公司禁用 AI？用“本地 Skill”把销售管理做成自动挡

你有没有见过这种离谱场景：

• 销售主管带着二三十号人
• 每天被“谁该跟进谁、谁该培训啥、谁快掉队了”轰炸
• 公司还一句话：信创产品，禁止外部 AI 🙃

很多人到这就放弃了。其实恰恰相反：不能用云端，就做本地 Skill。数据不出门，效果照样能打。

我把这套做法从“给家里人省时间”打磨成了模板。你照着做，目标也很明确：让主管从 8 点多下班，变成 7 点前走人。

这类 Skill 到底解决啥问题？

别把它想成“聊天机器人”。它更像一个会看表、会算分、会给建议的管理助理。

典型提问长这样：

• “本周谁的线索转化率掉得最狠？原因可能是什么？”
• “A 客户是政企、预算 50 万、周期 3 个月，团队里谁最适合跟？”
• “小李最近一直开不了单，他最该补哪三项能力？给我一份训练计划。”
• “把本月所有人按【能力-业绩】分象限，点出每个象限的管理动作。”

你会发现，它核心不是“生成文字”，而是：

• 把零散数据变成可行动的结论
• 把主管脑子里的管理经验固化成规则 + 模板

适合的环境：内网/信创/不让数据外发

如果你们公司：

• 禁用 ChatGPT、Claude、Gemini
• 不允许上传客户信息、合同、报价
• 内网机器能装软件、能跑 Python

这套就很合适。

你需要的东西不复杂：

• 一台本地/内网服务器（能用显卡更爽，没有也能跑）
• 一个本地大模型（Qwen / DeepSeek / Llama 系都行）
• 你们现成的 Excel/CRM 导出数据

Skill 的骨架：别搞花活，就三层

1）数据层：主管每天都在用的那几张表

建议从最常见的 3 张表开搞：

• 人员表：姓名、角色、入职、负责行业、客户类型偏好
• 业绩表：线索数、商机数、转化率、回款、客单价、周期
• 行为表：拜访/电话/方案/投标次数、跟进节奏、丢单原因

重点：别追求完美字段。先让它跑起来。

2）规则层：把“主管经验”翻译成可执行

举个超实用的：跟进匹配评分。

• 行业匹配（政企/医疗/教育…）
• 产品线熟悉度（信创/硬件/软件…）
• 客单价区间适配
• 成交周期偏好（快单/慢单）
• 当前在手商机负载

把这些做成 0~100 分的评分，AI 才能“有理有据”地推荐人。

3）表达层：让 AI 用你要的格式输出

你不需要它写作文。你要的是表格 + 决策建议 + 下一步动作。

例如固定成这种输出：

• 结论（1 句话）
• 数据证据（3 条，引用字段）
• 风险点（1~2 条）
• 管理动作（具体到“谁、什么时候、做什么”）

一套能落地的实现方案（不玄学）

下面给你两条路。

路线 A：轻量版（最快出效果）

适合：你只想让它“读 Excel、出结论”。

• Excel → Python(pandas)清洗
• 结构化计算（评分、排行、环比）
• 把结果喂给本地模型生成“管理建议”

核心点：模型不负责算数，模型负责“把算好的东西讲清楚”。

路线 B：增强版（能查制度/话术/案例）

适合：你还想让它回答“按公司打法怎么做”。

• 在路线 A 的基础上
• 加一层本地知识库（RAG）：
  • 销售 SOP
  • 行业话术
  • 丢单复盘案例
  • 产品FAQ、竞品对比

效果会很像“团队教练”。

工具建议（选你顺手的）

本地模型运行

• Ollama：装起来简单，适合快速验证
• vLLM：吞吐高，适合多人并发

模型选型别纠结太久：

• 中文场景：Qwen、DeepSeek 的中小尺寸就够用
• 你要的是“稳定 + 可控”，不是“论文跑分”

