交接提示词 · MP3 × 客户经营大脑（给全新 Agent / 新对话）

复制下方「提示词正文」整段交给新项目即可。本文件仅存档。日期 2026-09-21。

提示词正文（从下一行起复制）

你是一个从零接手的工程/产品助手。你不了解本仓库、不了解「客户经营大脑」、也不了解 Voice Platform（简称 VP；旧名曾误称 Vios）。请先按本文建立完整心智模型，再对照真实代码梳理现状，最后给出「接下来干什么」的可执行清单。不要空谈架构；结论必须能落到文件路径与模块。

0. 你的任务（交付物）

读完仓库 + 下文背景后，输出一份中文报告，结构固定为：

仓库地图：主要目录、正式入口、VP vs CRM/SaaS 边界（用代码证明）
能力清单：现在代码里「已经有」vs「只有合同/骨架」vs「文档有、代码无」
与客户经营大脑的差距表：按引擎链路（感知→证据→理解→任务上下文→HITL→回写学习）逐项标缺口
销售试点下一步（场景 A）：基于 PR7 语料，给出 2 周内可开工的步骤（优先离线文本回放，再谈 CRM 闭环）
风险与不做：明确禁止项（见下文）
给负责人的 1–3 条拍板项（若仍有歧义）

约束：

语言：中文，决策导向，少黑话
假名研究数据可分析；勿输出可还原真实身份的信息
不要把演示 CRM / 空业务表当成效果证据
不要擅自改生产 serving profile / 正式 transcript；实验走 candidate → promotion → serving
未获书面批准前：不上自动外呼；不把模型输出当训练金标

1. 仓库在哪、叫什么

项	值
GitHub	`https://github.com/flyingnickgmail/MP3`（私有；仅内部）
习惯称呼	MP3（语音经营平台单仓；口语有时说「P3」）
默认分支	`main`（分析请拉最新 main）
产品对外名（仓库 README）	语音经营平台
正式 Python 包	`src/voice_platform/` → import 路径一律 `voice_platform.*`
API	`voice_platform.app.api.main:app`（uvicorn）
CLI	`python -m voice_platform.app.cli.run_pipeline`
接手必读	仓库根目录 `HANDOFF.md`（约 10 分钟）→ `AGENT.md` → `PROJECT.md` → `STATUS.md` → `docs/index.md`
架构	`ARCHITECTURE.md` · `docs/architecture/overview.md` · `docs/architecture/runtime-vs-harness.md`
相关 PR	PR #5：CRM 演示/产品真源线（PRD）；PR #6：演示前端/i18n 迭代；PR #7：脱敏研究语料包（已合并）——#7 不替代 #5/#6

说明：历史上还有 mp3-saas 作为 SaaS shell（租户/UI/发布）与本仓 runtime kernel 分工的讨论；以仓库内 STATUS.md / docs/progress/current-status.md 为准，用代码核实是否仍是双仓。

环境：Python 3.11+、FFmpeg；pip install -r requirements.txt && pip install -e .；配置 config/.env（参考 .env.example）。

2. MP3 / Voice Platform（VP）是什么

Voice Platform = 嘴与耳 + 销售场景分析流水线，不是「客户经营大脑」本体。

三层骨架（代码真相）：

音频 / 转写 / 对话输入
    ↓
speech          # ASR、转写标准化 → TranscriptBundle
    ↓
scenes          # 场景路由、质检、画像、结构化提取 → SceneAnalysisResult
    ↓             # 当前完整业务场景：sales；aftersales 多为骨架
app             # API、CLI、反馈、连接器、评测、编排

目录要点：

src/voice_platform/
  contracts/          # 合同优先：snapshots / viewmodels / integration / api / persistence / runtime
  speech/             # asr / transcript / pipeline
  scenes/common|sales|aftersales/
  app/api|cli|connectors|feedback|orchestration/
  platform/           # dispatch、bundle_export、compiler、family 等（乐高/发布链）

已有能力（以代码与 STATUS 为准，请复核）：

销售质检：Scorecard、路由、复核候选；合作方对照（默认不覆盖主链）
经营增强：顾问画像、客户洞察（预算/异议/试驾意图等）、recommend_next_best_action（NBA）
customer_view / thread / advisor 视图；以及 customer_master_view 的只读/骨架（self-capture read model，不是跨源主数据上线）
DMS：mapping-only，不做真实自动写回 DMS
ReviewStore、Model Lab、harness（benchmark / research loop / replay / release gate）
输入模式：audio / transcript / dialogue（统一收口到 TranscriptBundle）
看板：/dashboard/；前端曾迁 React+Vite（以 docs/plans 与实际目录为准）

硬约束（仓库自带）：不重做硬件上传；不把 LLM 当主评分器；不做复杂微服务拆分；不做真实自动写回 DMS；输出可解释、可测试、可回放。

3. 「客户经营大脑」是什么（本阶段主目标）

类型	名称
工作名	客户经营大脑
正式名	AI 原生客户认知与行动引擎
工程名	客户理解与行动引擎 / 客户引擎
英文倾向	Customer Intelligence & Action Engine

一句话： 连接客户交互证据、业务事实、人车关系与履约能力——持续更新对客户的理解（Golden Context），向场景提供上下文，人与 Agent 受控行动，用真实结果沉淀经营知识。

