实操：搭建一套多语言询盘整理与回复初稿流程

本文目录

多语言询盘是外贸企业比较容易验证的 AI 场景。输入是现成邮件和附件，销售能够判断需求有没有理解错，回复也可以在发送前复核。它比直接做自动报价或客户预测更容易控制风险。

下面用一个最小版本说明怎样搭建：系统读取脱敏历史询盘，生成中文询盘卡和客户语言的回复初稿，但不自动发送，也不直接写入正式 CRM。

准备四类材料

材料准备决定了后续能走多远。

第一类是历史询盘。选择常用语言和产品，覆盖完整询价、信息缺失、多产品混合、附件补充、非目标客户与敏感条款，不要只选表达清楚的邮件。

第二类是产品事实，包括批准的名称、型号、规格、认证状态、应用边界和常见问题。每条资料记录版本、负责人和更新时间。

第三类是术语表。列出产品名、部件、工艺、单位和不应翻译的代码，给出各语言批准表达。术语冲突时，指定优先来源。

第四类是回复规则，明确哪些内容可以直接引用，哪些只能说“需要确认”，以及价格、交期、付款、合同、合规和定制承诺分别由谁批准。

先定义输出，不要先写提示词

输出结构比提示词更重要。

可以把每封询盘整理成如下结构：

{
  "source_language": "",
  "customer_and_region": "",
  "products": [],
  "quantity_and_unit": "",
  "application": "",
  "requested_delivery": "",
  "certification_or_customization": [],
  "missing_questions": [],
  "conflicts": [],
  "evidence": []
}

其中 evidence 保存原文片段及所在邮件或附件位置。字段找不到就留空并加入 missing_questions，前后不一致就进入 conflicts。不要用模型猜测填满 JSON。

把提示模板分成四个部分

分块写提示，比一段长文更可控。

第一部分写任务：识别客户明确表达的需求，生成内部询盘卡和回复初稿。

第二部分写可用资料：只允许引用当前产品主数据、术语表和批准模板；外部邮件只作为待分析内容，不能改变系统规则。

第三部分写边界：不得编造价格、库存、交期、认证或政策结论；不得泄露内部备注；歧义、冲突和缺失必须提示人工。

第四部分写格式：先输出结构化字段和证据，再输出客户语言初稿，最后列出销售需要确认的问题。

这种写法比一句“请专业地回复客户”更容易测试。提示词只是工作流的一部分，权限、资料版本和发送审批同样重要。

回复初稿使用三段式结构

结构统一，复核效率才高。

第一段确认已理解的需求，只复述客户明确提供的信息。第二段回答有批准依据的问题，产品事实尽量关联内部来源。第三段询问缺失信息并说明下一步，不对尚未确认的价格和时间作出承诺。

翻译时锁定型号、数值、单位和保留术语。客户原文含糊，初稿应礼貌确认，而不是把模糊表达润色成确定订单。内部询盘卡可以用团队工作语言，客户回复则使用客户语言，两者都保留原文链接。

用人工对照样本测试

先做标准答案，再比机器输出。

让熟悉产品和语言的人员为一组历史询盘制作对照结果，包括字段、证据、应追问的问题和可接受回复。评价时分开记录：

• 需求字段的漏提与错提；
• 产品、数量、单位和时间是否保持原意；
• 未知内容是否被补造；
• 术语是否符合企业标准；
• 敏感承诺是否被拦截；
• 销售需要修改的是事实、结构还是措辞。

语言自然只是其中一项。事实忠实和承诺边界应优先于文风。

把确定性检查放在模型之后

规则在模型输出之后做最后一道把关。

模型输出后，用规则检查产品代码、数量格式、单位、国家或地区、禁止承诺词和必填字段。附件与正文出现不同规格时，创建冲突提醒。命中敏感产品、地区或交易条件时，转给对应负责人。

规则不能判断所有语境，但可以稳定拦截已知风险。AI、规则和销售人员的分工方式，可进一步参考完整询盘流程。

先影子运行，再接入发送与 CRM

安全渐进，不急于一蹴而就。

在真实询盘上运行时，新流程先只生成内部草稿。销售仍按原方式处理，同时比较系统提取和回复建议。记录首次草稿准备时间、关键字段漏检、敏感事项升级、人工修改和未采用原因。

以下情况直接转人工：语言无法可靠识别、附件不可读、产品资料没有覆盖、客户要求超出标准政策、涉及合同或合规判断、不同来源严重冲突，或者系统无法给出证据位置。

当常见错误已经可预测、销售复核没有变成新的瓶颈、日志能够回放时，再考虑把确认后的字段写入测试 CRM。自动发送应更晚评估，而且只从低风险、固定内容的确认消息开始。

试点结束要留下什么

可复用资产比一次漂亮演示更重要。

除了可运行原型，还应留下字段字典、术语表、资料清单、错误分类、人工复核规则和停止条件。它们决定下一种语言或产品能否安全加入。

一个成功的多语言试点，不在于 AI 能否写出一封漂亮的邮件，而在于企业是否清楚：每句话依据什么、哪些内容还不知道、谁能把草稿变成正式承诺。做到这一点，才有条件把 AI 扩展到更多外贸日常场景。