DeepSeek+Coze搭建AI获客智能体：从成本、工作流到留资闭环-开发者社区

简介：围绕DeepSeek与Coze搭建AI获客智能体的完整实战指南，面向传统行业中小老板、创业者/个人IP及销售运营人员，聚焦短视频起号与获客难题。资料从智能体定位与目标拆解入手，深度梳理账号定位、对标账号拆解、选题库搭建、内容创作等环节的痛点，并给出AI可介入的具体任务与人工配合事项；同时细化场景工作流，覆盖工作流创建、绑定、测试到发布的全过程，让读者可直接通过对话调用智能体。资源为单份docx文档，大小1.75MB，内容以文字讲解和流程拆解为主，并配有蛋糕店老板短视频起号的完整对话示例，便于对照迁移到自身业务。目前已有627人学习下载。通过DeepSeek完成爆款视频逻辑分析、结构化拆解报告生成等环节，可将80%重复性分析工作交给AI，显著提升短视频运营效率，为低成本获客提供可落地的参考方案。

1. 为什么用DeepSeek+Coze搭AI获客智能体：先算清成本和收益再动手

先说一个反直觉的结论：AI获客智能体上线后能不能跑出业绩，最先卡住的往往不是模型智商，而是回复速度和话术稳定性。深夜11点访客在官网留了手机号，销售第二天早上才回访，这条线索早就凉透了；而一个配置好的智能体能在10秒内接住对话，把“你是谁、卖什么、怎么联系”先确认下来。DeepSeek负责用低成本生成高质量回复，Coze（国内叫扣子）负责把知识库、工作流和表单、企微这些入口串成可落地的业务链路。这个组合解决的是小团队的销售困境：有产品但没专职销售，有流量却缺转化工具。整篇按定位、搭建、闭环、避坑、验证五个阶段讲，每个环节给出可直接抄的配置和代码。

2. 把获客定位翻译成智能体设定：从销售话术到系统规则

在Coze里新建一个智能体只需要一分钟，但绝大多数项目死在第一步——没想清楚智能体到底替销售完成哪个动作。所以我不急着写提示词，先花半天和业务方对齐定位。定位直接决定工作流的复杂度、知识库的粒度、转人工的时机，也决定这个智能体上线后是一个好用的销售助理，还是一个浪费算力的聊天机器人。

2.1 三种获客定位先选一个：线索筛选、产品答疑还是自动留资

同样是获客智能体，定位不同，工作流复杂度差一个量级。第一种是线索筛选，适合客单价高、决策周期长的B2B业务，智能体负责判断客户有没有预算、有没有时间窗口、有没有决策权，聊到关键节点就转人工；第二种是产品答疑，适合标品、SaaS、课程这类问题边界清晰的业务，客户带着明确问题进来，智能体从知识库里找答案，答完引导留资；第三种是自动留资，定位最轻，用话术钩子把“随便看看”的访客变成留下联系方式的线索，适合私域投放落地页。

选型时要盯住一个具体动作：客户进线后，你最希望智能体替销售完成哪一步？是要一份“接得住问题”的产品说明书，还是要一个“能筛出高意向客户”的前置销售？这个动作就是工作流终点，也是后续所有节点设计的依据。你也会看到有人用Dify这类开源框架搭类似的智能体，但Coze胜在发布渠道和插件生态，小团队快速上手更合适，不必一开始就上自部署框架。

2.2 用一份可复用的人设提示词把销售话术写成系统规则

定位定了，下一步不是写代码，是把销售脑子里的话术写成系统规则。常见做法是给智能体一份system prompt，把角色、业务边界、回答纪律都钉死。下面是我在Coze的“人设与回复逻辑”里常用的一套模板，可以直接替换公司名和产品名使用：

