夜雨聆风一句话：企业把 AI Agent 接进客服和销售流程后，真正影响转化和满意度的，往往不是模型会不会答，而是它会不会像你的团队一样说话。
很多团队部署 AI Agent 时，会先关心知识库、工作流、命中率、自动解决率。
这些当然重要。
但 Intercom 这篇文章提醒了一个经常被低估的问题：如果没人负责 AI Agent 的表达方式，它就会默认变成“一个通用大模型”。
它可能答对问题，却说得不像你的团队。
准确，不等于可信
客服场景里有一个很现实的矛盾：用户不只是在寻找答案，也是在判断这个系统是否值得信任。
一个回答可能事实正确，但如果结构别扭、语气生硬、细节过多，用户仍然会升级到人工。
这不是模型能力问题，而是体验设计问题。
Intercom 把这件事称为 conversation design，也就是对 AI Agent 的语气、结构、详细程度、交接方式和整体对话体验做设计。
换句话说，AI Agent 不是只要有 prompt 就够了。它需要一套“组织级说话规范”。
一个开场白，也会影响结果
文章里有一个很小但有启发的实验。
Intercom 测试过两种 AI Agent 的开场白。
旧版本更像标准说明：
你好，你正在和 Fin AI Agent 对话。我会回答你的问题。你也可以随时找团队帮忙。
新版本更强调能力和引导：
你好，你正在和 Fin AI Agent 对话。我可以做得比你见过的多数聊天机器人更多。请尽量详细描述你的问题，我会尽快帮你解决。
结果是，客户满意度从 72.8% 提升到 78.4%。
这说明一件事：AI 体验不是只有模型、知识库和工作流。第一句话、解释方式、交接语气，也会直接影响用户是否愿意继续使用。
Conversation design 具体设计什么？
它不是给 AI Agent 加一点“拟人化口吻”。
真正要设计的是五件事：
语气：正式、轻松、直接，还是安抚； 结构：一句话回答，还是分步骤解释； 交接：什么时候转人工，怎么告诉用户； 流程：从提问到解决，中间如何推进； 质量：答案是否清楚、可信、符合品牌。
对企业来说，这些问题不能完全交给模型临场发挥。
因为模型默认会优化“像一个聪明助手”，但企业需要的是“像我们的团队”。
AI Agent 的失败，常常发生在边界处
最容易出问题的地方，通常不是简单问答，而是边界场景。
比如：
用户很着急，Agent 还在长篇解释； 明明应该转人工，Agent 继续追问； 交接给人工时，没有带上上下文； 用户重复描述问题，情绪进一步变差； Agent 说“我不能处理”，但没有给下一步。
这些都不是“知识缺失”，而是对话流程没有被设计。
一个好的 AI Agent，应该知道什么时候少说，什么时候解释，什么时候承认处理不了，以及怎么把用户平稳交给人。
给产品团队的落地清单
如果你正在做 AI 客服、AI 销售助手或内部服务 Agent，可以先不急着追求复杂架构，先回答四个问题：
它默认应该像谁说话？ 不同场景下，语气和详细程度如何变化？ 哪些情况必须转人工？ 转人工时，应该携带哪些上下文？
这四个问题，比再多写几条 prompt 更接近真实体验。
小结
AI Agent 的产品化，不只是把 LLM 接到业务系统里。
它还要被设计成一个可靠的服务角色：能回答，也能解释；能推进，也能交接；能保持品牌一致，也能在用户焦虑时说人话。
未来企业 AI 的差距，可能不只来自模型能力，而来自谁更认真地设计了它的“说话方式”。
参考资料：Intercom Blog, “Conversation design: How to make your AI Agent communicate like your team”。