企业官网建设流程全解析

一、报价慢的账，其实很好算

先说一组行业基准：制造业与分销业的 B2B 报价响应时间，平均值在 24 到 72 小时之间（2026 年制造业基准数据）；而买方在发出询价后的4 小时内就基本形成了供应商偏好。Proposify 对近 200 万份销售提案的分析显示：4 小时内给出回应的，成交率比超过 24 小时才回应的高出约 35%。

在制造业里，这个差距还要更直接一点：客户通常同时向三到五家供应商发同一份询价，往往是第一个给出可用报价的赢。

那 24 到 72 小时都花在哪了？把手工报价拆开看，大概是这样：

单份 40 到 75 分钟，复杂件更久。其中第 1 到第 3 步占了大约 80% 的时间，而这三步是纯确定性的查表和算术——恰恰是最不该由人来做、也最适合交给程序的部分。

所以这篇文章不讲「AI 能不能报价」，只讲一件工程上的事：怎么让 AI 把报价的 80% 做成一份可审核的初稿，同时保证它一毛钱都不能自己说了算。

二、先划边界：AI 算到哪一步，哪一步必须人签

这一步比写提示词重要十倍。报价 Agent 翻车从来不是因为算不出来，而是因为算出来了，还没人看过就发出去了。报价在法律上是要约，说错价要么亏钱，要么丢信用。

把「能自动」和「必须人工」先切干净：

一句话：AI 负责把报价变成「一稿」，人负责那一签。

三、整体架构

对应的节点配置：

第 4 步是全套设计的核心：把所有算术从模型里拿出来，放进确定性代码。下面第五节会展开。

四、把报价规则变成「可计算的东西」

这一步是纯体力活，但做完就一劳永逸。你需要的其实是四张表，把老师傅脑子里的经验搬到纸上：

① 材料费率表（材料 → 单价、密度、损耗率）

② 工艺费率表（工序 → 费率、基准工时）

③ 数量阶梯表（数量 → 折扣系数）

④ 客户价格等级表（等级 → 折扣、毛利底线）

有了这四张表，单价公式就可以写死了：

材料成本 = 单件净重(kg) × 材料单价 × (1 + 损耗率) 加工费 = Σ(工序基准工时 × 工艺费率 / 60) × 数量 直接成本 = 材料成本 + 加工费 + 固定摊销 基准报价 = 直接成本 ÷ (1 − 目标毛利率) 最终单价 = 基准报价 × 数量阶梯系数 × 客户等级折扣

这里有个必须坚持的点：报价随数量变化，不是因为「量大便宜」这种模糊感觉，而是因为物料损耗和换型摊销被数量摊薄了。规则写成公式，才能被复核、被测试、被版本管理。

五、提示词：只抽参数，不做计算

这是整套方案里最容易写错的地方。千万不要让大模型去算钱。LLM 做多位数乘除时的错误率不低，而报价单上错一位数就是真金白银。

所以提示词只让它干一件事：把非结构化的需求，翻译成结构化字段。算钱交给代码。

系统提示词（可直接复制）：

你是制造业报价助理，唯一职责是把客户的询价信息抽取成结构化参数。 你不负责计算价格，不负责判断是否接单，不负责承诺交期。 【输出规则】 1. 只输出 JSON，不要任何解释、不要 Markdown 代码块标记。 2. 未提及的字段一律填 null，禁止猜测、禁止编造。 3. 数量单位统一换算为「件」；重量统一为「kg」；长度统一为「mm」。 4. 材质只允许取以下枚举值：Q235、304、6061、ABS、其他。 若不在这四类里，material 填「其他」，并在 material_raw 写客户原话。 5. 工艺从以下枚举中多选：激光切割、数控折弯、焊接、喷涂、机加工、组装。 6. 客户原话里出现「大概」「类似」「差不多」等模糊表述时， 对应字段照实填写，并在 ambiguous_fields 里列出字段名。 7. 如果数量、材质、工艺三项中有任意一项为 null， 在 need_clarify 里列出需要追问的问题，每个问题不超过 20 字。 【输出格式】 { "material": "Q235", "material_raw": null, "quantity": 500, "unit": "件", "part_name": "支架", "processes": ["激光切割", "数控折弯", "焊接"], "surface_treatment": "镀锌", "unit_weight_kg": 1.85, "deadline_days": 15, "ambiguous_fields": [], "need_clarify": [] }

实测经验：加了ambiguous_fields和need_clarify之后，追问质量提升最明显。以前它会把「差不多五百件」直接写成500，现在会照实记并且标记歧义，让业务决定要不要追问。

