夜雨聆风编制： 周一禅
日期： 2026年7月
第一部分：项目背景与市场分析
一、项目缘起
1.1 从“壳工程”方法论到保险场景的迁移
在前期完成“家信通”家政服务信息流转平台的设计后，其核心逻辑——将服务过程中的关键信息以最低成本记录、传递、沉淀——被验证可迁移至专业服务领域。
保险经纪行业是这一方法论的天然适用场景。保险经纪人面临的核心困境与家政护工高度相似：工作内容琐碎、重复、难以量化；关键信息散落在微信聊天和电话中，缺乏系统化沉淀；长期服务价值不可见，导致客户关系维护效率低下。
本项目运用“壳工程”方法论，为保险代理人/经纪人开发一套覆盖全销售循环的AI助理工具，将销售流程中的信息整理、内容生成、节点提醒等事务性工作系统化，释放经纪人的专业判断时间。
1.2 命名释义
金口玉言——四字对应三层含义：
金口：开口即有分量，每一句输出都经过专业校准与合规把关。
玉言：言辞温润、值得珍藏，输出的内容既有专业硬度，也有人情温度。
合而言之，这是一个让保险代理人的每一句话都更专业、更可信、更值得被记住的AI助理。
二、行业背景与市场分析
2.1 行业规模
中国保险行业已迈入高质量发展新阶段。2025年，全行业原保险保费收入突破6万亿元大关，达到6.12万亿元，同比增长7.4%。其中人身险公司实现原保险保费收入43,624亿元，同比增长8.9%。全年原保险赔付支出2.44万亿元。
2026年一季度，保险业运行态势平稳向好，实现保费收入2.31万亿元，同比增长6.2%；人身险公司保费收入达17,803亿元，同比提升7.3%。2026年1-5月保险行业原保费收入合计3.19万亿元。预计2026年原保费收入将突破6.3万亿元。
2.2 代理人规模与结构性变化
保险代理人队伍正在经历深刻的结构性调整。代理人规模已从2019年912万人的历史峰值降至约212.6万人。短短数年间，近700万人离场，队伍缩水近七成。
但个代渠道仍以约8,000亿元保费、约45%的占比稳居寿险公司第一大销售渠道。在已披露数据的公司中，2026年一季度代理人数量排名前五的公司分别为中国人寿（64万）、平安人寿、太保寿险、新华保险、人保寿险。
这一“量减质增”的趋势意味着：留下来的代理人更需要工具赋能——他们不再是靠人海战术取胜，而是靠专业能力立足。对效率工具的需求比以往任何时候都更强烈。
2.3 行业痛点
信息碎片化。 客户信息、跟进记录、产品资料散落在微信聊天、笔记本和多个App中，难以统一管理与追溯。
事务性工作过载。 产品对比、方案制作、续期提醒、理赔协助——这些重复性工作占据了经纪人70%以上的时间，真正用于客户沟通与专业判断的时间被严重压缩。
内容生产能力不足。 经纪人需要持续产出专业内容以建立个人品牌（公众号、小红书、朋友圈），但缺乏选题能力和快速成稿能力。
长期服务价值不可见。 客户对经纪人的长期服务缺乏感知，续期提醒被认为是“系统自动发的”，保单检视被认为是“例行公事”，服务价值的不可见直接导致转介绍契机的流失。
监管合规压力加大。 《保险销售行为管理办法》将销售行为分为销售前、销售中、销售后三个阶段分别规制。金融监管总局持续强化保险销售人员全流程管理，要求健全招募选任、岗位培训、销售授权、行为管控、考核评价等制度体系。AI工具的合规辅助能力成为刚需。
三、竞争格局与差异化定位
3.1 现有市场格局
当前市场已出现若干AI保险工具：
· 明亚保险经纪推出智能销售助理MyBA（Mingya Broker Assistant），融合多智能体协同、开放式大模型池、多模态数据处理等技术。
