把企业自有资料转成可练、可考的能力训练，3 周把新人托举到可用状态；支持混合云与私有化部署，私有化形态下数据不出域。
预约产品演示 申请免费试用 获取 ROI 测算 做 3 分钟培训痛点自测面向销售岗位的私有 AI 教练，把企业自有资料转成可练可考的能力训练。
AI Trainer Box 是面向销售岗位的私有 AI 教练。它把企业已有的产品文档、话术与案例转成可训练的知识底座，再用微课、对练与上岗考核把资料变成可验证的能力。
资料侧支持 PDF、Word、PPT、Markdown 与 URL 导入，入库后自动结构化并支持版本管理；训练侧用 5-10 分钟的微课做知识输入，用 7x24 小时模拟客户做场景对练，对话结束即时生成评分报告；管理侧基于对练数据生成能力雷达图，用于判断新人是否具备独立谈单能力。
标准交付周期为 3 周，实际排期取决于资料完备程度与内部配合投入；部署形态可选混合云或私有化，两者对客户侧资源的要求不同，需在方案确认阶段核对。
来源：https://aitrainerbox.com/faq.md#faq-what-is-it ｜ 查看原文
通用模型不了解你的产品与话术；本产品先把企业资料入库，再据其出课、陪练、评分。
通用大模型不了解你的产品参数、报价逻辑与真实话术，只能给通用建议；本产品先把企业资料结构化入库，再据其出课、陪练、评分，形成可验收的训练闭环。
回答走检索增强：先在企业的知识库里检索相关片段，再基于片段生成内容，能降低口径漂移与幻觉。训练环节用的是企业自己的资料与案例，而不是公开语料。
知识底座的质量取决于资料的完备与准确程度，需要指定内部负责人对口径负责；若希望用通用模型直接问答而不需要岗位训练闭环，本产品并非最优选择。
来源：https://aitrainerbox.com/faq.md#faq-vs-chatgpt ｜ 查看原文
LMS 管课程分发，本产品管资料内化、场景对练与上岗能力评估。
LMS 解决的是课程上传、学习记录与完课率；本产品解决的是资料内化、场景对练与上岗能力评估，管理者拿到的是能力结论而不是完课率。
微课只是知识输入的一环，真正的差异在练与考：模拟客户按客户性格出题做对练，对话结束即时评分，多轮数据累积成能力雷达图，用于判断谁可以独立谈单。
如果当前痛点只是课程分发与学习打卡，LMS 已能满足；若痛点是新人上手慢、话术不统一、转正判断没依据，才属于本产品覆盖的范围。
来源：https://aitrainerbox.com/faq.md#faq-vs-lms ｜ 查看原文
官网未公布规模门槛；ROI 测算器按 5–200 名销售估算，具体适配需结合试点确认。
官网未公布硬性规模门槛。官网 ROI 测算器以 5–200 名销售作为输入区间，可用来估算投入产出；是否适合需结合试点结果确认。
规模主要影响两件事：参与人数对应的订阅范围，以及资料准备与首批场景配置的实施投入。团队越大，资料复用与带教替代带来的收益越明显。
订阅的具体计量口径由商务确认；若团队正在快速扩张，建议在合同中约定调整方式。
来源：https://aitrainerbox.com/faq.md#faq-team-size ｜ 查看原文
官网未公布规模门槛；10 人可先以试点验证效果，再评估推广范围。
10 人属于偏小的团队规模，技术上完全可以实施，但从投入产出看更建议先用试点方式验证，再决定是否全量推广。
小团队的优势是资料范围窄、决策链短，试点周期内更容易跑完一轮闭环；可以先只覆盖一个产品线或一个新人批次，用能力雷达图对比试点前后的上岗表现。
团队规模过小时，资料准备与实施成本在总投入中的占比会偏高，这是需要提前纳入判断的因素；具体规模影响需结合你们的销售结构评估。
来源：https://aitrainerbox.com/faq.md#faq-only-10-sales ｜ 查看原文
标准交付周期 3 周，官网口径为「3 周把新人托举到可用状态」。
标准交付周期是 3 周，官网口径为「3 周把新人托举到可用状态」，即从资料入库到完成一轮上岗能力验真。
按三个阶段推进：阶段一做资料入库与结构化，产出可检索的知识库；阶段二生成微课与对练场景；阶段三做对练与上岗验真，产出能力雷达图与考核结论。各阶段具体排期在方案确认阶段细化。
这个周期以资料齐备、内部有专人配合为前提；资料分散、需要大量清洗或涉及多个产品线时，排期会相应延长，具体以方案确认阶段的排期表为准。