你是一个企业获客助理，目标是在对话中确认客户的真实需求并引导留资。 身份背景：你代表{公司名}的售前顾问，产品是{一句话产品说明}。 回答纪律： 1. 先回应客户问题，再用一个开放式问题挖掘需求，不要连续追问超过两个问题。 2. 涉及价格时，不报具体数字，只给出"基础版、专业版、企业版"档位描述，并反问预算区间。 3. 客户问竞品对比时，不贬低竞品，只陈述自家产品的适用场景和差异点。 4. 客户表现出明确购买意向（提到预算、时间、决策人）时，主动引导留资或转人工。 5. 不确定的问题，回答"这个问题我需要确认后回复你"，不得编造功能。 6. 禁止承诺效果、收益、资质等未经验证的内容。

这段模板的关键在纪律部分的第4、5、6条：第4条对应获客链路里的留资判断，第5条是防幻觉的第一道闸，第6条是合规底线。模型参数也要跟着调，temperature建议放在0.3到0.5之间，太低回复机械，太高模型容易临场发挥；max_tokens按产品复杂度给，标品问答500到800就够，复杂方案放到1500，但越长越啰嗦，也越容易触发工作流超时。

提示词里用{占位符}而不是写死内容，是为了让同一个智能体能通过变量复制给不同产品线。Coze的变量可以在节点配置里预置，也可以由对话开始前的外部请求传入。我一般会把占位符清单列在提示词文件末尾，方便产品经理自己维护话术，不用每次改动都拉上开发。

2.3 话术边界与拒答策略：不该接的问题不硬接

获客智能体最容易翻车的地方是“什么都敢答”。真人销售在微信上可以含糊其辞，模型却很可能会一本正经地编一个优惠方案出来。拒答策略必须写进提示词，不能指望模型自觉。

以下场景不做具体回答，使用对应话术模板：

客户索要书面承诺或合同条款：抱歉，合同细节需要销售顾问和你确认，我先把你的需求记录下来。
客户询问内部折扣或“最低多少钱”：我们按档位定价，不同版本功能差异较大，方便告诉我你的使用场景吗？
客户提出无关话题或情绪化表达：我这边主要处理{产品名}相关的问题，你可以随时问我产品功能。
客户要求提供竞争对手方案：我更了解自家产品的适用场景，你可以说说目前最困扰你的问题。

这种“场景+固定话术”的写法，本质是在提示词里做路由，让模型先判断场景再取话术，比单纯写“不要乱说话”可靠得多。注意模板里不要写“我不是人”这类暴露AI身份的话——获客场景里，客户知道自己在和机器聊会明显降低留资意愿，这是实际跑出来的经验，不是玄学。

拒答策略写完要跑一遍测试清单：价格、折扣、合同、竞品、售后、无关话题，每个方向至少问三轮。Coze可以新建一个测试用的会话窗口，把这些话术直接贴上问，看智能体是否都走了对应模板。这一轮能挡掉绝大部分翻车，值得在上线前做。

3. 在Coze工作流里接DeepSeek：从单次对话到四步获客链路

3.1 模型节点配置：DeepSeek为什么值得放在主对话位

在Coze控制台新建智能体时，默认配置不一定是DeepSeek。通常需要在模型配置里添加自定义模型，填入DeepSeek的API Key和模型名。常见配置项如下：

选型理由：DeepSeek的API成本比同档位模型低不少，推理质量在线，长上下文对获客对话尤其重要——客户从“随便问问”到“留资”可能跨二三十轮，窗口太小的模型聊到后面会把客户说过的预算和人数全忘掉。另一个理由是双模型配合：主对话用chat，快且省；深度分析用reasoner，只在意图识别和总结节点里出现。这样成本和体验都能兼顾。

3.2 用coze工作流编排“意图识别-知识库召回-生成回答-留资判断”四步

只把DeepSeek接在对话位上，等于做了个高级聊天机器人，不叫获客智能体。完整的获客链路至少要串四个节点，我通常这样编排：

解释一下这样设计的逻辑：意图识别和生成回答用的是两个不同角色，reasoner负责判断，chat负责说话，目的是让“判断”和“表达”解耦。判断错了还有知识库兜底，表达跑偏直接砸客户体验。留资判断不用模型而用代码节点，是因为正则匹配手机号、邮箱、微信号比模型“觉得像”可靠得多。

