48小时，一封没来得及回的询盘，让这家外贸公司损失了一个大客户

2024年3月，一个巴西买家发来询盘。

邮件里问的不复杂：三款产品的规格、MOQ、FOB价格，外加一个交货期。按照公司以往的流程，业务员要先查系统里的历史报价，再核一遍库存，然后写英文邮件——这个过程，快的话一天，慢的话两天。

48小时后，他们回复了。

对方的回复只有一句话："谢谢，我们已经和另一家合作了。"

这家公司的老板，把这封邮件截图打印出来，贴在了办公室的白板上。

---

第一章：慢，是怎么把生意杀死的

外贸圈有个不成文的共识：询盘回复的黄金时间是4小时以内。超过这个窗口，客户很可能已经收到了竞争对手的报价。

但传统的询盘处理流程，天然和这个要求对着干。

一封询盘进来，业务员要做的事情远不止"写封邮件"：

• 识别客户来自哪个市场，判断采购意图是认真询价还是比价收集
• 查产品参数表，确认客户问的型号是否在售
• 核历史报价，看同类客户的成交价区间
• 翻出上次和这个客户（或同地区客户）的沟通记录
• 用英文写一封既专业又有温度的回复邮件

每一步单独看都不难，但加在一起，再叠上一个业务员同时跟着十几个客户的现实，48小时其实已经算快的了。

这家做工业配件的公司，旺季时每天能收到30-50封询盘，但团队只有4个业务员。平均每人每天要处理8封询盘，还要跟进已有客户、参加展会、做样品跟进……回复速度慢，不是态度问题，是结构性问题。

---

第二章：为什么选API，而不是买个现成工具

意识到问题之后，这家公司的老板——我们就叫他陈总——开始找解决方案。

他走的弯路，可能你也走过。

这个决策的转折点，是陈总的一个朋友——一个会写Python的自由职业者——告诉他："你描述的这些需求，用API自己搭，一个月可能就花几十块钱。"

直接调用API的核心优势，用陈总的话说就是三个字："可以改"。

提示词可以改，输出格式可以改，接入的数据可以改。那些SaaS工具，你只能用他们给你的功能；但API就像乐高，你自己决定怎么拼。

---

第三章：落地过程——三个阶段，踩了哪些坑

阶段一：先跑起来，哪怕很粗糙

第一版系统极其简单：一个Python脚本，读取转发到指定邮箱的询盘邮件，调用API生成回复草稿，把草稿发到业务员的企业微信。

核心代码大概是这个结构：

import openai
import json

client = openai.OpenAI(
api_key="your-api-key",
base_url="https://api.884819.xyz/v1"  # 国内直连，兼容OpenAI格式
)

def generate_reply_draft(inquiry_text: str, product_info: str) -> str:
system_prompt = """你是一名专业的外贸业务员，擅长用流畅的商务英文回复客户询盘。
回复要求：
1. 语气专业但不冷漠，适当体现对客户需求的关注
2. 结构清晰：先确认收到询盘，再逐条回应客户问题，最后给出下一步行动
3. 长度控制在200-300词，避免冗长
4. 如果产品信息中没有对应参数，明确说明"需要进一步确认"，不要编造数据
5. 输出格式：直接输出英文邮件正文，不需要主题行"""

response = client.chat.completions.create(
model="gpt-5.1",
messages=[
{"role": "system", "content": system_prompt},
{"role": "user", "content": f"客户询盘内容：\n{inquiry_text}\n\n可用产品信息：\n{product_info}"}
],
temperature=0.7
)
return response.choices[0].message.content

示例调用
inquiry = "Hi, we're interested in your industrial valve series, please quote for Model A-200 and B-350, MOQ and FOB Shanghai price."
product_info = "A-200: 2寸球阀，工作压力16bar，材质304不锈钢；B-350: 3寸蝶阀，工作压力10bar，材质碳钢"

draft = generate_reply_draft(inquiry, product_info)
print(draft)

文中演示的 API 调用，使用的是 [api.884819.xyz](https://api.884819.xyz) 提供的接口服务——支持 OpenAI 兼容格式，国内直连，按量计费，这家外贸公司第一个月的 API 费用不到 200 元。

>

👉 如果你也想复现这套流程，可以先去 api.884819.xyz 申请一个 Key，新用户注册即送体验 token，后面的代码直接能跑。

这一阶段最大的问题，出现在第二周。

一个德国客户问某型号的防爆认证情况。模型不知道具体认证数据，但它没有说"不知道"——它编了一个看起来非常合理的认证编号。业务员没仔细看就发出去了，客户追问细节，当场穿帮。