· 新华保险在新华e家App接入DeepSeek大模型，打造个人AI助理。
· 北大方正人寿上线基于DeepSeek的智能展业助手，为代理人提供保险基础概念、法律法规、监管政策、产品销售理念等内容的解答。
· 平安产险推出“创小保AI助手”，聚焦获客与销售全链路；平安人寿“AI销售助手”嵌入客户经营全流程，覆盖IP打造、精准拜访和异议处理。
· 百年人寿旗下“百问百答”平台提供一键解析产品条款、提炼保障责任与免责条款等核心服务。
· 慧择发布行业首个家庭保障规划体系COMT，2025年由AI驱动的规划方案使新客户自主投保率同比提升50%。
3.2 现有工具的共性局限
上述工具存在三个共性问题：
功能分散。 产品对比、客户管理、内容生成等功能分布在不同的平台和工具中，数据不互通，经纪人需要在多个系统间切换。
缺乏个性化。 多为通用模板和标准化输出，无法适配不同经纪人的工作习惯、沟通风格和专业定位。
内容能力弱。 多数工具聚焦于产品检索和方案生成，缺乏对公众号文章、小红书图文等传播内容的生成能力。
3.3 “金口玉言”的差异化定位
全链覆盖。 从拉名单到转介绍，完整覆盖8个销售阶段，数据在各阶段之间自然流转，无需在多个工具间切换。
一人一版。 每位经纪人拥有独立的System Prompt和知识库结构，助理输出风格随使用时间逐渐接近经纪人本人。
内容原生。 AI不仅辅助销售，还直接生成可发布的内容素材（公众号、小红书、朋友圈）和可转发的客户备忘，将服务动作转化为可传播的专业形象载体。
合规内嵌。 将《保险销售行为管理办法》的合规要求嵌入每一阶段的输出控制中，而非事后审查。
第二部分：产品方案
四、产品定义
4.1 产品定位
金口玉言是一款面向保险代理人/经纪人的全销售循环AI助理。
核心价值：帮助经纪人在销售循环的每一个环节中，降低事务性思考与操作负担，将精力集中在专业判断与客户关系上。
不做的事：不做综合性保险交易平台，不做客户获取工具，不做保单管理系统。只做一件事——让经纪人的每一句话都更专业、更高效、更值得被记住。
4.2 销售循环8阶段
阶段 名称 AI核心能力 关键产出
一 拉名单·客户储备 名单结构化导入、标签分级建议、接触策略参考 客户卡片 + 跟进优先级
二 接触·破冰 个性化话术生成、话题切入点建议、接触记录归档 3种风格开场白 + 接触备忘
三 需求挖掘·诊断 结构化问卷伴行、信息归类与缺口标注、需求报告草稿 需求分析草稿 + 缺口清单
四 方案设计·定制 产品参数检索、组合方案素材、方案书初稿 产品对比表 + 方案书初稿
五 方案讲解·呈现 讲解逻辑链、异议预判、可视化建议 讲解大纲 + 异议应答参考
六 增值服务·续期·理赔·转介绍 内容素材生成、续期日历与提醒、理赔指引与备忘、转介绍时机与话术 各场景备忘 + 续期提醒
七 内容生产（跨阶段） 选题建议、多平台适配内容生成 公众号/小红书/朋友圈版本
八 关键备忘（跨阶段） 各服务节点精简三段式备忘生成 可直接微信转发的短文本
4.3 各阶段功能详述
阶段一：拉名单·客户储备
经纪人在小程序中输入客户姓名、来源和备注（支持文字或语音），AI从备注中提取关键字段（年龄、职业、家庭情况等），自动填充至统一格式的客户卡片，并按经纪人设定的规则建议标签分类与跟进优先级。
阶段二：接触·破冰
经纪人选择一位客户，输入已知背景和沟通风格偏好（亲和型/专业型/简洁型），AI基于客户画像生成3种版本的开场白参考，并提供话题切入点建议。经纪人完成接触后，以语音或文字输入接触结果，AI自动归档至客户时间线。
阶段三：需求挖掘·诊断
