通道一 · 当前会话像素侦察
正在聊的会话来新消息不会出红点，只能盯着看。两次截屏做几何差分：没变化就不劳驾大模型，变了才把变化的小块喂给它——省钱且不会漏。
客户发来一句话
AI 替销售接住
客户在企业微信上给销售发消息，几十秒后收到回复——回复其实来自 AI。它用哪位销售的身份就是哪位，记得客户说过的每个数字，聊 50 轮不忘事。这页讲清楚：一条消息进来，到回复发出去，中间经过哪几站。
// 对外讲解口径 · 只讲机制，不含运营数据
云电脑 GUI 自动化
视觉模型读屏
云端大脑 · LLM
三层记忆
拟人护栏 ×10+
全链路成本追踪
SCROLL / 向下滚动
01
Architecture · Three Stations
三站接力：眼手在云电脑，大脑在云端
企业微信官方不给「好友单聊代发」的 API，所以整条链路是像人一样操作企微客户端：一台云电脑挂着登录好的企微，看屏幕、打字；真正「想怎么回」的全在云端。
眼 + 手云电脑
Windows GUI 自动化
阿里无影 · 桌面版企微常驻
截屏发现新消息 → 让视觉模型「读」出对话 → 把云端给的回复逐字打进输入框发出去。只做输入输出，一行业务逻辑都不放这。
Python · 像素 diff + VL 读屏 + SendInput
中转Fly.io
东京中转站
国内云电脑连不上 Vercel
云电脑的出口访问不了海外部署的大脑，也访问不了大模型服务——所以两类请求都经东京的中转服务器转发，纯透传不落数据。
FastAPI · 一个 secret 换目标即可切换/回滚
大脑Vercel
回复决策引擎
记忆 · 判断 · 生成 · 落库
收到「客户说了什么」，过五道闸、拼三层记忆、判话术阶段，让 LLM 以对应销售的身份写回复，全过程留痕可追账。
Next.js · Supabase 共库 · Langfuse 全链路
分工铁律
云电脑只做「看」和「打字」，所有判断都在云端——想改话术、换模型、调规则，改云端就行，云电脑一行代码不用动。
02
Message Journey · End to End
一条消息的完整旅程
从「客户按下发送」到「客户收到回复」，七步。紫色在云电脑上发生，蓝色在云端大脑里发生。
发现
云电脑每隔 25~70 秒随机醒一次：正开着的会话盯像素变化，其它会话扫左侧红点，沉默客户由召回任务主动唤起
读屏
截屏交给视觉模型只做两件事：抄字、判左右；「哪条最新」「什么顺序」全由代码按坐标算，不让模型猜
分流
全新好友 → 打招呼；最后一条是客户 → 把他连发的几条合并成一次提问；最后一条是自己 → 什么也不做
过闸
大脑先查五道闸：是不是真客户、这句是不是已经答过、是不是自己的话术被误读回来了、这个会话是不是已转人工
回忆
拼上客户画像 + 跨渠道记忆 + 滚动摘要 + 最近 40 条对话——在抖音聊过的人，绝不再问一遍「您家多少平」
生成
判断该用培育话术还是临门话术（每轮重算），LLM 以对应销售的身份写一条「您」字口吻的单气泡回复，再清洗掉一切机器痕迹
发送
按文案长度停 5~20 秒模拟打字，逐字敲进输入框发出；真发出去了才回传确认落库，计入当日额度
// 关键设计：每一步都能安全地什么都不做——读不准、拿不稳、闸没过，宁可这轮跳过下轮再来，绝不硬发。
03
The Eye · Discover & Read
眼睛：怎么发现、怎么读
读屏是全链路最脆的一环——视觉模型会看走眼。解法不是换更强的模型，而是把容易看错的判断从模型手里拿走。
通道二 · 其它会话红点巡逻
视觉模型只看左侧列表窄条找红色未读圆点，每轮最多开 3 个。带「@微信」标记的外部客户永不进抑制名单——客户消息零漏接。
通道三 · 主动出击七天召回
沉默 7 天的好友，每天派一个新话题主动唤回，连推 7 天。派单节奏由云端定时任务控制，与被动回复共用同一双手、排队不抢窗口。
读屏哲学
视觉模型只做它从不失败的事：抄字、判左右。「哪条最新」「是不是红点」「谁说的」这类容易看走眼的判断，全部交还给代码做几何计算——顺序按纵坐标排、身份按横坐标定、新旧按像素差分判。
04
The Brain · Decide & Generate
大脑：回什么、怎么回
生成回复只是最后一小步。前面先过闸、再回忆、再定话术阶段——大部分逻辑在决定「要不要回」和「以什么姿态回」。
Gate · 五道前置闸没有新话就不说话
客户没说新内容不回；自己的话术被读屏误认成客户消息时认出来不接；机器人和同事账号闭麦；已转人工的会话绝不抢答，客户冷静期后主动再来才自动接回。
