OpenRouter 为 5 人销售团队打造 AI 销售智能体 Rasp，每月省 600 小时
OpenRouter 自曝内部案例：5 个销售加一个 AI 智能体 Rasp，每月省 600 小时，连踩坑经验和模型省钱套路都写清楚了。
OpenRouter 发布案例研究，介绍内部销售智能体 Rasp：5 人销售团队每月节省约 600 小时（人均约 28 小时/周），单次 demo 成本从 103 分钟降到 44 分钟。Rasp 负责 inbound 线索资格审查、自动发送首触邮件（93% 全自动化）、通话前简报和 CRM 填写，敏感事项则交给人工。架构上经历了 Ace 和 Dove 两代失败产品后沉淀出单一 pipeline、功能默认关闭、第一天埋指标、Slack 即界面四条原则。推理用 GLM 5.2 约每天 18 美元，通过 Ori 路由层在 DeepSeek v4 Pro（便宜约 2.4 倍）等更廉价模型间自动切换。
OpenRouter 为内部仅 5 人的销售团队打造了 AI 销售智能体 Rasp，每月为销售团队节省 600 小时，怎么做到的？ Rasp 的背景：这支 5 人销售团队被三件事淹没：inbound 线索量、行政工作、CRM 维护。这本质上是一个经典问题，销售的时间被非销售事务吞噬。Rasp 的切入点不是“替代销售”，是回收被杂务占用的时间。 openrouter.ai/blog/case-stud… # Rasp 做什么、不做什么 Rasp 做的： 自动调研并资格审查每一条 inbound 线索，非销售类问题自动分流 自主发送首触邮件（93% 全自动化） 撰写通话前简报（pre-call briefs） 根据通话转录稿起草通话后笔记 自动填写大部分 CRM 字段 将边缘情况/敏感事项标记给人工审批 Rasp 不做的： 不做最终发送决定、不判定交易分类、不处理合规问题 不主持通话、不谈判、不维护客户关系 # 架构经验：来自两个失败前代的教训 Rasp 之前有两代产品，面向 AE（客户经理）的 Ace 和面向业务拓展代表的 Dove，均未成功。由此沉淀出四条工程原则： 1. 单一 pipeline 处理所有任务，任务类型只是参数，而不是为每类任务写独立代码路径。独立路径会导致行为漂移（drift），这在小模型 Agent 系统中尤为致命。 2. 一切功能默认关闭，渐进放量，随时回滚。 3. 指标从第一天就埋点，没有基线就无法验证任何声明。 4. Slack 即界面，简报、草稿、标记、指标全部推送进 Slack，让“添加新 Agent 任务”不需要工程师介入。Agent 的可采纳性取决于它出现在工作发生的地方。 # 模型成本考量 当前推理使用 GLM 5.2（约 18 美元/天），而经过验证的更廉价替代方案包括： · DeepSeek v4 Pro：便宜约 2.4 倍 · GLM 5.3 Flash：便宜约 18 倍 · DeepSeek v4 Flash：便宜约 37 倍 Ori 的路由层会在保持质量的前提下自动切换到更便宜的模型。这印证了当前 Agent 工程的一个核心趋势：任务分级路由比单一旗舰模型更具经济性，销售智能体的大量子任务（分类、路由、字段提取）根本不需要顶级模型。 # 量化成果 · ~600 小时/月（约 140 小时/周，人均约 28 小时/周） · 每个销售每天多打约 2 通电话 · 单次 demo 成本：103 → 44 分钟（准备 30→5，笔记 15→2，CRM 30→7） · Inbound 分诊：从占用一个全职人力降到约 25% 人力 · 交易周期缩短 34%；成单率提升 2.6 倍（同期有定价和市场变化，不能全归功于 Rasp） · 当前 pipeline 约 57% 来自释放出的新产能 · 大量线索在 60 秒内得到响应 OpenRouter @OpenRouter Our 5-person sales team was drowning before we built Rasp, an AI sales agent using OpenRouter's Ori. Every inbound lead gets researched, many hear back in under 60 seconds, and we save ~600 hours/month. Cost: ~$30/day and getting cheaper by the week. openrouter.ai/blog/case-stud… 🔗 View Quoted Tweet 💬 4 🔄 0 ❤️ 5 👀 327 📊 4 ⚡
