很多人做 Dify 自动化时，第一反应是“做一个表单，客户填完就让 AI 回复”。这个思路能跑通演示，但真正交付给客户时往往不够稳。销售线索不是普通问答，它涉及需求判断、预算意向、交付周期、资料缺口和人工跟进。
更实用的做法，是把 Dify 表单做成一套线索评分和分流流程：先收集必要字段，再用问题分类器判断咨询类型，调用知识库补充方案，最后把高价值线索交给人工确认。这样既能减少销售初筛时间，也不会让 AI 直接替人做高风险承诺。
适合做线索评分的场景
这套流程适合客单价不算太低、咨询信息比较分散、销售需要反复追问的业务。比如本地商家 AI 自动化、企业知识库搭建、AI 客服、内容代运营、Dify+n8n 工作流交付等。
如果只是收一个姓名电话，直接用表单工具就够了；如果你希望 AI 先判断客户是不是有效线索，再给销售一份摘要和跟进建议，Dify 才有发挥空间。相关的自动化交付思路，可以先看 AI智能体与自动化专题 和 老达AI实践专题。
第一步：表单字段不要只问联系方式
线索评分的质量，首先取决于表单字段。字段太少，AI 只能猜；字段太多，客户又不愿意填。建议保留 6 类信息：
- 基本信息：姓名、公司、联系方式；
- 业务场景：客服、销售、内容、知识库、内部办公；
- 当前痛点：重复咨询多、线索跟进慢、资料难找、人工成本高；
- 预算范围：只做调研、低预算试点、有明确预算；
- 时间要求：本周、1个月内、长期规划；
- 补充资料：官网、产品资料、常见问题或已有流程。
这里和单纯的“客户资料收集”不同。站内已有 Dify客户资料收集流程，重点是表单校验和结构化入库；本文重点是把这些资料变成销售判断和跟进动作。
第二步：用问题分类器先分咨询类型
表单提交后，不要直接把所有内容丢给大模型生成回复。更稳的做法是先用问题分类器分流，例如：
- 产品咨询：客户想了解功能、价格、案例；
- 方案咨询：客户已有业务场景，需要判断可行性；
- 售后咨询：客户已有系统，需要排查问题；
- 合作咨询：客户想谈代理、资源置换或长期服务；
- 无效线索：广告、无关问题、预算明显不匹配。
分类的意义不是为了好看，而是让后续流程更短。产品咨询可以走知识库问答，方案咨询可以走人工审核，售后咨询要先补充系统信息，无效线索只需要礼貌回复。
如果你已经做过 Dify 条件分支，可以参考 Dify条件分支教程，把分类结果接到不同路径。更复杂的多知识库场景，可以看 Dify多知识库路由。
第三步：知识库不是拿来硬套答案的
销售线索流程里的知识库，主要承担两个角色：给 AI 提供事实依据，给销售提供可引用素材。不要让知识库只放公司简介，也不要把所有文件一股脑塞进去。
建议按用途拆成几类资料：
- 产品说明：服务范围、功能边界、交付物；
- 案例资料：行业、问题、方案、结果；
- 价格边界：套餐、定制项、暂不承诺事项；
- 常见问题：客户最常问的风险、周期、维护、数据安全；
- 销售话术：首轮回复、补充资料清单、会议邀约模板。
知识库检索结果要进入“建议回复”，而不是直接发给客户。尤其是报价、承诺上线时间、数据处理方式这些内容，必须经过人工确认。Dify 知识库召回质量不稳定时，可以参考 Dify知识库命中率优化清单。
第四步：设计一套可解释的线索评分
不要只让 AI 输出“高、中、低”，销售很难相信。更好的方式是让模型按固定维度打分，并给出理由：
- 需求明确度：0-25分，是否说清业务场景和问题；
- 预算匹配度：0-25分，是否有预算或能接受试点；
- 时间紧迫度：0-20分，是否有明确上线时间；
- 资料完整度：0-15分，是否提供产品、流程或案例资料；
- 合作价值：0-15分，是否有复购、转介绍或长期维护空间。
输出时建议固定成 JSON 或结构化文本，方便后续写入表格、CRM 或飞书多维表格：
{
"lead_level": "高",
"score": 82,
"intent_type": "方案咨询",
"missing_info": ["现有客服渠道", "预算上限"],
"suggested_next_step": "人工确认后预约30分钟需求沟通",
"reply_draft": "建议回复客户的草稿"
}
如果后面要接 n8n、飞书或 CRM，可以把这个结构作为自动化入口。类似的交付报价边界，可以延伸阅读 AI自动化项目报价流程。
第五步：高价值线索必须人工审核
销售线索流程最重要的控制点，是人工审核。AI 可以帮你总结、打分、拟回复，但不要直接替销售承诺价格、周期和最终方案。
建议设置三类处理方式：
- 高分线索：进入人工审核，销售确认后再发送回复或邀约；
- 中分线索：自动回复补充资料清单，客户补充后再评分；
- 低分线索：发送标准说明，引导查看公开资料或等待人工处理。
人工审核节点要让销售看到四件事：客户原文、AI 摘要、评分理由、建议下一步。不要只给一个分数。关于人工审核的细节，可以看 Dify人工审核流程。
一套可复用的Dify节点顺序
- Start：接收表单字段。
- Parameter Extractor：整理公司、场景、预算、时间等字段。
- Question Classifier：识别咨询类型。
- Knowledge Retrieval：根据咨询类型检索案例、服务说明和常见问题。
- LLM：输出评分、摘要、缺失信息和建议回复。
- IF/ELSE：按分数进入高、中、低不同路径。
- Human Input：高分和敏感回复先人工确认。
- End：输出给销售、表格、CRM 或消息通知。
这套流程可以先在 Dify 内部跑通，再考虑接 n8n 做通知、表格入库、日程预约和后续跟进。不要一开始就把所有系统连起来，否则排错成本会很高。
上线前检查清单
- 表单字段是否足够支撑评分；
- 分类器是否覆盖主要咨询类型；
- 知识库是否按产品、案例、报价、FAQ 分层；
- 评分维度是否能被销售理解；
- 高分线索是否必须人工确认；
- 低分线索是否有礼貌回复；
- 日志里是否保留原始输入、AI判断和人工修改记录；
- 客户隐私和联系方式是否有权限边界。
老达点评
Dify 做销售线索评分，价值不在于“AI 自动回复客户”，而在于把原本松散的咨询信息变成可判断、可复核、可跟进的流程。它应该帮销售少问重复问题，而不是替销售做所有决定。
真正能交付的方案，一定会保留人工确认、评分理由和日志记录。这样客户体验不会失控，团队也能慢慢积累自己的案例库和销售知识库。对普通人做 AI 自动化副业来说，这比炫技式工作流更容易卖出去，也更容易长期维护。
