案例基于多 Agent 协作的销售与社交能力训练平台，模拟真实场景对练，由 AI 评分并给出改进建议。
基于多智能体协作的销售与社交能力训练平台。通过 AI 驱动的角色扮演模拟真实场景（客户异议处理、商务谈判、社交破冰），由多个评估模块从话术逻辑、情绪感知、合规性等维度评分并给出改进建议。3 人核心团队 4 周完成首版，MIT 协议 100% 开源可商用。
多评估器打分 vs 单一模型评分。最初尝试用一个 Prompt 让大模型同时评估话术、情绪和合规性，发现三个维度互相干扰——模型倾向于"看到话术好就给情绪也打高分"。改为多评估器架构后，三个评分模块各司其职：话术评估器关注逻辑闭环和说服力，情绪感知器分析语气和共情度，合规检查器审查是否存在过度承诺或虚假宣传。最终评分取三者的加权平均，权重可由训练管理员按场景调整。
为什么加 Celery + Redis 队列。评分链路涉及三个评估模块的并行调用，每次训练对话的评估耗时 8-15 秒。如果同步等待，用户在一次对话练习后盯着加载动画超过 10 秒就会关掉页面。Celery 异步任务将评分与对话界面解耦——用户结束对话后立即看到自己的对话记录，评分结果在 15 秒内以通知形式推送回来。
为什么选择 MIT 开源。这个项目的合作方（Qoder 创意挑战赛）从一开始就定位为社区驱动。开源带来了两个意外收益：一是外部贡献者补充了医美销售、保险代理人等我们没覆盖的垂直场景话术库；二是开源仓库在 GitHub 上获得了 230+ Star，成为我们 AI 应用能力的一个公开证明。
坑一："客户"角色太好说话了。初版客户侧的 System Prompt 过于客气，训练中的模拟客户几乎不会提出尖锐异议——销售学员练完信心爆棚，真实拜访时被一句"你们比 XX 贵 30%"就卡住了。修正方案是在客户端的指令中加入"异议升级机制"：对话进行到第 3 轮后，模拟客户必须提出至少一个价格或竞品对比问题，难度随训练轮次递增。
坑二：OpenAI SDK 调用超时导致评分丢失。项目初期直接用同步调用，偶尔遇到 API 超时（30s），用户看到"评分失败，请重试"——对于付费培训场景，这个体验不可接受。切到 Celery 异步后，增加了自动重试（max_retries=3，指数退避）和降级策略（一个评估模块失败时用另外两个的评分加权，标注"部分评分暂缺"）。评分完成率从 87% 提升到 99.3%。
坑三：对话上下文超出 Token 限制。一次深度销售训练对话可能持续 20-30 轮，累计 token 轻松超过 GPT-4 的上下文窗口。初版直接截断最早的消息——结果把客户最初的需求描述也截掉了，评分准确率下降明显。改成了"滑动窗口 + 关键信息摘要"：保留最近 8 轮完整消息 + 由摘要模块提前生成的对话要点注入 System Prompt，在 8K token 窗口内保持了 95% 的评分准确率。
前端：Next.js 16 · Tailwind CSS · Lucide · Zustand · TanStack Query · react-hook-form
后端：FastAPI · SQLAlchemy · Alembic · asyncpg · PostgreSQL · Redis · Celery · OpenAI SDK
开源地址：github.com/shangyankeji/zhixun（MIT 协议）