理解
通话证据
我们通过录音、转写文本、业务流程和经批准的资料，看清工作的真实样子，包括那些左右结果的用词和关键时刻。
- 来电原因已梳理
- 疑难情况已列出
- 转人工规则已商定
Agent Factory
真实通话决定下一个版本
每个智能体在接第一通真实电话前，都要跑完 1,000 至 10,000 次专为您企业生成的模拟对话。上线后，每通电话都会打分。从中发现的规律汇总成一项修改提议，通过测试并经您批准后才会发布。
成长路径
智能体从新手起步，成长为您的资深骨干
您选的不是一个工具，而是一支在最初几个月里和您并肩工作的团队。先用一个业务流程验证模式，再由真实数据判断下一个何时就绪。您的 AI 员工就这样一版一版、经过测试地逐步壮大。
为什么多数语音 AI 项目会失败
项目失败的三个原因，对应三条发布规则。
Gartner 预计，相当一部分 AI 智能体项目会被叫停。下面每个原因，都对应 Agent Factory 在每次发布中执行的一条规则。查看完整对比
-
01
只给工具，没人管
平台交付时只有一个登录账号，您的团队得自己想办法用起来。
Gartner：商业价值不清晰Factory 自带运营团队。范围和每次发布都由您批准。每项修改都由指定的 DRING 团队完成并验证。
-
02
没准备好就上线
智能体只凭少量数据和几通测试电话就上线，您的客户成了测试对象。
Gartner：数据质量差不过关，就不发布。上线前跑 1,000 至 10,000 次模拟对话，之后每次发布都做回归测试。
-
03
从没管过呼叫队列
没管过呼叫队列的厂商，会漏掉转人工、高峰时段和第三次打来的愤怒客户。
Gartner：常常用错地方每次发布都从真实通话出发。9 个国家每月约 30 万次对话，告诉我们下一步该改什么。
Factory 内部
每个阶段，您的团队能拿到什么
我们把您的运营方式，变成智能体能执行、能衡量、能改进的东西。每个阶段结束时，都有一份您的团队能阅读、核对并签字确认的成果。
AGENT FACTORY 系统 从证据到发布
组装
可用的智能体
声音、对话逻辑、知识、工具和结果处理，都围绕一项具体任务来设计。
- 智能体候选版本
- 工具权限已设定
- 成功标准已写明
验证
质量关卡
在智能体接触真实来电客户之前，先用 1,000 至 10,000 次专为您企业生成的模拟对话，再加上人工审核，把疑难情况都试一遍。
- 模拟测试报告
- 规则与工具检查
- 您团队的内测电话
迭代
上线后持续优化
每通真实电话都会打分。从中发现的规律汇总成一项修改提议，经过测试，并只在您批准后发布。
- 版本说明
- KPI 趋势
- 下一项修改提议
通话变成信号信号变成测试测试造就更好的智能体
由您拍板的环节。搭建前的范围、上线前的每个版本，都由您批准。DRING 把证据整理成一项聚焦的建议，然后完成修改并验证。Factory 内部的方法归我们所有，而每次发布背后的证据，您都可以查看。
底层系统
每个业务流程，都变成能干活的智能体
所有智能体都由同一套系统搭建，所以第十个智能体和第一个经过同样的测试、遵守同样的发布纪律。输入的是业务流程简报和您的知识，产出的是测试过的智能体和它的真实反馈。
DRING / FACTORY 控制平面 真实发布路径
01 / 运营输入
01
02
业务流程简报任务 · KPI · 边界
就绪
知识层示例 · 规则 · 语气
就绪
您的运营知识，变成第一个智能体版本的清晰简报。
03 / 发布与学习
03
04
生成的智能体声音 · 逻辑 · 工具
验证
真实反馈通话 · 评分 · KPI
学习
真实对话为下一次受控优化提供证据。
业务流程信号KPI 已对齐下一个智能体审核中
简报智能体测试真实反馈 反馈变成下一个训练好的版本
首次发布
从业务简报到真实通话
六个步骤，把一个业务流程从简报带到真实通话，您的第一个智能体一周上线。此后每次发布，都重复同样的步骤。
- 观察
理解工作
我们从通话证据、业务规则、经批准的知识、系统权限、语言，以及定义成功的 KPI 开始。
- 组装
做出可用的智能体
对话逻辑、声音、记忆、工具和结果处理，都围绕一项明确的运营任务来设计。
- 模拟
先试最难的电话
模拟会覆盖打断、沉默、异议、口音、数据缺失、规则边界和超出范围的请求。
- 验证
达到质量标准
自动检查、回归测试覆盖和人工内测评审，判断智能体能否接入受控流量。
- 上线
分阶段上线
分阶段放量之前，您的团队会看到数据看板，在平台上亲自测试智能体，并给出结构化反馈。
- 优化
从真实工作中学习
已评分的通话和团队反馈，变成聚焦的修改、新的测试用例，以及下一个可衡量的版本。
候选版本v13 · 退款场景更早提供转人工
模拟对话已通过
回归测试集已通过
人工内测评审已签字确认
测试已通过 ✓批准发布
