需将销售话术结构化为instruction/input/output三列CSV，每条output须含痛点识别→价值锚定→信任强化→行动引导四要素，经Dify上传、LoRA微调（r=16, alpha=32）后绑定至销售助手应用生效。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要把销售团队日常积累的优质话术沉淀为结构化知识，并让大模型在客户对话中自动调用、风格一致地表达出来，而不是每次都要人工编写提示词或反复调试输出格式。
准备销售话术结构化数据集
第一步：新建CSV文件，字段名必须严格为instruction,input,output三列，不可增减或改名。
第二步：instruction列填写话术触发场景，例如“客户质疑价格偏高时如何回应”“客户表示需要再考虑，如何推进成交”；input列留空或填通用上下文（如“客户行业：SaaS，预算区间：20–50万”）；output列写对应的标准话术正文，每条话术控制在80–180字，避免带编号、项目符号或Markdown格式。
第三步：确保每条话术具备真实业务逻辑闭环——有痛点识别→价值锚定→信任强化→行动引导四要素。缺少任一环节的话术，在微调后易出现响应跳跃或说服力断裂。示例合格话术：“您提到价格敏感，这正说明您重视投入产出比。我们上季度帮3家同类客户平均缩短了42%实施周期，这部分节省已覆盖 license 费用。如果您方便，我可以发一份ROI测算表给您参考。”
第四步：人工抽检不少于15%的样本，重点核对术语一致性（如“license费”不能有时写成“授权费”）、禁用词过滤（如“绝对”“保证”等违规承诺用语）、以及是否混入内部沟通记录（如“@王经理跟进”）。【抽检未通过的数据将被Dify自动拒收，不进入训练流程】
在Dify控制台创建并上传话术数据集
登录Dify管理后台 → 点击左侧菜单「数据集」→ 右上角「新建数据集」→ 输入名称“销售话术库-2026Q2”，描述填写“面向B2B SaaS客户的标准化应答话术，覆盖售前异议处理与关单推动场景”。
点击「上传文件」，选择刚准备好的CSV文件。系统会自动校验字段结构与编码格式（仅支持UTF-8无BOM），若报错“列数不匹配”，请用记事本另存为UTF-8编码再试。
上传成功后，页面显示“待处理”状态，约1–2分钟完成清洗与预览。此时可点击「查看样本」确认前10条是否解析正确，特别注意output列是否完整显示，有无因换行符导致截断。
配置销售话术专用LoRA微调任务
方法一：可视化界面启动（推荐新手）
在数据集详情页 → 点击「开始微调」按钮 → 选择基座模型“Qwen2.5-7B-Instruct” → 微调方式选“LoRA” → 展开高级设置，将r值设为16（提升领域适配强度），alpha设为32（增强指令响应灵敏度），dropout保持默认0.1 → 点击「提交」。
方法二：CLI命令行启动（适合批量迭代）
执行以下命令，其中dataset-id需替换为你实际生成的数据集ID：
dify tune start --model-name "Qwen2.5-7B-Instruct" --dataset-id "ds-9a3f1e7c" --adapter-type "lora" --r 16 --alpha 32 --max-steps 1500 --eval-every 150 --output-dir "/tuned/sales-qwen"
提交后，任务进入排队状态。可在「微调任务」列表中查看实时进度，重点关注“验证损失下降趋势”和“术语准确率”两项指标。当“术语准确率”连续两次评估达92%以上，即可准备部署。
将微调模型绑定至销售对话应用
进入「应用」→ 选择你的销售助手应用 → 左侧导航切换到「模型配置」→ 在「推理模型」下拉菜单中，找到以“sales-qwen-lora-”开头的模型选项，点击右侧「设为当前」。
立即生效，无需重启服务。但要注意：旧对话历史不会自动重渲染，只有新发起的会话才会调用该微调模型。
测试验证：在应用调试区输入“客户说‘你们比竞品贵30%，怎么解释？’”，观察返回话术是否包含价格归因+案例佐证+轻量行动建议三要素。若首句仍是泛泛而谈的“感谢您的关注”，说明微调尚未生效或话术样本中缺乏对应场景覆盖，需补充数据后重新训练。
在应用发布页点击「更新上线」，销售团队即可在企业微信/钉钉插件中使用该版本话术模型。
