跳转至

99-元月用-agentplan-openviking-给销售团队配一个不会忘事的-ai-助手

Ch04.320 99-元月用-agentplan-openviking-给销售团队配一个不会忘事的-ai-助手

📊 Level ⭐⭐ | 10.2KB | entities/99-元月用-agentplan-openviking-给销售团队配一个不会忘事的-ai-助手-bytedance.md

99-元月用-agentplan-openviking-给销售团队配一个不会忘事的-ai-助手

来源：字节跳动技术团队 | 发布日期：2026-07-16

摘要

字节跳动技术团队基于火山方舟 AgentPlan 和 OpenViking 构建了一款销售助手工作台，以 9.9 元/月的极低成本解决了销售团队普遍面临的"客户资料散落在飞书群聊、会议纪要、云文档等多处，靠人肉整理"的痛点。该方案的核心架构是"AgentPlan 作为大脑和钱包，OpenViking 作为记忆体"——AgentPlan 负责编排多工具协同调用链路，OpenViking 提供虚拟文件系统范式的统一上下文数据库，实现记忆持续沉淀。搭建过程仅需 2 步（购买 AgentPlan + 运行配置 Skill），后续可直接通过自然语言查询商机、生成跟进计划、自动沉淀客户记忆。

核心要点

  1. 极致低价：AgentPlan Small 套餐原价 ¥40/月，新用户活动期低至 ¥9.9/月，是目前性价比最高的 AI Agent 落地场景之一
  2. AgentPlan 编排中枢：作为"大脑和钱包"，负责多工具协同调用——专业数据集（DataPro）、豆包搜索、Agent 记忆（OpenViking）、Supabase 存储
  3. OpenViking 记忆体：采用虚拟文件系统范式替代传统 chunk-based RAG，通过三层上下文分级（L0 摘要 → L1 总结 → L2 完整内容）实现高效的记忆存取
  4. 2 步搭建：购买 AgentPlan 套餐 + 运行销售助手 Setup Skill，即可从零搭建完整工作台
  5. 记忆自动沉淀：每次对话中的销售判断、客户偏好自动提取并写入 OpenViking 长期记忆，Agent 越用越"懂"客户

方案详解

架构全景

该销售工作台的架构遵循"编排 + 记忆 + 工具"的三层模式：

  • 大脑层：AgentPlan 负责接收用户指令、分解任务、编排工具调用序列、管理执行流程
  • 记忆层：OpenViking 提供持久化上下文存储，支持按目录浏览、层级检索、增量写入
  • 工具层：包含 DataPro（企业工商信息查询）、豆包搜索（公开网页信息）、Supabase（业务数据存储）、飞书 CLI（文档读取）

为什么选择 OpenViking

传统 RAG 方案在销售场景中有三个致命问题：

  1. 上下文碎片化：一份会议纪要被切成 10 个 chunk，检索回来的是碎片，Agent 需要自己拼凑上下文
  2. Token 浪费：每次检索返回大量冗余内容，模型还没开始干活，Token 已用掉一半
  3. 记忆无法积累：每次对话都是新的开始，上周的分析结果这周又得重新来

OpenViking 的虚拟文件系统范式解决了这些问题：

  • Agent 可以像操作本地文件一样管理记忆——按目录浏览、按层级检索
  • 三层上下文分级（L0 摘要 → L1 总结 → L2 完整内容），Agent 按需取用
  • 记忆持续沉淀——每次生成的档案、每次问答的结论都可以回写

搭建与使用

Step 1：购买 AgentPlan 套餐：登录火山方舟官网购买 AgentPlan Small 套餐，获取专属 Base URL 和 API Key，在控制台开启 DataPro、豆包搜索、Agent 记忆（OpenViking）、Supabase 等 Harness 配置。

Step 2：运行 Setup Skill：使用提供的销售商机商单 Agent Setup Skill，Agent 会依次完成环境检查、建库、凭据配置、飞书 CLI 安装，最后跑一轮最小闭环验证。