如果不想每轮都跑完整四步，在意图识别节点后面加一个条件判断：意图为“闲聊”时直接走生成回答节点，跳过知识库。这种分支写法能省一次知识库调用，对成本和响应速度都有帮助。Coze里用条件判断节点即可实现。

3.3 知识库与文件上传：产品资料的分块与召回边界

Coze的知识库支持上传PDF、Word、网页链接，平台会自动切片。但自动切片的结果不一定适合检索：一个PDF段落里混了功能、价格、售后三种信息，召回时模型拿到的是信息不纯的片段，回答自然混乱。所以上传前先手动整理，常见做法是：

把长文档拆成“产品功能”“价格方案”“售后政策”“常见问题”四类，分别建知识库，在工作流里按意图标签选择查哪个库。
每段控制在300到500字，超出部分在切片时容易被截断。
段落开头用“问题+答案”的格式，例如“Q：支持私有化部署吗？A：支持，标准版含私有化部署方案”，这种格式召回命中率明显更高。

知识库召回节点的相似度阈值从0.5开始试：低了召回无关内容，高了漏召回。判断依据是日志里的召回片段——如果片段相关但排序靠后，把阈值调低扩大召回；如果召回一堆不相关内容，就调高到0.7左右。top_k默认5够用，知识库条目少的场景可以降到3，减少噪音。

3.4 动手验证：用Python脚本先测通DeepSeek API

在Coze配节点之前，先用Python把DeepSeek API测通。这样能把模型问题和工作流问题隔离开，省得后面排查时两头猜。常见做法是用OpenAI兼容格式调用：

from openai import OpenAI client = OpenAI( api_key="sk-你的key", base_url="https://api.deepseek.com" ) resp = client.chat.completions.create( model="deepseek-chat", messages=[ {"role": "system", "content": "你是获客助理，只回答与产品相关的问题。"}, {"role": "user", "content": "你们这款软件支持几个人用？"} ], temperature=0.4, max_tokens=500 ) print(resp.choices[0].message.content)

这里直接用OpenAI SDK，因为DeepSeek的接口兼容OpenAI格式，不用额外引库。装依赖用pip install openai就行。关键参数要和Coze模型节点里保持一致，否则会出现“脚本里测得好好的，一上工作流就变样”的情况。temperature定了就不要两边各写各的，max_tokens也是。

脚本跑通后，把同一份system prompt放到Coze里，再用不同问题各问十轮，记录回答稳定性和响应时间。deepseek-chat在低并发时响应通常在1到3秒，超过5秒就要检查prompt是不是太长，或者服务端是否限流。这一步做完，模型层面就没有黑匣子了，后面出问题可以直接锁定在工作流配置上。

4. 从对话到线索：获客智能体的数据闭环与人工兜底

4.1 用Webhook把留资数据推到自己的服务器

智能体聊得再好，线索攥在Coze里不流出来，业务侧就用不起来。常见做法是在工作流末尾加一个Webhook节点或代码节点，把留资判断节点的输出POST到自己的服务器。接收端越简单越好，我一般用Flask写：

from flask import Flask, request import json app = Flask(__name__) @app.route("/lead/hook", methods=["POST"]) def receive_lead(): data = request.get_json() name = data.get("name", "") phone = data.get("phone", "") intent = data.get("intent", "") message = data.get("message", "") # 在这里写入CRM或推送企业微信通知 with open("leads.jsonl", "a", encoding="utf-8") as f: f.write(json.dumps(data, ensure_ascii=False) + "\n") return {"code": 0, "msg": "ok"} if __name__ == "__main__": app.run(host="0.0.0.0", port=8000)

