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。
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