来源：https://aitrainerbox.com/faq.md#faq-onboarding-time ｜ 查看原文
私有化形态下业务数据不出域；混合云下核心知识库本地存储、脱敏数据调用公有云模型。
私有化形态下业务数据不出域，数据、模型与算力全部在企业自有环境；混合云形态下核心知识库留在本地，脱敏数据会调用公有云模型。是否涉及跨境传输取决于所选部署形态与模型接入方式。
私有化形态下数据、模型与算力全部本地化，运行在物理隔离的网络环境；混合云形态下核心知识库本地存储，仅以脱敏数据调用公有云大模型。传输链路全程加密，落盘数据加密存储。
具体的数据流与边界需要在方案确认阶段书面确认，尤其是模型接入方式、日志留存范围与运维通道，建议由贵方 IT 与安全团队参与评审。
来源：https://aitrainerbox.com/faq.md#faq-data-location ｜ 查看原文
需要满足模型运行的算力资源、内网访问开通，以及资料管理员与 IT 对接人。
私有化部署需要贵方提供三样东西：满足模型运行的算力资源、内网访问与端口开通、以及一名资料管理员和一名 IT 对接人。
算力可以是 GPU 也可以是 CPU，取决于模型规格与并发要求，具体配置在方案确认阶段给出建议清单；网络侧需要内网可达与必要的端口放通，便于部署与后续运维。
硬件与网络成本由客户侧承担，不包含在产品费用内；若贵方对信创硬件或特定操作系统有要求，需提前说明，以便确认适配范围。
来源：https://aitrainerbox.com/faq.md#faq-on-prem-requirements ｜ 查看原文
想快速上线、且能接受脱敏数据调用公有云模型，选混合云；有硬性驻留要求或需物理隔离，选私有化。
想快速上线、且能接受脱敏数据调用公有云模型，选混合云；对数据驻留与合规有硬性要求、或需要完全物理隔离，选私有化。
混合云的核心知识库留在本地，脱敏数据调用公有云大模型，算力硬件成本更低、迭代更快；私有化把数据、模型与算力全部本地化，支持国产化信创硬件适配与深度定制。
两种形态对贵方资源的要求不同：私有化需要自备算力与网络条件。两种形态的具体资源要求、实施安排与订阅方案需商务确认。建议先明确数据分级与合规要求，再定形态。
来源：https://aitrainerbox.com/faq.md#faq-hybrid-vs-onprem ｜ 查看原文
真实在用的产品文档、报价规则、常见异议与优秀话术，越贴近实战效果越好。
需要真实在用的产品文档、报价规则、常见异议与优秀话术，越贴近实战效果越好。资料越完整，生成的课程与对练场景越可用。
资料可以是散落在网盘、群文件里的历史文档，支持 PDF、Word、PPT、Markdown 与 URL 导入；入库后由系统自动清洗、切片并结构化，再由业务侧确认口径是否准确。
建议在启动前明确资料范围与责任人，避免把过期资料带进知识库；涉及商业机密的资料可只提供脱敏版本，具体边界在部署方案中约定。
来源：https://aitrainerbox.com/faq.md#faq-materials-needed ｜ 查看原文
支持 PDF、Word、PPT、Markdown 与 URL 导入。
支持 PDF、Word、PPT、Markdown 与 URL 导入，入库后自动清洗、切片并结构化，形成可检索的知识卡片。
导入后系统会做版本管理与过期清理，避免旧版资料持续影响回答口径；结构化结果可以在知识库里逐条核对，发现口径偏差时可直接修订。
扫描件或图片型文档的可读性取决于原始清晰度，必要时需要提供可复制文本的版本；如需接入其他内部系统作为资料来源，属于单独确认的范围。
来源：https://aitrainerbox.com/faq.md#faq-formats ｜ 查看原文
官网未声明预置集成，此类需求需在评估阶段单独确认。
官网未声明与第三方 CRM、企业微信、钉钉的预置集成。此类需求属于需在评估阶段单独确认的范围，不应默认已具备。
当前公开材料描述的能力集中在资料入库、微课生成、场景对练、能力评估与部署形态上。若集成是评估的必要条件，建议在需求沟通阶段明确提出，由双方确认可行性与工作量。
请注意区分「现成集成」与「定制开发」：前者可直接配置，后者需要额外的评估与排期，不应作为默认交付内容写入方案。
来源：https://aitrainerbox.com/faq.md#faq-crm-integration ｜ 查看原文