这个脚本只干两件事：接收POST请求、把线索追加到本地文件。部署到服务器后，在Coze工作流的Webhook节点里填上接口地址即可打通。字段名要在Coze的代码节点里提前约定，我用的是name、phone、intent、message这套命名，两端保持一致，否则接收端取不到值。

两个实际坑提前说：一是接口要处理重复推送，同一个线索可能因为重试被推两次，处理方式是记录唯一键（比如phone加当天日期），重复就跳过；二是手机号校验，不要轻信模型输出的号码格式，服务端用正则再验一遍，否则CRM里会进一堆假号码。

4.2 转人工的时机判断：先让智能体聊，还是先让销售接？

不是所有客户都该让智能体聊到底。我的判断标准是：客户出现强购买信号立刻转人工，还在比价、了解功能的让智能体继续。强购买信号的典型特征包括主动问价格、问实施周期、问能不能先签合同、主动留下联系方式。

Coze里实现转人工有两条路。一条是在留资判断节点里输出turn_human字段，值为1时触发企业微信通知节点，把对话摘要推到销售群；另一条是让智能体在回复里带上“我帮你安排顾问”的引导语，由客户决定。前者适合客单价高的业务，后者适合流量型业务。不要两种同时上，容易乱。

转人工时一定要把对话摘要一起推给销售。销售拿着“这个客户问了私有化部署和预算50万”再打电话，和拿着一个干巴巴的手机号打过去，成交率差一倍。摘要可以在Coze里用变量把多轮关键信息累积起来，转人工时一次性取出。

4.3 线索打分：用结构化输出区分“高意向”和“随便问问”

线索打分是获客智能体和聊天机器人的分水岭。做法是让DeepSeek把对话结论输出成固定结构的JSON，再由代码节点依据字段计算意向分。输出结构一般长这样：

{ "score": 72, "level": "high", "signals": ["主动问价格", "提到预算范围", "询问实施周期"], "next_action": "2小时内电话回访" }

score是0到100的意向分，level是high、mid、low三档，signals记录触发评分的具体信号，next_action给销售一个建议动作。在Coze的大模型节点里，把输出格式定义为JSON并喂一个示例，模型就会按这个结构返回。如果是DeepSeek API直连，可以在请求参数里加response_format={"type": "json_object"}强制输出，避免模型夹带解释文字。

打分节点放哪里要看对话轮数：一轮就要判断意向，直接合并进意图识别节点；聊了七八轮才判断，单独做“总结+打分”节点更合理，因为那时要处理的历史上下文已经不小。阈值先用经验值，60分以上转人工，40到60分进培育池，40分以下标记为低意向，不浪费销售时间。跑两周后根据实际成交率再调这三个区间，比拍脑袋定要靠谱。

5. 避坑指南：DeepSeek+Coze获客智能体常见的5个翻车点

下面这五个坑是多个项目里反复出现的，基本覆盖了获客智能体从搭建到上线的大部分返工原因。每条按现象、原因、解决三个动作拆，方便你对号入座。

5.1 模型幻觉：智能体向客户承诺了不存在的功能

现象：客户问“支持对接SAP吗”，知识库里根本没有这一条，模型却回答“支持，我们有标准接口”。

原因：模型为了维持对话的连贯性，倾向于给出肯定答复，尤其当前文聊得比较热络时，它会把“编一个接口”当成延续对话的合理动作。

解决：在提示词里明确“未知功能必须说需要确认”，同时把知识库召回设成必检环节，先检索再回答。最稳妥的做法是在知识库节点后面加一个判断：召回为空或相似度低于阈值时，直接输出固定话术“这个功能我需要和技术确认后回复你”，不让主模型自由发挥。

5.2 多轮对话上下文丢失：客户聊了10轮后智能体“失忆”

