AI 报价分析助手
一个基于本地业务资料进行查询与分析的 AI 工作流。
项目希望解决供应商报价分析中反复查表、筛选和总结的问题，同时保证 AI 的输出有据可依、不过度发挥。
项目信息
项目类型：AI 工作流 / 办公场景应用
搭建方式：Coze 工作流
核心能力：本地知识检索、结构化分析、幻觉控制、数据更新
项目背景
在供应商报价分析场景中，用户往往希望通过自然语言快速获取某个品类的报价信息和分析结果，而不再依赖人工反复查表。但这类场景对数据真实性要求很高，一旦 AI 脱离真实文件自由发挥，就容易生成看似合理、实则错误的内容。
因此，这个项目的重点不是做一个"会回答问题"的机器人，而是搭建一个能够严格基于本地数据回答，并在缺少数据时明确说明"未找到"的 AI 工作流。
数据来源
测试数据均经过脱敏或公开资料整理，主要包括：
- •商品信息数据
- •品类市场行情参考
- •采购评估标准 SOP
- •常见履约异常处理手册
其中，商品信息原始 Excel 在测试中不利于 AI 直接读取，因此我对数据进行了向量化，将其转为更适合检索的文本切片形式，以提升查询准确率。
核心设计
- •用户通过自然语言提出查询需求
- •工作流识别查询对象与分析维度
- •系统优先在本地文件中检索相关信息
- •有数据时输出结构化分析结果
- •无数据时触发兜底逻辑，明确返回"未找到相关数据"
同时，我对 Prompt 增加了约束，要求模型：
- •只能基于本地数据源回答
- •不编造不存在的品类、品牌或时间段数据
- •不用常识替代真实业务数据
- •数据不完整时说明分析范围
测试与迭代
项目初版在基础测试中可以完成正常查询和分析，但在进一步验证时，我发现如果约束不够严格，模型仍可能在局部场景中"脑补"答案。因此，我补充了数据准确性兜底规则，并重点测试了"不存在品类"的场景。优化后，系统能够稳定做到：
- •有数据时正常分析
- •没数据时明确说明没有
- •不再生成虚构数据
后续优化
为了支持业务持续使用，我进一步增加了数据更新机制：当有新的 Excel 数据时，可将内容整理后补充给 AI 数据库，便于后续持续扩展和更新分析范围。
项目价值
这个项目让我更系统地练习了 AI 在办公场景中的应用方式。相比只追求"回答流畅"，我更关注 AI 是否基于真实数据、输出可靠结果，并在不确定时明确边界。这也是我理解的 AI 进入业务流程后最重要的价值之一。
技术栈
CozeAI工作流本地知识检索结构化分析幻觉控制办公场景应用