一个开源项目让AI半夜替工厂接海外电话，挂完电话报价草稿都写好了

GitHub上一个叫b2b-call-agent的开源项目，专给中国出口工厂做询盘自动响应。AI半夜接电话，1.5秒内英文应答，顺手查客户公司底细，挂电话后客户短信、工厂询价单、内部简报三份草稿全部备好。每条询盘的处理成本被压到接近零。

做过工厂的都懂一个疼到骨子里的事：海外客户打来电话的时候，咱们这边往往是后半夜。一个跨洋电话没接上，第二天醒来客户早就找了下一家。这种丢单方式最窝囊，因为你连上场的机会都没有。

GitHub上8月底出现的一个开源项目，就是冲着这个伤口来的。

它到底干什么活

项目名字很直白，b2b-call-agent，定位是给中国B2B出口工厂做的询盘副驾驶。任何国家、任何时区打进来的电话，AI直接接听。通话过程中它干三件事：用流利英文跟客户聊，从产品资料库里实时检索对应产品，同时在后台调查来电客户的公司底细。

通话反应速度有数据：P50是1.5秒内回话，P95不超过2.8秒。这个延迟意味着对方基本感觉不到在跟机器说话。

真正的重头戏在挂电话之后。系统自动提取客户提到的材质、厚度、预算、采购时间线，甚至判断对方的情绪和顾虑，给出推荐SKU和推荐理由。然后三份草稿同时生成：发给客户的短信，用客户的母语；发给工厂内部采购的中文询价单；给业务员看的一页纸简报。业务员打开后台，一个客户对应一个页面，通话录音、文字记录、历史往来全在上面，要做的只剩审核、改两个字、点发送。

算一笔成本账就知道这事的分量

项目文档里给了个行业常识：一通B2B询盘电话的市场价，从几百块到几千块人民币不等，这就是营销行业说的单条线索成本。而这套系统跑一通电话的成本，几乎只剩API调用费。后台做客户公司调查，一次约0.1美元。

它解决的也不只是时差。文档里列了出口工厂处理询盘的三个结构性难题。一是时差错配，美欧中东客户来电时中国在睡觉。二是英语好的业务员贵，中小工厂养不起几个，一个双语业务员成了全公司的瓶颈。三是多语种覆盖更贵，西班牙语、阿拉伯语、葡萄牙语、俄语、德语、日语，靠人全覆盖不现实。

这三件事上，大模型恰好结构性地比人强：永远在线，母语级英文，天生多语种。

业务员的身份反过来了

有意思的是角色变化。以前是业务员干活，工具打下手。这套系统里，AI负责接电话、做资格判断、起草所有对外内容、归档进CRM、推进销售阶段，人反过来成了AI的副驾驶。审核AI选的产品对不对，文案要不要改，然后批准发送。

它内置的销售流程也完全照着B2B制造业的惯例走：新线索，已触达，已报价，谈判中，成交或丢单，或者放进长期培育池。每个阶段人只审核，不再从零写东西。

技术上还有个细节值得留意。它开放了MCP接口，也就是说Claude、Cursor这些AI客户端可以直接接入，一个客户的全部资料可以被其他AI代理调用。项目本身是MIT协议，代码随便用，部署在Cloudflare Workers上，冷启动接近零。

泼两盆冷水

第一，项目才到0.1.0版本，8月底刚更新，属于早期项目，真要上生产环境，得有技术人员跟着维护和调试。第二，配置门槛不低，Airtable、Slack、电话网关、Gemini、向量记忆库，一堆环境变量要接，纯业务人员自己搞不定。第三，电话里谈复杂技术参数和深度谈判，AI目前只能算及格线以上，大客户的关键电话，人还是不能缺席。

最后总结

这个项目最大的价值不是省了几个夜班，而是它演示了一种正在成型的分工：机器负责永远在线地接住每一条询盘，人负责判断和拍板。中国有数万家有真实询盘量的出口公司，这类系统早晚从黑客松作品变成标准SaaS。今天你可以不部署它，但最好搞懂它的流程。因为等同行的AI半夜替老板接电话、早上八点把报价草稿摆到桌上的时候，你刚上班才开始听未接来电的语音留言。