经纪人在与客户对话后，通过语音或文字输入客户回答的碎片信息，AI将其归类到结构化字段（家庭结构、收入负债、已有保单、健康状况等），自动标注信息缺口，生成需求报告草稿——包含客户基本情况摘要、已识别的风险缺口、待澄清的问题清单。
阶段四：方案设计·定制
基于需求报告，经纪人输入产品筛选条件，AI从知识库中检索匹配产品，输出核心参数、投保规则、免责条款摘要，生成2-3个组合方案的参数对比表及方案书初稿。所有输出均标注数据来源版本。
阶段五：方案讲解·呈现
基于方案书内容，AI生成一套讲解大纲——从“为什么需要这个保障”到“为什么选择这个产品组合”到“方案如何应对具体风险”的完整逻辑链条；预判客户最可能提出的3-5个异议点并输出参考应答思路；建议可使用的可视化形式（对比表、时间轴等）。
阶段六：增值服务·续期·理赔·转介绍
· 增值服务：经纪人输入主题关键词，AI输出内容框架+关键信息点，并适配不同发布渠道。
· 续期：经纪人录入缴费日期，系统在15天/7天/3天前推送三级递进提醒，附带保单摘要。
· 理赔：经纪人选择险种类型，AI输出标准化理赔指引（报案渠道+资料清单+流程时间轴）；理赔结案后生成可直接微信转发的备忘文本。
· 转介绍：AI基于服务记录中的客户满意信号提示高转介绍潜力时机，并生成不同切入角度的参考话术。
阶段七：内容生产（跨阶段独立模块）
经纪人输入定位关键词和主题方向，AI输出选题池（按“高价值内容”“高传播潜力”“差异化定位”标注优先级），并基于选定主题生成三个平台的不同版本：
· 微信公众号：完整文章结构，语气专业
· 小红书：缩短版内容+标题建议+标签建议，语气亲切
· 朋友圈：一句话摘要+引导语，语气个人化
阶段八：关键备忘（跨阶段独立模块）
经纪人在任一客户档案中，选择场景类型（投保完成/续期提醒/理赔结案/保单周年/转介绍），AI基于该客户的最新记录生成精简三段式短文本，格式为微信阅读优化，经纪人确认后可直接复制转发客户。
五、技术架构
5.1 整体架构
采用“小程序/Web端 + 后端服务 + AI代理层”的轻量三层架构：
· 前端：微信小程序（经纪人端），便于日常使用与微信生态联动
· 后端：Python FastAPI，部署于云函数，按量付费
· 数据库：MySQL（结构化数据）
· AI层：调用通用大模型API，封装为各阶段独立功能模块
5.2 技术选型
组件 选型 理由
前端 微信小程序 经纪人高频使用微信，无需额外下载App
后端 Python FastAPI 轻量、快速、AI生态支持好
部署 云函数（如阿里云FC） 按量付费，初期成本可控
数据库 MySQL MVP阶段结构化数据为主
AI API 通义千问 / DeepSeek 通用能力强，成本可控
5.3 AI能力清单
能力模块 功能描述 触发方式
客户信息结构化 将经纪人口述/文字输入转为统一客户卡片 手动触发
话术生成 基于场景和风格偏好生成不同版本参考话术 手动触发
需求报告草稿 基于客户信息生成结构化需求分析 手动触发
产品参数检索 从知识库中调取产品核心参数与条款摘要 手动触发
方案书初稿 基于需求报告和产品组合生成方案文档 手动触发
内容多平台适配 同一主题生成公众号/小红书/朋友圈三个版本 手动触发
关键备忘生成 各服务节点生成可直接微信转发的短文本 手动触发
续期日历提醒 基于录入日期自动生成三级递进提醒 系统自动
理赔指引 基于险种类型生成标准化操作指引 手动触发
5.4 知识库五层结构
层级 内容 用途 维护责任方
第一层 产品条款与参数 方案设计、对比、讲解 平台方持续维护
