# sales-agent-analysis **Repository Path**: L52tu/sales-agent-analysis ## Basic Information - **Project Name**: sales-agent-analysis - **Description**: 销售Agent通话分析 - **Primary Language**: NodeJS - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-05-15 - **Last Updated**: 2026-05-29 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 销售Agent智能分析系统 基于AI的销售通话录音分析系统,自动生成结构化的销售分析报告。 ## 功能特性 - **语音转文字**: 使用火山引擎豆包ASR将通话录音转为文本 - **智能分析**: 使用豆包大模型分析通话内容 - **结构化报告**: 生成包含摘要、客户需求、销售评估、改进建议的JSON报告 ## 系统架构 ``` 音频文件/URL → ASR转写 → LLM分析 → 报告生成 ``` ## 快速开始 ### 1. 安装依赖 ```bash npm install ``` ### 2. 配置环境变量 编辑 `.env` 文件,填入您的API密钥: ```env # 火山引擎ASR VOLC_ASR_API_KEY=your_asr_api_key # 火山引擎LLM (豆包) VOLC_LLM_API_KEY=your_llm_api_key VOLC_LLM_ENDPOINT_ID=ep-xxxxxxxxxxxx # 您的推理接入点ID VOLC_LLM_BASE_URL=https://ark.cn-beijing.volces.com/api/v3 ``` ### 3. 运行测试 ```bash # 测试ASR服务 npm run test:asr # 测试LLM服务 npm run test:llm # 集成测试 npm test ``` ### 4. 使用系统 ```bash # 分析本地音频文件 node src/index.js ./recording.mp3 # 分析URL音频 node src/index.js https://example.com/recording.mp3 ``` ## 输出示例 ```json { "id": "uuid", "callId": "call-001", "timestamp": "2024-01-01T00:00:00.000Z", "summary": "销售向客户介绍了CRM系统,客户对价格和功能感兴趣,需要与团队商量后决定。", "customerNeeds": [ "寻找价格合理的CRM系统", "需要数据分析功能" ], "salesPerformance": { "strengths": [ "主动了解客户需求", "详细介绍产品功能" ], "weaknesses": [ "未提供案例参考", "未约定下次跟进时间" ] }, "score": 7, "suggestions": [ "提供同行业客户案例增强说服力", "约定明确的下次跟进时间", "发送产品演示视频辅助客户决策" ] } ``` ## 项目结构 ``` sales-agent-analysis/ ├── src/ │ ├── index.js # 主入口 │ ├── config/ # 配置管理 │ ├── services/ │ │ ├── asr/ # ASR服务 │ │ ├── llm/ # LLM服务 │ │ ├── report/ # 报告生成 │ │ └── agent/ # 主代理 │ └── models/ # 数据模型 ├── test/ # 测试脚本 ├── .env # 环境变量 └── package.json ``` ## 注意事项 - 报告由AI生成,仅供参考 - 需要在火山引擎控制台创建推理接入点获取Endpoint ID - 支持mp3、wav等常见音频格式