输入什么
您的运营本身，就是原始素材
Factory 不从通用提示词起步，而是从您团队现有的工作方式、客户卡住的地方起步。
业务流程
来电原因、分支、示例、营业时间、重拨规则，以及绝不应自动化的情况。
知识与证据
经批准的规则、产品信息、服务话术、转写文本，以及允许智能体读取的源系统。
系统
CRM、日历、工单、支付和电话操作，每一项都有明确的权限和可见的结果。
成功指标
解决率、合格线索、预约完成率、情绪、转人工准确度，或其他真正关键的运营指标。
KPI 驱动的优化
下一个版本由证据决定
每通真实电话都会留下信号：来电客户反复重复自己的话、转人工太晚、回答偏离规则、外呼任务节奏放缓。下面是上方评分卡中的那个版本，从 KPI 的角度来看。
某个客服智能体上，申请退款的来电客户转到人工太晚。修改方案是更早提供转人工，它通过了测试，也得到了您的批准。随后分阶段发布，每个阶段都先核对 KPI，再进入下一阶段。一次只改一处，智能体持续进步，您的线上电话也不会变成试验场。
了解通话分析主要 KPI解决率
来自真实通话的信号退款场景转人工太晚
已发布的修改更早提供转人工
同时关注转人工时机、重复来电
您的批准已批准
放量10% → 50% → 100%
为什么重要
这是一座工厂，不是一次性配置
模型供应商只是零部件。您真正的优势，是把它们变成可靠且不断进步的运营体系。
生来就为生产环境设计
从一开始，生成就和工具、电话线路、规则、测试场景以及人工升级绑定在一起。
规模再大，质量标准也只有一个
每个新智能体、每次重大发布，都经过同样的模拟、评分和分阶段放量流程。
优化有人负责
真实反馈会变成排好优先级的修改，而不是被遗忘的转写文本。您的团队能看到改了什么、为什么改。
紧扣您的 KPI
销售智能体按合格对话来调优，客服智能体按解决率来调优。Factory 不会把忙碌当成结果。
该由人处理时，就交给人
敏感、模糊和高价值的时刻，仍由人来把握。智能体会把上下文一并交接，客户不用从头再说一遍。
底层不绑定供应商
语音识别、语言和语音合成模型可以按智能体和业务场景选择，发布循环保持不变。
一通电话之内
对话流程跟着来电客户走
话术只是起点，不是让智能体对着电话那头的人逐字照念。通话中识别到的情绪和需求信号，会决定对话接下来走哪条路径。
直接进入正题
不多说安抚的话，智能体直接处理来电客户已经说明的需求。
回复更短，更早转人工
回复变短，更早提出转人工，不让不满情绪继续累积。
先澄清，再行动
智能体会问清真正的需求，而不是自己猜一个，然后照着错的去做。
推进成交
缩短需求了解环节，趁客户兴趣还在，推进预约、确认或转接。
来电客户我想查一下我上周下的一个订单现在什么情况。
AI 员工好的，我现在帮您查。麻烦您告诉我订单号，或者下单时用的手机号。
来电客户这个订单我已经打了三次电话了，到现在都没人给解决。
AI 员工我明白，这件事一定要给您处理好。我现在就请一位同事来接，您刚才说的情况我都会转给他。
安全护栏。路径会变，规则不变。智能体绝不会为了迎合当下而编造规则，而且每个分支都保留转人工的通道，不只是客户不耐烦的时候。
Factory 能产出什么
为真实呼叫队列打造的 AI 员工
从一个业务流程起步，等真实数据表明时机成熟，再逐步扩展。
客户服务
订单状态、退货、保修、账户问题，以及非工作时间值守。
客服智能体销售与线索筛选
经销商活动、沉睡线索激活、需求了解和会议预约。
销售智能体医疗协调
多语言初诊接待、预约流程，以及稳妥地交接给协调员。
医疗业务流程物流运营
司机热线、货运状态、在途确认电话，以及以异常为先的调度支持。
物流业务流程常见问题
关于 Agent Factory 的问题
Agent Factory 只是又一个提示词生成器吗？+
不是。提示词或对话逻辑只是产出之一。Agent Factory 把生成与模拟、评分、电话线路、工具、分阶段发布和真实 KPI 反馈连在一起。
智能体会在生产环境中自己修改自己吗？+
不会。生产环境中不会有任何悄悄进行的修改。反馈只会找出一项候选改进，这项修改要对照当前版本测试、经过评审，再通过受控放量推广。
我们的团队需要提供什么？+
我们需要业务流程、通话示例或录音、经批准的知识、系统权限、升级规则、语言，以及您想提升的结果。我们会帮您把这些输入整理成首次发布计划。
通话可以转给真人吗？+
可以。转人工在设计业务流程时就已考虑在内。接听的同事会拿到来电客户的诉求、上下文和转接原因。
怎么判断什么时候该增加一个智能体？+
先从一个呼叫队列、一个 KPI 开始。等第一个业务流程有了稳定的质量基线、明确的负责人，以及足够安全扩展的证据，再加下一个。
整个过程中我们能看到什么？+
每次发布，您都能看到商定的范围、测试结果、质量信号、验收视图、版本说明和 KPI 变化。