Vercel COO 讲解如何用 Agent 自动化 Inbound 销售

事件核心：发生了什么

Vercel COO Jeanne DeWitt Grosser 在一次访谈中复盘了公司 Inbound 销售 Agent 的搭建过程。项目于 6 月启动，最初只是约 125 行提示词，由团队里最好的 SDR 撰写，用来编码 Vercel 的线索资格判定规则。开发任务交给一名 GTM 工程师，他大约投入 20% 的工作时间。

第一阶段采用“人类在环”的质检方式：Agent 负责调研、资格判断和起草消息，但不直接发送。Vercel 让 SDR 像带新人一样审阅其前 100 封草稿，8 月才把人移出流程，整个过程约六周。随后一年，随着产品面扩大、向企业级市场迁移，提示词膨胀到约 1000 行，团队发现模型并不总会遵守其中嵌入的规则。

于是他们把提示词拆成两部分：规则与判断。规则用代码写死，判断交给模型。最终 Inbound 流程变成 14 条确定性规则，例如线索进来先查 Salesforce 是否存在未关闭商机，有则直接路由给对应客户经理，不交给模型决定。团队还运行第二个 Agent 监控规则是否被违反，并判断该违规是应修正还是可放行的例外。

为什么重要

这提供了一个可复制的生产级 Agent 范式：越是把确定性逻辑下沉为纯代码，模型越只在真正需要判断的地方出场。作者 Tomer Tunguz 在 14 个生产 Agent 工作流中也观察到类似结构——约 65% 的节点是纯代码，只有 14% 完全由 Agent 驱动。

对行业而言，这意味着“提示词越写越长”不是唯一路径。当规则可枚举时，硬编码比让大模型遵守指令更稳定、更便宜，也更容易审计。Vercel 这套 Inbound 系统全年推理与基础设施成本约 1000 美元，说明 Agent 自动化的门槛已低到中型团队可以自建，而不必依赖大型闭源销售 SaaS。

对用户/开发者/创作者的影响

开发者可以借鉴两点：其一，先用提示词快速跑通流程，再用规则替换其中确定的部分；其二，把模型留给判断类任务，而不是让它决定路由、查重、商机归属等可穷举的逻辑。对使用 Agent 工具做内容或运营的团队，这意味着低代码工作流和传统 API 调用仍会在很长一段时间内共存。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

对销售与市场团队，Vercel 的 SDR 全员晋升到 Outbound、跳过惯例的一年周期，说明初筛自动化后，人的价值被重新定位到真实对话上。企业采购方在评估销售自动化产品时，可以重点问一个问题：哪些环节是规则，哪些是模型判断，违规如何兜底。

值得关注的后续

一是这套 14 条规则加监控 Agent 的模式是否会被更多 B2B 公司公开复用；二是 Vercel 是否会把 GTM 工程实践产品化，进入销售自动化工具市场；三是当模型能力继续提升，规则与判断的边界是否会再次移动，更多环节重新交还给模型。

来源：Tomer Tunguz 博客（VC 分析）