六、计算节点：规则引擎代码

抽完参数，交给一段纯函数。核心是三件事：算成本、查阶梯价、校验毛利底线。

fromdecimalimportDecimal,ROUND_HALF_UP MATERIAL={"Q235":{"price":Decimal("4.20"),"loss":Decimal("0.08")},"304":{"price":Decimal("16.50"),"loss":Decimal("0.12")},"6061":{"price":Decimal("19.80"),"loss":Decimal("0.10")},"ABS":{"price":Decimal("12.30"),"loss":Decimal("0.05")},}PROCESS={"激光切割":{"rate":Decimal("120"),"base_min":Decimal("1.5")},"数控折弯":{"rate":Decimal("95"),"base_min":Decimal("2.0")},"焊接":{"rate":Decimal("110"),"base_min":Decimal("6.0")},"喷涂":{"rate":Decimal("80"),"base_min":Decimal("4.0")},}# 数量阶梯系数（按区间下界，倒序匹配）TIER=[(2000,Decimal("0.82")),(500,Decimal("0.88")),(100,Decimal("0.94")),(0,Decimal("1.00"))]CUSTOMER={"A":{"discount":Decimal("0.96"),"floor_margin":Decimal("0.18")},"B":{"discount":Decimal("0.98"),"floor_margin":Decimal("0.22")},"C":{"discount":Decimal("1.00"),"floor_margin":Decimal("0.28")},}FIXED_OVERHEAD=Decimal("3.00")# 固定摊销，元/件deftier_factor(qty:int)->Decimal:forlow,finTIER:ifqty>=low:returnfreturnDecimal("1.00")defcalc_quote(params:dict,customer_level:str="C")->dict:"""纯函数：不调用任何模型，输入参数出价格，可单元测试。"""mat=MATERIAL.get(params["material"])ifmatisNone:raiseValueError(f"材质不在费率表内：{params['material']}")qty=int(params["quantity"])weight=Decimal(str(params["unit_weight_kg"]))# 1) 材料成本：单件净重 × 单价 × (1 + 损耗)material_cost=weight*mat["price"]*(Decimal("1")+mat["loss"])# 2) 加工费：Σ(工时 × 费率 / 60)labor=Decimal("0")forpinparams["processes"]:cfg=PROCESS.get(p)ifcfgisNone:raiseValueError(f"工艺不在费率表内：{p}")labor+=cfg["base_min"]*cfg["rate"]/Decimal("60")unit_cost=material_cost+labor+FIXED_OVERHEAD# 3) 按目标毛利率反推基准报价cust=CUSTOMER[customer_level]target_margin=cust["floor_margin"]+Decimal("0.10")# 常规留 10 个点空间base_price=unit_cost/(Decimal("1")-target_margin)# 4) 套阶梯系数与客户折扣unit_price=base_price*tier_factor(qty)*cust["discount"]total=unit_price*qty real_margin=(unit_price-unit_cost)/unit_price# 5) 高风险标记（不是拒绝，是挂起给人看）flags=[]ifreal_margin<cust["floor_margin"]:flags.append("低于毛利底线")ifqty<100andlen(params["processes"])>=3:flags.append("小批量多工序，建议人工核价")ifparams.get("ambiguous_fields"):flags.append("需求存在歧义："+",".join(params["ambiguous_fields"]))q=lambdax:Decimal(x).quantize(Decimal("0.01"),rounding=ROUND_HALF_UP)return{"unit_cost":q(unit_cost),"unit_price":q(unit_price),"total_price":q(total),"margin":q(real_margin*100),"risk_flags":flags,"need_review":len(flags)>0,}

这段代码有三个工程上必须守住的点：

1. 金额一律用Decimal，不用float。浮点数在累加和除法的场景下会出现0.1 + 0.2 != 0.3这类误差，报价单上很尴尬。
2. 它是纯函数。同一份输入永远出同一个价，可以写单元测试——这是 LLM 做不到的。
3. 费率表出错时抛异常，不猜。遇到不在表里的材质，宁可挂起，也不要模型凑一个数。

把三段串起来的主流程，其实就是二十行：

defhandle_inquiry(raw_text:str,customer_id:int)->dict:"""询价进 → 初稿出。LLM 只出现在第一步。"""# 1. LLM 抽参数（唯一调用模型的地方）params=llm_extract(raw_text)# 返回第五节定义的 JSON# 2. 缺参数就追问，不硬算ifparams["need_clarify"]:return{"status":"need_clarify","questions":params["need_clarify"]}# 3. 确定性计算level=get_customer_level(customer_id)# A / B / Cresult=calc_quote(params,level)# 4. 分级：低风险出初稿，高风险挂起status="reviewing"if(result["need_review"]orresult["total_price"]>REVIEW_THRESHOLD)else"draft"# 5. 落库 + 留痕 + 通知quote_id=save_quote(customer_id,params,result,status)notify_sales(quote_id,result,status)return{"status":status,"quote_id":quote_id,**result}