建议至少一名兼职负责人对口径负责，负责资料更新与话术评审。
建议至少一名兼职负责人对知识口径负责，通常由销售培训负责人或销售运营担任，负责资料更新、话术评审与考核标准确认。
日常维护主要是三件事：新资料入库与旧资料下架、关键话术的口径评审、考核标准的调整。系统提供版本管理与过期清理，减少人工判断旧版本的工作量。
维护投入与资料更新频率直接相关；若业务变化快、产品迭代频繁，需要预留更稳定的投入，否则知识库会逐渐与实战脱节。
来源：https://aitrainerbox.com/faq.md#faq-maintenance-effort ｜ 查看原文
采用 RAG 先检索企业知识再生成，并叠加 AI 围栏做敏感词与隐私检测。
靠两层机制：回答先在企业的知识库里检索再生成，缩小自由发挥的空间；同时内置 AI 围栏做敏感词与隐私检测，约束模型输出边界。
检索环节把回答限定在企业自有资料的范围内，减少自由发挥；围栏环节对输入输出做检测，降低敏感信息外泄与不合规表达的风险。对练场景下同样适用，评分基于企业自己的标准。
任何基于大模型的能力都无法承诺零错误。建议在试点阶段抽样核对回答质量，并把需要重点管控的敏感词与禁语清单明确给到实施团队。
来源：https://aitrainerbox.com/faq.md#faq-hallucination ｜ 查看原文
支持基于角色的权限隔离，不同角色可见范围不同。
支持基于角色的权限隔离（RBAC），不同职级、不同部门的员工只能访问授权范围内的知识，管理端按角色控制访问。
权限模型按角色划分，知识范围与功能入口都可以按角色区分；管理侧的操作同样受角色约束，便于在内控审计中说明谁可以看什么、改什么。
具体角色划分与授权矩阵需要结合贵方组织架构在实施阶段确定；若贵方已有统一的身份体系与权限中心，对接方式属于单独确认的范围。
来源：https://aitrainerbox.com/faq.md#faq-permissions ｜ 查看原文
用对练数据生成能力雷达图，把上岗判断从印象变成有记录的考核结果。
用对练数据生成能力雷达图，把「能不能独立谈单」从主观印象变成有记录的考核结果，为转正与淘汰提供依据。
每轮对练结束即时生成评分报告，指出话术漏洞与改进建议；多轮数据累积后形成能力雷达图，管理者可以看到每项能力的达标情况与变化趋势。
指标口径需要在实施阶段与业务侧共同定义，否则雷达图好看但与实战脱节；官网案例中的指标为试点期回访数据，贵方实际改善幅度需以试点结果为准。
来源：https://aitrainerbox.com/faq.md#faq-measure-roi ｜ 查看原文
建议先以试点方式验证，再决定推广范围。
建议先以试点方式验证，再决定推广范围。试点可以在一个产品线或一个新人批次内跑完一轮 3 周闭环。
试点阶段通常覆盖资料入库、微课生成、场景对练与上岗验真四个环节，结束时用能力雷达图对比试点前后的表现，作为是否推广的判断依据。
试点的资料范围、参与人数与验收标准需要在启动前书面约定；试用与试点的具体形式、周期与费用口径在商务环节确认。
来源：https://aitrainerbox.com/faq.md#faq-pilot ｜ 查看原文
三阶段：资料入库、课程与场景生成、对练与上岗验真，合计约 3 周。
分三个阶段，合计约 3 周：资料入库与结构化、课程与场景生成、对练与上岗验真。
阶段一完成资料导入、清洗与结构化，产出可检索的知识库；阶段二生成微课与对练场景并上线；阶段三组织对练与上岗考核，产出能力雷达图与考核结论。
排期以资料齐备与内部配合投入为前提；若要覆盖多个产品线或分批上线，需要相应的排期调整，具体以方案确认阶段的计划为准。
来源：https://aitrainerbox.com/faq.md#faq-rollout-plan ｜ 查看原文
采用订阅制；计费单位、周期与金额需商务确认，以书面报价与合同为准。
我们采用订阅制计费。具体的计费单位、订阅周期、实施范围与金额，需要结合你们的团队规模与部署方式由商务确认，并以书面报价与合同为准。
进入报价前通常先做场景确认：通过 30 分钟演示明确要覆盖的产品线与团队范围，再据此确定部署形态与实施范围；商务据此出具书面报价与实施排期。
公开材料不披露具体金额与优惠条件，请以书面报价与合同为准；需要走采购流程时，可向商务索取报价单、合同文本与供应商资质材料。
来源：https://aitrainerbox.com/faq.md#faq-pricing-model ｜ 查看原文
