用 AI 整理供应商资料：从一堆 PDF 到能问得动的档案

先描述一个我们自己的真实场景，看看你熟不熟悉。

要找一家工厂的报价，你需要在：微信里翻三个群的聊天记录、邮箱里搜一封三个月前的邮件、电脑里找一份叫"报价-final-最终版2.pdf"的文件、再翻一下名片盒或者通讯录备注。

半小时过去了，你可能还找到的是过期版本。

这不是管理问题，是数据形态问题——信息存在四种互不相通的载体里，任何一种工具都没法直接检索。

AI 在这里能做一件特别有价值的事：把非结构化资料变成结构化的、可以提问的档案。

先说清楚 AI 不适合做什么

在讲怎么做之前，先划三条红线，这些我们踩过：

一、不要让 AI 直接对外发消息。 供应商沟通涉及价格和承诺，AI 生成的询价邮件如果不经人工确认就发出去，说错一个数字就是事故。它只能起草。

二、价格、交期、MOQ 这类关键数字，必须人工复核一次。 AI 从 PDF 里抽数字会出错，尤其是扫描件、表格跨页、带单位换算的时候。我们第一版跑出来的报价，10 条里有 2 条是错的。

三、不要把独家供应商资料上传到公开 AI 服务。 涉及成本和工艺的部分，用本地工具处理，或者先脱敏。

三步流程

第一步：把所有资料归到同一个地方

这一步没有 AI，纯体力活，但必须做。

建一个按供应商命名的文件夹，每个供应商下面放：

• 报价单（PDF / Excel）
• 产品目录
• 资质文件（营业执照、检测报告、认证）
• 沟通纪要（把微信和邮件里的重要结论，复制成纯文本）
• 合作记录（下单历史、交期表现、出了什么问题）

格式统一成纯文本或 PDF。 图片格式的截图、名片照片，AI 读不了（或者读不准）。名片信息手动敲一遍，一次五分钟，之后永久可检索。

第二步：让 AI 抽取字段，生成一页纸档案

给 AI 一个固定的字段模板，让它从每家供应商的资料里抽取：

输出成一份 Markdown 文件，一个供应商一份。

这个动作的价值不是省时间，是"强制统一"。 以前每家供应商的信息详细程度完全不同，现在至少字段是一样的，可以横向比较。

第三步：把档案变成可以提问的库

档案建好之后，真正的效率提升在这里。

把这些 Markdown 文件放在一个能被 AI 工具读取的本地文件夹里，然后你可以直接问：

• "哪些供应商能做 500 件以下的小单？"
• "上次 XX 产品延期交货的是哪几家？"
• "把 MOQ 低于 1000 且做过欧美认证的列出来"
• "对比 A 厂和 B 厂在打样周期和付款方式上的差别"

过去需要翻半小时的问题，现在十秒出答案。

而且这个库是累积的——用得越久越值钱，因为它沉淀的是你自己的合作历史，网上查不到。

一个真实的收益

我们做完这件事之后，最大的变化不是"找资料快了"。

是新人能接手了。

以前供应商知识全在老员工脑子里，他一请假，整个采购环节就卡住。现在新人打开那个文件夹，问一句就知道该找谁、什么条件、注意什么。

这其实就是知识库的意义——不是把资料存起来，是让不依赖某个具体的人也能运转。

几个实操建议

一、先做 5 家，不要一次做 50 家。 先跑通流程、确认字段够用，再批量做。字段设计错了，做完 50 家要全部返工。

二、报价一定要标有效期。 三个月前的报价就是无效信息，标了日期才不会误用。

三、定期更新，但别追求实时。 我们每季度更新一次档案，平时遇到重大变动（换联系人、涨价、出了质量问题）随手改一下。80 分但持续维护的档案，胜过 100 分但半年没动的档案。

四、把"合作记录"单独留一栏。 这是最难重建、也最值钱的部分。AI 能帮你整理报价，但"这家去年旺季掉过链子"这种判断，只能你自己写。

最后

AI 在供应商管理上最大的作用，不是替你谈判，也不是替你决策。

是把散落的、找不到的、只存在于某个人脑子里的信息，变成团队共用的资产。

这件事不性感，但它省下的半小时，一年会重复几十次。

*这是 iSeacat「AI 工作流」系统的公开笔记之一。我们自己的供应商档案也在持续维护中，会继续记录有效的方法。*