第二层 需求分析模型 阶段三需求挖掘的框架 平台方初始设计，经纪人可反馈迭代
第三层 合规红线库 全部阶段输出的安全边界 平台方维护，定期更新
第四层 话术参考库 阶段二、五、六、八 平台方提供初始模板，经纪人自行积累
第五层 经纪人个人经验库 全阶段个性化输出 经纪人自行沉淀，助理持续学习
第五层是最具差异化的部分。使用时间越久，助理输出的语气、偏好、常用话术风格越接近经纪人本人——这是“壳工程”方法论中“一人一版”原则的具体实现。
第三部分：实施计划
六、实施路径
6.1 分阶段推进
第一阶段（原型验证，2-3周）
选择阶段三“需求挖掘”为切入点，在2-3位经纪人真实工作场景中测试需求报告生成功能，验证AI是否能有效降低笔记负担。使用Coze或Dify搭建原型，不开发独立系统。
第二阶段（功能扩展，3-4周）
根据第一阶段反馈优化后，扩展至阶段四“方案设计”和阶段六“续期与理赔”，形成“需求→方案→服务”的骨干闭环。
第三阶段（全链整合，3-4周）
将8阶段功能整合为统一经纪人工作台，增加内容生成与关键备忘模块，交付独立使用。各功能模块之间通过客户ID实现数据互通。
6.2 MVP最小功能集
阶段 MVP功能
一 客户信息结构化导入（文字/语音输入→客户卡片）
二 个性化破冰话术生成（3种风格版本）
三 需求报告草稿生成（碎片信息→结构化报告+缺口清单）
四 产品参数检索（关键词→产品参数卡片）
五 讲解大纲生成（方案→逻辑链条大纲）
六 续期提醒（三级递进推送）+ 理赔指引（标准化流程）+ 转介绍话术
七 多平台内容生成（公众号/小红书/朋友圈三个版本）
八 关键备忘生成（各场景三段式短文本，可直接微信转发）
6.3 开发成本估算
MVP版本以原型验证为主，侧重功能验证而非完整系统开发，成本远低于从零开发一套完整SaaS系统，符合“壳工程”轻量交付的原则。
七、合规与风险控制
7.1 内容边界
所有AI生成的方案、话术、备忘，均标注“仅供参考，请以实际合同条款为准”或同等免责声明。AI不生成任何形式的收益承诺、理赔保证或同业贬低内容。
7.2 数据安全
不存储客户敏感健康信息原文，仅以结构化标签形式留存，且仅限经纪人本人可见。客户身份信息不做跨经纪人共享。
7.3 人工确认机制
关键输出（方案书、理赔备忘、转介绍话术）需经纪人确认后方可使用，AI不自动发送任何内容给客户。
7.4 监管合规
产品设计严格遵循《保险销售行为管理办法》对销售前、销售中、销售后行为的规范要求，并将合规要求嵌入各阶段的输出控制中。
八、风险分析
风险类别 风险描述 应对策略
需求风险 经纪人认为AI输出不够精准，不愿使用 MVP阶段小范围试用验证，以真实反馈迭代
合规风险 AI输出内容涉及违规表述 内置合规红线库 + 人工确认机制
数据风险 客户信息存储涉及隐私 遵循《个人信息保护法》，数据加密，权限分级
商业风险 付费意愿不明确 先以MVP验证需求，验证通过后再设计付费模式
技术风险 AI输出不稳定 关键输出设置人工确认环节，降低误判影响
九、总结
金口玉言项目切入了保险经纪行业在“量减质增”转型期的一个具体而迫切的需求——为专业经纪人提供一套覆盖全销售循环的AI效率工具。
该方向的市场需求明确（212万存量代理人，人均产能提升需求强烈）、政策环境有利（监管鼓励行业数字化、专业化转型）、技术条件成熟（大模型API成本持续下降）、差异化定位清晰（全链覆盖+一人一版+内容原生），具备可行性。
建议以最小化原型先行验证，在真实经纪人场景中测试后根据反馈迭代，逐步扩展至全链覆盖。
周一禅
2026年7月