可通过官网提交免费试用申请，顾问会结合场景评估是否适合。
可以通过官网提交免费试用申请，顾问会结合你们的使用场景评估是否适合，以及试用的范围与方式。
提交申请时说明团队规模、销售场景与希望验证的痛点，顾问会据此建议试用范围；试点阶段通常先覆盖一个产品线或一个新人批次，便于在有限周期内看到对比结果。
试用能否覆盖私有化形态、试用周期与资料要求，需要与顾问逐项确认；涉及商业机密的资料可先提供脱敏版本。
来源：https://aitrainerbox.com/faq.md#faq-free-trial ｜ 查看原文
私有化下数据全本地化，混合云下核心知识库留在本地、脱敏数据调用公有云模型；不做跨客户共享。
私有化形态下数据全本地化；混合云形态下核心知识库留在本地、脱敏数据调用公有云模型。两种形态下都不做跨客户共享。
私有化部署把数据、模型与算力全部放在企业侧，网络物理隔离；混合云把核心知识库留在本地，仅以脱敏数据调用公有云模型。权限侧按角色控制可见范围。
具体的数据边界、脱敏规则与日志留存范围需在方案确认阶段书面约定；若贵方有更严格的内网隔离要求，需在部署方案中一并说明。
来源：https://aitrainerbox.com/faq.md#faq-content-isolation ｜ 查看原文
官网未公开指定模型厂商；模型选型在部署方案确认阶段说明。
官网未公开指定模型厂商与型号。模型选型在部署方案确认阶段说明，与部署形态、算力条件与合规要求相关。
私有化场景通常需要在本地算力上运行模型，选型会受硬件规格约束；混合云场景下以脱敏数据调用公有云模型，选型会考虑能力与成本的平衡。
如果贵方对模型来源、国产化或特定供应商有强制要求，请在评估阶段提前说明，以便确认可行性与实施方式；公开页面不对此作承诺。
来源：https://aitrainerbox.com/faq.md#faq-model-source ｜ 查看原文
官网未声明多语种能力，外语场景需单独确认。
官网当前未声明多语种训练能力。现有资料与界面以中文为主，外语场景需要在评估阶段单独确认。
若团队存在少量外语沟通需求，可以在需求沟通阶段提出具体语种与使用频次，由双方确认是否属于可支持范围以及需要的工作量。
不要把多语种能力默认写入采购方案的必备项或已具备项；如需以多语种作为交付条件，应在合同中明确约定验收标准。
来源：https://aitrainerbox.com/faq.md#faq-multilingual ｜ 查看原文
把训练与上岗考核、转正判断绑定，用能力数据而不是完课率驱动参与。
把训练与上岗考核、转正判断绑定，用能力数据而不是完课率驱动参与，让销售看到「练了就有用」。
对练题目来自真实客户异议，练完即时给评分与改进建议，反馈周期短；能力雷达图达标后再放单跟进，把训练结果与业务权限直接挂钩，形成正向激励。
推动落地通常需要业务负责人参与定标准与定节奏，仅靠工具上线难以改变使用习惯；考核标准过松或过严都会削弱参与意愿，需要在试点中校准。
来源：https://aitrainerbox.com/faq.md#faq-resistance ｜ 查看原文
官网未公开 SLA；支持方式与响应时效在商务合同中约定。
官网未公开 SLA 与支持响应等级。支持方式与响应时效在商务合同中约定，公开材料中不给出承诺值。
私有化部署的支持通常涉及远程协助与现场支持两类方式，具体组合取决于部署形态与合同约定；实施阶段会明确对接人与问题上报通道。
如果贵方在采购中必须写明响应时效与可用性指标，请在商务环节提出，由双方在合同中约定；不要把公开页面内容当作 SLA 依据。
来源：https://aitrainerbox.com/faq.md#faq-support-sla ｜ 查看原文
提供采购材料包、演示与试点方案；合同与报价在商务环节出具。
可提供采购材料、产品演示与试点方案三类材料；正式报价与合同在商务环节出具，计费采用订阅制。
建议路径是：先做 30 分钟演示明确场景，再按需获取能力与安全说明材料，然后确定试点范围；试点结果与使用范围明确后，由商务出具书面报价与实施排期。
需要供应商资质、认证证书、SLA 承诺或数据出境说明时，请直接向商务索取，公开页面不代替这些书面材料；采购流程的时限要求建议提前告知。
来源：https://aitrainerbox.com/faq.md#faq-procurement-process ｜ 查看原文