制造业AI报价怎么落地：价格数据、报价规则和人工复核各管什么

这篇文章按价格数据、报价规则、生成计算、人工复核四层，讲清每一层要准备什么、AI做什么、哪些判断留给人，最后给出一套用真实询价做首次试点的验收办法。

先划边界：谁来定价、谁来算、谁来放行

一份报价从询价到发出，包含的工作性质并不相同。读材料、对型号、填表格、算合计，规则确定，系统做起来又快又稳；判断这个客户值不值得让利、这个非标要求接不接，是业务负责人的决定，写不成固定公式，也不该交给模型。

AI报价流程要做的，是把前一类工作交给系统，把后一类工作的入口和出口设计清楚，而不是让模型直接“报一个价”。

贯穿全流程的原则只有一条：单价取自价格表，合计来自公式或核算步骤，模型不凭印象写任何一个数字。读不出来、对不上、缺价格的地方，标成待确认项交给人，而不是补一个看起来合理的数。后面三层各自要准备什么，都由这条原则决定。

第一层，价格数据：先把一个产品系列的价格理清楚

系统能不能取对单价，取决于价格数据是否整理成能被读取的形态。制造业企业的价格资料往往散在几处：销售手里的Excel价格表，ERP里的标准价，历史报价单里的实际成交价，还有邮件里临时确认的特价。同一个型号在三个地方有三个价，是AI报价失败最常见的起点。

需要整理的内容有四类：

• 产品主数据：型号、规格、料号、计价单位，每个产品只有一种标准写法。
• 价格表：标准价、阶梯价、币种、含税口径和生效日期，同一个料号在同一时间只有一个有效价格。
• 成本与毛利底线：只在内部使用，决定哪些报价需要升级审批，不进入对外报价单。
• 历史报价：作为参照而不是价格来源，用来对照同类项目的配置和折扣。

不必一次整理全公司。选询价最频繁的一个产品系列起步，把主数据和价格表理到“任何人查到的都是同一个价”，就足够支撑第一轮试点。价格表里没有的型号，系统应当返回“缺价”，而不是参照相近型号估算，这一点要在整理阶段就定下来，否则之后的每一份报价都带着看不见的猜测。

整理本身可以让AI先做初稿。灵思创奇有数百个硬件SKU，来自不同厂商，同类产品的参数字段叫法各不相同，他们用“AI自动标签识别加人工规则校准”的方式，把这些SKU整理成参数维度统一的标准产品库，后面的匹配和组合计算才有了基础。AI负责识别和归类，人负责校准规则，价格数据的整理也是同样的分工。

案例摘要

灵思创奇：复杂定制化设备报价

业务问题定制化设备报价依赖个人经验，一份复杂报价要耗费数小时甚至一天以上

关键做法整理标准产品库，按企业规则对可行组合评分排序

实际结果从数小时缩短到分钟级生成加快速人工复核

完整做法可以看灵思创奇的客户案例。

第二层，报价规则：把老销售脑子里的算法写成条款

同一份询价交给两位销售，报出来的价格常常不一样，差异来自没有写下来的规则：什么条件给几档折扣，运费怎么算，哪些客户走协议价。规则不写成条款，AI只能从历史报价里去推测，推测出来的就是平均水平的错误。

规则一般分成六类，每一类都有明确的确认人：

每条规则按“条件、动作、例外、责任人”四部分书写。比如，条件是同一型号单次订购数量达到阶梯门槛，动作是单价取对应阶梯价，例外是协议价客户按协议价执行、不叠加阶梯折扣，责任人是销售负责人。四部分写全，系统才知道什么时候用、遇到例外怎么办，出了争议也能找到人。

规则从哪里来、改了之后什么时候生效、谁批准，是一件需要单独管理的事，可以接着看价格规则的来源、版本和生效审批怎么管。写不成条款的判断，比如某个客户是否值得战略让利，留在人工复核层；非标比例高的企业，则需要先把标准配置、选配项和例外成本拆开，再分别定价，具体见非标设备定制报价的拆分方法。

第三层，生成与计算：让AI读需求、对规则、填模板

数据和规则就绪后，AI的工作是把一份询价变成一份可复核的报价草稿。比较稳妥的执行顺序有五步：

在LangHub里，这套流程可以直接用企业现有的材料搭起来：报价规则存放在飞书云文档中，通过飞书连接器读取；公司标准报价模板提前上传到项目工作区。执行时，LangHub先从规则文档里调取对应产品的最新定价与折扣逻辑，再到工作区定位标准模板、理解表头结构和填写规范，最后生成符合公司模板的完整报价单。需要强调的边界，可以直接写进任务描述：