注意REVIEW_THRESHOLD这个常量的位置：它在代码里，不在提示词里。审批阈值是管理决策，不该由模型来「理解」。

七、人在环：三道闸门

自动化程度的高低，不是看它能不能全自动，而是看你把「什么时候必须停下来」定义得多清楚。我建议至少三道闸门，任何一道触发就走人工：

第三道闸门是提效的关键：让高频、低风险的场景全速通过，让低频、高风险的场景强制刹车。实测里，能走白名单的报价请求通常占六到七成，这部分从「等半天」变成「几分钟出一稿」，而真正需要人盯的只剩三成。

八、落库与留痕：报价单必须可追溯

报价 Agent 上线后，最先被问的问题一定是：「这个价谁定的？」所以留痕要一开始就做。最小可用的两张表：

CREATETABLEquote(id BIGSERIALPRIMARYKEY,customer_idBIGINTNOTNULL,part_nameVARCHAR(128),params_json JSONBNOTNULL,-- 抽取出的一稿参数，原样存档unit_priceNUMERIC(12,2)NOTNULL,total_priceNUMERIC(14,2)NOTNULL,margin_pctNUMERIC(5,2),risk_flags JSONB,-- 触发的闸门statusVARCHAR(16)NOTNULL,-- draft / reviewing / approved / sentvalid_untilDATE,-- 报价有效期，默认 7 天created_at TIMESTAMPTZDEFAULTnow());CREATETABLEquote_revision(id BIGSERIALPRIMARYKEY,quote_idBIGINTNOTNULLREFERENCESquote(id),fieldVARCHAR(64)NOTNULL,-- 改了哪个字段old_valueTEXT,new_valueTEXT,operatorVARCHAR(64)NOTNULL,-- 人工复核者reasonTEXT,-- 为什么改created_at TIMESTAMPTZDEFAULTnow());

quote_revision这张表看着多余，实际上是把老师傅的改价经验沉淀成训练数据的地方。跑三个月，你就能看到「AI 出的价，人平均往上调还是往下调、调在哪个字段上」——这就是下一次优化规则表的依据。

初版报价单给到业务时，建议就长这样（模板可直接抄）：

【初版待确认】报价单 No. Q-20261013-018 客户：成都 XX 精密机械（B 类） 产品：不锈钢支架 304 / 500 件 ────────────────────────────── 材料成本 4.92 元/件 （304，1.85kg，损耗 12%） 加工费 13.20 元/件 （切割+折弯+焊接） 成本合计 21.12 元/件 建议单价 29.80 元/件 毛利率 29.1% 整单金额 14,900.00 元 报价有效期 7 天（至 2026-10-20） ────────────────────────────── ⚠️ 风险提示：无 📌 本单为初版，正式报价以业务确认后的报价单为准。

三个细节别省：逐项列出成本构成（业务一眼能看出哪项不对）、写出毛利率（便于快速判断该不该批）、固定标注「初版」（这是后面所有商务谈判的安全垫）。

九、必踩的五个坑

第五条特别值得展开说一句。AI 出的报价如果能直接发到客户手上，那它就已经是一份对外承诺了。所以流程设计上，初版只发给内部业务，客户那一侧的正式报价单始终由人发出——这不是保守，这是把风险留在你能控制的那一侧。

十、怎么衡量有没有用

上线两周后别看「省了多少人」，看这四个数：

第一个和第二个是过程指标，用来调规则；第三个和第四个是结果指标，用来向老板说明价值。如果初稿一次通过率长期低于 60%，问题不在模型，在你的费率表——很多工厂的报价规则其实从来没被写下来过，这是这件事最难、也最有价值的部分。

写在最后

报价 Agent 的技术难度，其实比询盘接待 Agent 低：它不涉及多轮对话，也不涉及知识库检索，本质上就是「抽取 + 运算 + 分级」。

但它暴露的问题更大——它会把「你们厂的报价规则到底是什么」这件事，逼到你面前。很多工厂的报价依赖老师傅的经验，规则在他脑子里，不在纸上。做这件事的过程，就是把它变成四张表、一段可测试的代码。

三步起步：

1. 先把最近 30 份标准件的实际报价单翻出来，倒推费率表（这一步比搭工作流重要得多）；
2. 把计算逻辑写成纯函数，用历史报价做回归测试，误差超过 5% 的先把规则改对；
3. 再上工作流和人在环的闸门，先只让初稿发给内部业务，跑稳两周再考虑提效范围。

顺序别反。先让规则可计算、可复核，再谈自动化。