（outbound）岗位，跳过了通常一年的轮岗等待。Jeanne的观点是：“人的价值在于人与人之间的对话。把人从邮件营销里解放出来，重新回到对话中，BDR职能才能产生更大价值。”

最终，Vercel用一个每年约1000美元成本的系统，运行起整个入站销售流程。