数据处理

• Python + pandas（够用了）
• SQLite（小团队最省心的数据库）

知识库（可选）

• Chroma / FAISS（向量库）

关键动作：把“输入”收敛到主管能接受

别指望业务同事天天整理数据给你。

你要做的是：

• 让她只需要丢一个 Excel
• 你这边自动校验字段、自动补默认值、自动生成报告

一个很实用的 Excel 模板约定

• 固定列名（别让同事自由发挥）
• 日期格式统一（不然你会被气到）
• 枚举字段用下拉（丢单原因/行业/客户阶段）

你甚至可以加一行“错误提示”：

• 行业为空 → 标红
• 客户阶段不在枚举里 → 标红

减少扯皮，效果立竿见影。

示例：一个“人员能力管理 Skill”的提示词（可直接用）

把模型当成“管理助理”，你要把边界钉死。

你是销售团队的管理助理。你只能基于我提供的数据做判断，不允许编造。
输出必须包含：
1) 结论（不超过30字）
2) 数据证据（3条，用字段名引用）
3) 风险点（1-2条）
4) 管理动作（列出负责人、截止时间、具体动作）

如果数据不足，先问我需要补哪3个字段。
语气：直接、像内部复盘。

现在输入的数据如下：
{{metrics_json}}
问题：{{question}}

配合你前面算好的 metrics_json（排行、环比、转化率、评分），输出会很稳。

示例：用 Python 做“可解释”的评分（片段）

下面这种思路就很管用：分数 + 解释，主管看一眼就信。

import pandas as pd

def match_score(rep, lead):
    score = 0
    reasons = []

    if rep["industry"] == lead["industry"]:
        score += 30
        reasons.append("行业匹配 +30")

    if rep["product_line"] == lead["product_line"]:
        score += 25
        reasons.append("产品线匹配 +25")

    # 客单价适配：rep的平均客单价在lead预算附近
    if abs(rep["avg_deal"] - lead["budget"]) / max(lead["budget"], 1) < 0.3:
        score += 20
        reasons.append("客单价适配 +20")

    # 负载惩罚
    if rep["open_opps"] > 8:
        score -= 15
        reasons.append("在手商机过多 -15")

    return score, reasons

模型拿到 reasons，就能把“为什么推荐张三”讲清楚。

交付形态：别做大系统，做“能用”的入口

你有三种常见交付方式：

• 企业微信/飞书机器人：业务最爱，提问就出结果
• 内网页面：上传 Excel → 生成报告
• 每周自动邮件：固定时间发“团队能力雷达 + 风险清单”

小团队建议选“上传 Excel → 出报告”。阻力最小。

避坑清单（踩过的人都懂）

• 让模型直接读原始 Excel：它会瞎理解、瞎总结。数据先结构化、先算好关键指标。
• 字段命名不统一：今天叫“成交额”，明天叫“回款”，你会维护到崩溃。强制模板。
• 只做漂亮的周报：周报再漂亮也不等于管理动作。输出里必须有“谁、什么时候、做什么”。
• 把个人隐私乱塞进去：能力管理就做能力管理，别把聊天记录、私生活信息也喂进去，风险巨大。
• 追求一次到位：最靠谱的节奏是“能用 → 好用 → 可规模化”。

一个你能立刻照做的 7 天计划

• 第 1 天：确定 3 张表字段，做 Excel 模板
• 第 2 天：写清洗脚本，跑出基础指标（转化率、环比、排行）
• 第 3 天：固化 2 个评分（跟进匹配、能力短板）
• 第 4 天：接入本地模型，用固定格式输出管理建议
• 第 5 天：做一个上传入口或机器人入口
• 第 6 天：拿真实团队跑一周数据，记录“主管不满意的点”
• 第 7 天：只改 3 个最痛的点（别贪多），上线试运行

跑完这一轮，你就有一个能每天用的 Skill。

写在最后：少折腾，多 build

市场怎么波动，那是另一条线。

你把 Skill 做出来，主管能早下班，你也能把“AI 练手”变成真正的价值。

想继续往下做，可以加两块：

• 丢单复盘自动化（按原因归因 + 给改进动作）
• 新人 30 天游泳圈（每天训练任务 + 话术演练 + 复盘提问）

你要是愿意，把你们现在的表结构（打码也行）发我，我可以帮你把“字段模板 + 指标计算 + Skill 输出格式”一起对齐。