这是AI做外贸最危险的地方：它不知道自己不知道什么。

---

阶段二：把产品数据"喂"进去

解决幻觉问题的方法，是把公司的产品参数表、历史报价单、认证文件清单整理成结构化文本，作为上下文喂给模型。

这就是RAG（检索增强生成）的最简版本：不是让模型凭空回答，而是先从数据库里检索相关信息，再让模型基于检索结果生成回复。

他们用的方式很土但有效：把Excel产品表转成JSON，按产品系列分类存储。每次收到询盘，先用关键词匹配找到相关产品的参数，再把这些参数连同询盘一起发给模型。

系统提示词里加了一条硬约束：

"如果提供的产品信息中没有客户询问的具体参数，必须在回复中写明'This specification requires further confirmation from our technical team'，绝对不允许推测或编造任何技术数据。"

这条规则上线后，幻觉问题基本消失了。模型开始老老实实说"需要确认"，反而让客户觉得这家公司"很严谨"。

---

阶段三：加入人工审核节点

第一版系统上线时，有人提议"让AI直接发邮件"，被陈总否掉了。

他的逻辑很简单："我不是要用AI替代业务员，我是要让业务员从'写邮件'变成'改邮件'。"

最终的流程是这样的：

询盘进入指定邮箱
↓
Python脚本自动解析（提取：客户信息/询问产品/核心问题）
↓
检索产品数据库，获取相关参数
↓
调用API生成回复草稿（含中文注释，标注哪些地方需要人工确认）
↓
草稿推送到业务员企业微信
↓
业务员审核修改（平均用时8-12分钟）
↓
确认发送

这个设计的关键，是草稿里会用中文标注"⚠️ 此处价格需要确认是否在当前有效期内"这样的提示。业务员不需要从头想，只需要核对几个关键点。

接受度比预想中高很多。一个业务员说了一句让陈总印象深刻的话："以前我最烦的就是对着白纸想怎么开头，现在AI已经给了个七八成，我只要改就行了。"

---

第四章：数据结果——压到4小时之后，生意变了什么

系统稳定运行三个月后，他们做了一次前后对比：

转化率12%的提升，陈总自己也说"不敢完全归因于这套系统"——同期公司也做了产品线调整，市场也有变化。但有一点是确定的：那种"48小时后对方已经找到别人"的情况，明显少了。

没有变好的地方，也要说：

有几个客户反馈，邮件"读起来有点像模板"。这个问题在第三个月才被发现——原来是某类询盘的提示词写得太死，生成的回复结构高度相似。后来针对不同询盘类型做了提示词差异化，情况有所改善，但"机器感"始终是个需要持续打磨的问题。

---

第五章：可复制性——你的公司能抄作业吗？

这套方案不是万能的，有几个前提条件值得诚实说清楚。

• 每天询盘量在20封以上（量太少，收益不覆盖搭建成本）
• 产品参数相对标准化，有整理好的产品数据（如果产品每次都要定制，RAG的效果会大打折扣）
• 团队里有人能看懂并维护基础Python脚本，或者愿意花钱找人搭建一次

• API调用费用：旺季约150-300元/月（按量计费，淡季更低）
• 初期脚本开发：找自由职业者约3000-5000元一次性费用（之后基本不需要大改）
• 产品数据整理：内部人力，约1-2周

• 询盘高度定制化，每封都需要大量背景知识
• 公司没有任何人能理解这套系统的逻辑（出了问题没人能修）
• 老板对"AI生成内容"有原则性抵触

这套方案的本质，不是用AI替代人，而是用AI把人从"低价值重复劳动"里解放出来，让人去做AI做不好的事——判断、谈判、建立关系。

---

尾声：老板现在最担心什么

三个月后，陈总在一次行业聚会上聊起这件事，有人问他："你现在最担心什么？"

他想了想，说："技术不担心，这东西没那么难。我最担心的是，竞争对手什么时候也学会这招。"

这句话值得每一个还在用人工处理询盘的外贸从业者认真想一想。

---

不过，这家公司解决了"回复速度"的问题之后，很快遇到了第二个更难的问题：如何让AI读懂客户的真实意图，而不只是字面意思。

比如客户说"价格能不能优惠一点"——这句话背后，到底是真的要砍价，还是在试探你的底线？还是说，他其实已经决定买了，只是习惯性地问一句？

不同的意图，对应完全不同的回复策略。这是AI做外贸的下一关，也是纯靠速度解决不了的问题。

---

• API服务：[api.884819.xyz](https://api.884819.xyz)（OpenAI兼容格式，国内直连）
• 脚本语言：Python 3.10+
• 核心库：openai、imaplib（邮件读取）、pandas（Excel处理）
• 推送渠道：企业微信机器人 Webhook
• 数据存储：JSON文件（初期）/ SQLite（后期）

---

#AI外贸 #API实战 #外贸自动化 #ChatGPT #8848AI #Prompt工程 #AI效率工具