Stage · 话术阶段培育还是临门，每轮重算
客户话里露出「订金 / 到店 / 什么时候有空」这类决策信号就切临门话术；下一轮信号没了就退回日常培育口吻——只看客户说的话判断，不被自己的话术污染。
Persona · 身份壳客户加的是谁，AI 就是谁
每位销售一个独立身份壳，AI 代回沿用该销售的名字与口吻；不同销售的客户即使同名也各自独立记忆，绝不串号、绝不穿帮。
Sanitize · 输出清洗抹掉一切机器痕迹
剥掉模型偶尔泄漏的内部协议字节、舞台指示、「[图片]」占位标记——宁可短一点，也不能让客户看到一丝生成痕迹。配图三选一互斥，一轮只发一类。
05
The Hand · Send Like a Human
手：怎么发得不像机器人
最像机器人的从来不是文案，是节奏和失误方式。发送端所有护栏都不依赖视觉模型的判断——全是确定性代码。
Rhythm · 拟人节奏随机醒、慢慢打、只在白天
25~70 秒随机醒一次；按文案长度停 5~20 秒再打字；回复最多切 3 段不刷屏；只在 9 点到 21 点干活；每客户、每天都有条数上限。
Anti-Echo · 自问自答闸读错也回不到自己头上
自己近期发过的话存一份指纹缓存，读屏偶尔把我方消息误判成客户消息时，模糊比对认出来直接丢弃——「自己跟自己聊起来」这种事故被焊死。
Ledger · 回复台账答过的话逐行剔除
每个客户一本「已回复过什么」的台账，客户消息哪怕被拼进新一轮，也会逐行剔掉答过的部分——同一个问题绝不答两遍。
Focus Guard · 失焦中止绝不打进别的窗口
每打一段字前都校验企微还在前台，被人抢走窗口立刻停手、下轮重试；连续异常 3 次整个停机等人来看——出错时的姿态是「停」，不是「猛试」。
06
Memory · 50 Turns Without Forgetting
记忆：聊 50 轮不忘事
大模型一次只能看有限的上下文，聊久了会「失忆」——复读、重问、忘记报过的价。解法是三层记忆叠加，轮数从此没有上限。
第一层 · 会话内画像硬字段确定性抽取
每次回复后，后台由代码触发把客户说的面积、预算、城市、户型等 8 个硬字段抽进画像——不指望聊天模型「自觉记笔记」，实测它不会。
第二层 · 滚动摘要窗口外的旧对话不丢
模型每轮只看最近 40 条；更早的对话按水位线增量压缩成一段 900 字内的摘要随行注入。报过的价格数字一字不差照抄，新信息压过旧信息。
第三层 · 跨渠道记忆抖音聊过的不重问
认出「企微上这位就是抖音上聊过的那位」，把历史会话的画像事实合并过来——只搬结论不搬聊天原文，既省 token 又不串味。
为什么客户最反感重问
「像个机器人」的最大投诉不是话术生硬，而是换个渠道就把您忘了。三层记忆的目标只有一个：客户说过一遍的事，永远不需要说第二遍。
07
Orbit · Scheduled Jobs
外围：五个定时任务在旁边转
实时回复链路之外，五个云端定时任务负责通知、召回和统计——不碰回复主链路，挂了也不影响回消息。
| 任务 | 频率 | 干什么 |
|---|---|---|
| 好友通过通知 | 每 15 分钟 | 新客户通过好友申请 → 推卡片到内部群，销售第一时间知道 |
| 加人日战报 | 每 30 分钟 | 某销售当日加人达到阈值 → 推战报（已通过 / 等通过 / 搜不到 / 死号） |
| 七天召回派单 | 每 2 小时 | 挑出沉默好友写入召回队列，云电脑按额度取走主动发话题 |
| 抖音↔企微搭桥 | 每天一次 | 从抖音私信里抽手机号建索引——企微加上人后能认出「就是抖音那位」 |
| 对话漏斗日报 | 每天一次 | 开口 → 聊满 3 句 → 6 句 → 进临门期 → 约到店，五档漏斗推群 |
08
Design Principles
三条设计取向
模型只做擅长的
视觉模型抄字判左右，语言模型写话术——顺序、身份、去重、限频这些有确定答案的判断，一律交给代码。看走眼的空间被压到最小。
宁可不发，不可发错
读不准、拿不稳、闸没过——每一步都能安全地什么都不做，下轮再来。连续异常直接停机等人。错发一条的代价远大于晚回十分钟。
全程留痕可追账
每一次模型调用都有 trace，每一分成本都能算到通道和任务头上；每条 AI 回复真发出去了才落库——统计里的每个数字都对应真实发生过的事。
一句话总括：一台云电脑当眼和手，云端大脑负责想，三层记忆负责记——把「容易出错的判断」从模型手里拿走交给代码，把「宁可不发」焊进每一步，AI 才能长期稳定地替销售接住每一条消息。