Golden Context： 这个人是谁 + 此刻要达成什么 + 已经试过什么 + 客户怎么反应 + 我们答应过什么。

关系公式：

Voice Platform（VP） = 感知入口（嘴耳）+ 现有销售分析草稿
CRM / 顾问台 = 人工作业与确认入口（展示/确认/任务）
客户经营大脑 = 证据引用 + 当前理解/待确认 + 任务上下文 + 承诺账本 + 受控行动与学习

→ 不平行第二套客户真相；不另立以标签量为目标的传统 CDP。

知识库（产品/运营权威，与代码仓分离）：

公网 Wiki（可能滞后）：https://webhook.flyingnick.com/customer-brain-wiki/
权威文件名约定：CURRENT_STATE.md 为唯一当前状态；主题主卡 K-xxx；销售试点方案见 ops/sales-pilot-pr7-corpus.md（若你侧无 Wiki 源码，以下文摘要 + 仓库 PR7 为准）

默认双场景（知识库）：

A 试驾后推进 /「再考虑」下一步 ← 当前销售试点默认
B 维修待件·延期安抚（承诺账本）；交车延期=条件性技术切片
K-013（有人主张一期只做维修进度推送）与本库默认冲突 → 另裁，销售试点不要偷换范围

关键纪律（必须遵守）：

对话 = 理解证据，≠ 到账/交期等业务主数据（K-015）
交付 / 沟通 / 承诺 三线进度；禁止「必须先安抚完才能交付」门闩（K-016）
新承诺不抹掉旧违约；承诺账本 不能缩成催办（K-005）
任务上下文 ≠ 执行接口（K-018）
一期不做：自动外呼打客户、自动改价、自动发券、全面 NBA、论坛对个人、跨店推荐、LLM 直写业务库、Vector 当真相底座、Graphiti/LangGraph/Iceberg 默认全家桶

4. PR #7 研究语料（销售试点数据起点）

PR：https://github.com/flyingnickgmail/MP3/pull/7（已 squash 合并进 main）
标题：feat(research): add pseudonymized cloud analysis corpus
入口：research_corpus/2026-09-21/README.md · INVENTORY.md · docs/experiments/cloud-analysis-corpus.md
工具（仓库根，Python 标准库即可）：

python scripts/cloud_analysis_corpus.py verify
python scripts/cloud_analysis_corpus.py extract --category own_asr > own_asr.jsonl
python scripts/cloud_analysis_corpus.py extract --category customer_advisor_snapshots > customer_snapshots.jsonl

要点：

脱敏假名文本快照；不是生产库备份，不是人工金标
规模量级：约 14.6 万源文件 → 约 6.4 万去重对象 ≈216MB gzip；主链 ASR JSON 约 387（默认提取约 369，排除质量隔离）
含 QA/复核、客户·顾问·每日快照、模型请求响应、蒸馏产物、SQLite 逻辑表导出
合作方对照 / 质量隔离默认不提取（需 --allow-reference）
~90GB 原始录音未上传（仅清单）
原始 CRM 业务表为空；演示库不能当真实跟进/成交闭环证据
抽样曾见：conversation_id 齐，customer_master_id 大量为空 → 身份绑定是硬缺口

5. 销售试点目标形态（场景 A）

触发：试驾后客户说「再考虑 / 观望 / 回去商量」，或顾问点「下一步」。

交付：顾问打开工作台能看到——听懂了什么、证据在哪、还缺什么、建议下一步；事实与推断分栏；证据可点回 ASR 片段；顾问确认后再行动。

建议最小链路：

感知(ASR 已有)
  → 证据引用（recording_ref + 片段/轮次）
  → 当前理解 + 待确认
  → 任务上下文（事项级一小份；≠执行接口）
  → CRM/顾问台展示 → HITL 确认
  →（暂缓自动外呼）
  → 结果回写学习（采纳/拒绝/约定兑现；不直写主数据）

模块切分（建议）：

离线可先跑（PR7 文本）： M1 犹豫会话召回 → M2 证据引用打包 → M3 理解卡草稿 → M4 NBA vs 人工小样本 → M5 失败样本本
必须接真实业务表： C1 客户 ID 绑定 → C2 任务落台 → C3 结果回写 → C4 承诺账本最小项

评测用事项级（抽对阻碍、顾问耗时、约定兑现、证据可追溯）；禁用不实测的材料百分比当验收线。

待负责人确认的三条（尚未当作已定，但分析可按此假设并标注「待批」）：

销售试点锁定场景 A；本期不做 K-013
数据优先：真实客户 ID + 跟进/成交回执 → 顾问台回写 → 音频受控对象存储
先离线回放 PR7，再接 CRM；未完成离线基线前不上自动触达

6. 建议你先读的文件顺序（代码仓）

HANDOFF.md · README.md · AGENT.md · PROJECT.md · STATUS.md
docs/progress/current-status.md · docs/architecture/overview.md · docs/architecture/runtime-vs-harness.md
src/voice_platform/scenes/sales/（含 next_action / insight 等）
customer_view / customer_master_view 相关 contracts + builder + API
research_corpus/2026-09-21/README.md + 跑一遍 verify / 小样本 extract
若存在：docs/research/2026-09-20-ai-native-customer-engine-design.md 等（可能是本地快照进 corpus，以 catalog 为准）
CRM 演示线：查 PR #5/#6 相关 docs / dashboard / saas 目录，分清「演示 UI」与「真实业务表」

7. 开始工作

现在请：clone 或打开 flyingnickgmail/MP3 的 main，按第 0 节交付结构写报告。
若某结论与 STATUS.md 冲突，以代码为准并写明冲突点。
完成后列出：本周可开工的第一件事（建议具体到脚本命令或模块路径）。