现象：客户第8轮说“预算30万左右”，第10轮谈论方案时，智能体又反问“您的预算大概是多少”。

原因：Coze工作流的上下文默认只保留最近若干轮，或者代码节点没有把历史关键信息回传给模型，老信息被挤出了窗口。

解决：在代码节点里维护一个summary变量，客户提过预算、城市、人数、时间等关键信息，全部追加进去；每轮生成回答前把这个变量拼进system prompt。这个变量相当于智能体的“工作笔记”，比指望模型自己在上下文里记要可靠得多。

5.3 知识库召回不准：FAQ答非所问

现象：客户问“能不能开发票”，召回的是产品功能介绍，回答完全跑偏。

原因：原始文档段落太大，一个段落混了多个主题；或者相似度阈值设得太松，把不相关内容也拉进来了。

解决：上传前把FAQ改写成“一问一答”格式，每段只放一个问题和对应答案，控制在300到500字。阈值从0.6往回调——召回相关但排序靠后就调低，扩大召回范围；召回了一堆不相关的就调高。用Coze后台的日志看每次召回命中了哪些片段，判断阈值方向。

5.4 工作流节点超时：DeepSeek推理慢导致Coze报错

现象：工作流日志频繁出现timeout，客户那边表现为“智能体半天不回复”。

原因：Coze单次工作流执行有超时上限，deepseek-reasoner在长上下文场景单次要十秒以上，很容易撞上限。

解决：把reasoner留在意图识别节点，主对话用chat模型。长文档总结场景拆成多次短调用，不要指望一次调用处理上万字。如果业务确实需要长时间推理，可以改成“先回复客户已收到，再异步推送结果”的交互模式，但获客场景里实时感优先，一般不建议这么设计。

5.5 合规视角与平台限制：获客话术别踩红线

现象：智能体出话太激进，比如承诺“保证30天内见效”“全网最低价”，客户不买账，反而留下虚假宣传的把柄；拿到手机号后立刻推送营销信息，也容易吃投诉。

原因：模型本身没有广告法意识，提示词不约束，它就会顺着客户期望生成承诺。获客场景涉及大量用户联系方式，处理不当还会碰到隐私问题。

解决：提示词里禁止效果承诺、禁止贬低竞品、禁止编造资质。客户电话、微信、公司字段只用于本次对话记录，不要跨渠道复用，也不要从外部导入号码直接群发。Coze平台对部分行业有审核要求，话术上架前先自查一轮。另外别被“本地部署”带偏节奏，获客场景用云端托管足够，等有严格数据隔离要求时再考虑私有化方案。

6. 上线后的效果验证：用对话日志喂出更好的获客话术

智能体上线不是工作结束，是数据喂养的开始。我上线后第一周不做任何优化，只做三件事：导出全部聊天记录、标记对话流失点、找出被客户追问但答不上来的问题。Coze后台可以导出对话日志，也可以从Webhook服务端拿全量数据，两份数据交叉着看。

第一，两版话术A/B测试。在Coze里复制同一个智能体，只改开场白或引导留资的某一句话，两个版本各接一半流量跑三天，对比留资率。获客话术好不好，数据说了算，不要凭感觉。第二，回溯流失点。把对话按轮数拆开，统计客户在哪一轮之后不再回复。如果大量流失集中在第5轮，大概率是第4轮的回答出了问题，要么太啰嗦，要么答非所问。这个指标比整体留资率更能定位病根。第三，把真实成交对话回填知识库。每周挑三到五条销售和客户的成交聊天记录，把“销售说了什么促成成交”缩写成一问一答格式喂进知识库。这是成本最低的优化手段，也是把销冠的个人能力沉淀成系统资产的过程。

我现在的习惯是，任何话术改动上线前，先自己拿两部手机把全流程走一遍，一部当客户、一部当智能体，专挑刁钻问题问，这一遍能挡掉七八成翻车。获客智能体没有一步到位的方案，但你可以让它在你的业务里一步步变准。希望帮到你。

本文还有配套的精品资源，点击获取