跟LangHub这样描述任务

按飞书文档《产品报价规则》和工作区里的《公司标准报价模板》，为这份询价单生成报价单。单价只取价格表，缺价或对不上的型号单独列出来，不要估算。

跑顺之后，这套做法可以封装成Skill，团队成员调用的是同一套报价逻辑，报价质量不再取决于由哪位同事经手。模板本身的设计也影响填写质量：料号、计价单位、有效期写法统一的模板，AI填起来出错少，复核也快，怎样用AI生成这样的模板，可以看设备报价单模板怎么用AI生成。

第四层，人工复核：把复核点设在风险处，而不是每一行

让人把每一行都核一遍，AI带来的时间收益就丢掉了。更有效的做法是预先定义触发条件，只有命中的报价才进入对应的人工环节。常见的触发条件有：

• 毛利低于对应产品线的底线
• 折扣超出报价人的权限范围
• 含有非标要求，或选配约束冲突
• 价格表缺价，或价格已过生效期
• 与同一客户上一版报价差异较大
• 总金额超过审批线

命中不同条件的报价去往不同的人：折扣和毛利问题交给销售负责人，缺价和规则冲突回到运营或产品负责人，非标要求交给工程或技术负责人，金额超线按审批权限逐级上行。复核人看到的不应是一张完整的表，而是系统整理好的疑点：哪几行触发了什么条件，依据哪条规则。

触发条件怎么设计、审批权限怎么分级、复核记录怎么留，可以接着看AI报价发出前怎么审核。

在LangHub里，人机协作的边界可以按操作类型和风险级别配置确认策略，发出报价、写入客户系统这类关键操作设为必须人工确认；执行过程完整展示、可追溯、可审计，复核人能回看系统读取了哪些文件、经过了哪些步骤。权限也可以按用户、身份和角色组分级管控，成本和毛利数据只对需要的角色开放。

首次试点：用一批真实询价验证，再决定扩大范围

试点要回答一个问题：在这个产品系列上，系统出的草稿能不能让复核人少改。做法是取近期已经报出的真实询价，覆盖简单、常规、含非标几种情况，让系统重做一遍，再与当时实际发出的报价单逐项对照。

对照时看四项指标：

试点对照指标

• 关键字段错误：型号、单价、折扣、合计四类，逐类记录错误数
• 漏标：应当进入人工复核却没有被标出的项目，这一项最重要，目标是零
• 人工修改量：复核人对草稿改动了多少行
• 单份耗时：从收到询价到拿到可复核草稿的时间

对照中发现的差异按来源分类处理：价格表有误，补数据；规则缺失，补条款；模板不合适，调模板。前三类处理完，才有必要讨论提示词和流程层面的调整，否则每一次调整都是在掩盖数据问题。

一个产品系列连续几批对照都稳定，且漏标为零之后，再扩到下一个系列，触发条件和审批权限一并沿用。

常见问题 FAQ

Q价格表不完整、规则只在老销售脑子里，还能做AI报价吗？

A

可以起步，但要先补这两样。选一个产品系列，把价格表理到单一口径；规则由业务负责人口述，AI整理成“条件、动作、例外、责任人”的条款，再由负责人逐条确认。补齐的过程本身就是把个人经验变成团队资产。

QAI报价会不会算错？合计怎么保证？

A

单价取自价格表，合计由模板公式或核算步骤得出，模型不自己写数字，这是防止算错的第一道保障。第二道是触发条件：毛利、折扣、缺价等风险项自动进入人工复核，不依赖复核人逐行发现。

Q做AI报价，是买现成的报价软件，还是用Agent平台？

A

取决于报价的复杂度和规则的变化频率。报价结构固定、规则很少变化的场景，报价软件能满足；询价形态多、规则需要经常调整、还要对接飞书文档等现有材料的场景，更适合能读取企业文件并按规则执行的Agent平台。几类工具的实际差异，可以参考6款AI报价单生成工具的横评。

Q非标产品占比高，这套流程还适用吗？

A

适用，但要先拆分。把标准配置、选配项和例外成本分开，标准部分走价格表和规则，例外部分交给工程或技术负责人核算，AI负责识别哪些需求属于例外并转交。

Q所有报价都要人工确认才能发出吗？

A

对外发出的报价，建议至少保留一个人工确认节点，具体按金额和风险分级：标准配置、金额较小且没有触发任何条件的报价，确认可以简化；触发条件的报价，必须由对应角色确认。分级的标准写进流程，比每次凭感觉判断更稳定。