使用场景： - 查询商机："总结 A 公司当前进展、风险点和下一步动作"——Agent 基于所有已上传资料回答 - 生成跟进计划："帮我生成下一次和 A 公司的沟通提纲" - 拜访前 Brief：上车前一句"给我一份拜访 Brief"，10 秒内生成带时间线的完整档案 - 自动生成本周周报：周五一句"帮我生成本周的跟进周报"，10 秒内输出结构化报告

深度分析

AgentPlan + OpenViking：Agent 记忆基础设施的一次务实实践

字节跳动技术团队推出的这套销售助手方案，看似只是一个低成本的工具搭建教程，实则揭示了一个正在发生的重要变化——Agent 记忆正在从"可选增强"变为"核心基础设施"。

2026 年上半年的 Agent 开发主流范式是"无状态 Agent"——每次对话都是独立的，Agent 不记得上次聊了什么。这在简单问答场景中尚可接受，但在销售、客服、项目管理等需要持续跟进的场景中，无状态 Agent 的体验几乎是不可用的。OpenViking 正是抓住这一空白：不是做一个更强的 RAG 引擎，而是重新定义了 Agent 存取记忆的方式——从"碎片化向量检索"到"结构化文件系统"。

这一转变的实质是：Agent 需要的不是"更多数据"，而是"更好的记忆组织方式"。虚拟文件系统范式让 Agent 可以像人类一样按目录浏览、按层级检索、按需写入——这比在数万个 chunk 中做语义相似度匹配要高效得多。

"9.9 元"背后的商业逻辑

9.9 元/月的定价不是"便宜"，而是"战略级定价"——它把 Agent 落地的决策成本降到了一个不需要审批的额度。对于销售团队负责人来说，9.9 元是"试一下也无妨"的价格，而不是"需要写报告申请预算"的价格。

这一策略的背后判断是：Agent 产品的核心竞争壁垒不在技术，而在用户习惯。一旦销售团队用上了、依赖上了、积累了客户数据，迁移成本就会让他们成为长期用户。OpenViking 在早期用极低价格获取用户，后期通过增值功能（更大存储、更多 API 调用、更高级的数据分析）实现 ARPU 提升。

对 Agent 产品设计的启示

这套方案展示了"实用主义 Agent"的产品设计原则：

  1. 从高频刚需切入：销售团队"资料散落、记忆断裂"是真实且高频的痛点，不是伪需求
  2. 降低启动门槛：2 步搭建、9.9 元/月，大幅降低了"第一次使用"的心理和操作成本
  3. 设计"Aha moment"：方案中特意设计了"拜访前生成 Brief"和"自动写周报"两个 Aha moment——让用户在第一次使用时就能感受到"这个助手真的记住了"
  4. 记忆的累积效应：产品价值随着使用时间增长而增长（数据越积越多，Agent 越用越懂客户），这是典型的"数据网络效应"

实践启示

  1. Agent 记忆是 2026 年 Agent 产品的关键差异化能力：无状态 Agent 正在快速变得不可接受。无论是自建还是使用 OpenViking 这样的开源方案，Agent 团队都应该将"持久化记忆"作为产品的标配能力。
  2. 虚拟文件系统范式值得关注：相比传统 chunk-based RAG，虚拟文件系统范式在组织效率、Token 效率和记忆积累三个方面都有显著优势，特别适合需要长期跟进客户关系的场景。
  3. "编排 + 记忆"正在成为 Agent 架构的标准模式：AgentPlan 作为编排中枢、OpenViking 作为记忆体——这套架构与 如何利用 Agentcore Openviking 快速搭建具备高效记忆的 Agent 中介绍的 AWS Bedrock AgentCore + OpenViking 方案高度一致，说明行业正在收敛到类似的架构模式。
  4. 产品设计要以"Aha moment"为核心：不要一次性铺开所有功能，而是设计 1-2 个让用户"第一次用就感到惊喜"的关键场景。对销售助手来说，"拜访前 10 秒生成完整客户档案"比"功能丰富但需要学习"的体验更有说服力。

相关实体

→ 原文存档