具体开场：十几份报价单，最怕错一个变量
很多团队第一次尝试 AI 自动化办公，会从报价单、合同摘要或客户方案开始。看起来只是把表格里的客户名、商品、数量、折扣和有效期填进模板，实际风险很高：价格表可能有多个版本，审批人可能按区域变化，税率和币种可能来自不同系统，生成后还可能被人一键发送。模型如果把“联系人”填成“审批人”，或者把旧价格表里的折扣带进去，后面补救会很麻烦。
所以批量生成报价单前，不要先追求自动化比例，而要先把模板变量和审批链条验清楚。永沃云枢整理这类流程时，会先把 AI 负责的部分限定为“起草和校验建议”，把价格、审批、发送这三件事留给规则和人工确认。
适用场景
适合销售报价、续费通知、采购比价、渠道方案、合同附件和项目预算说明。数据来源可能是 Excel、CRM、订单系统、邮件附件或人工上传的表格。只要结果会影响金额、交付范围或对外承诺，就不应该让 AI 直接写回正式文件。Codex 可以帮助检查模板变量，CCSwitch 配置可以固定模型 profile，AI API 接入负责生成和记录请求，但最终报价仍要有人工复核入口。
操作流程：先锁模板，再跑样本
第一步，整理模板变量字典。把 customer_name、contact_person、product_name、quantity、unit_price、discount、tax_rate、valid_until、approver 等字段列出来，写明来源、类型、是否必填和允许为空的条件。第二步，锁定价格来源。价格和折扣不要让模型自由推断，只能从指定表格或接口读取；如果缺字段，输出“待人工补充”，不要编一个合理数字。
第三步，建立审批规则。按金额、区域、客户等级或产品线映射审批人，并记录规则版本。第四步，选择 5 到 10 条样本跑 dry-run，样本要覆盖老客户、新客户、折扣、跨区域、缺联系方式和高金额审批。第五步，比对生成结果：变量是否填对，金额是否和价格表一致，审批人是否符合规则，文件名是否可追踪，正文是否出现无法验证承诺。第六步，只把通过验收的结果放进人工确认队列，不直接发送。
常见问题 / 避坑
不要把模板变量写成自然语言让模型猜，比如“客户相关信息”。变量越模糊，越容易把联系人、收件人和审批人混在一起。不要把价格表截图直接交给模型识别后用于正式报价；可以用于辅助核对，但正式金额应来自结构化数据。不要让 AI 生成“永久有效”“全网最低”“保证交付”这类无法验证的表达。AI 自动化办公可以加速起草，但不能替代审批责任。
如果报价单从表格回写，先看 批量回写范围加锁；如果结果需要发送给客户，参考 发送前人工确认；如果需要留下复核证据，可参考 文档证据链复核 和 审批异常复核。
验收清单
- 模板变量有字段名、来源、类型、必填规则和示例值。
- 价格、折扣、税率来自结构化数据，不由模型自由补全。
- 审批人规则有版本，且高金额、跨区域和异常折扣样本已覆盖。
- AI API 接入日志保留 request_id、模板版本、数据版本和模型 profile。
- 生成结果进入人工确认队列，发送动作和正式写回保持独立。
- 团队文档链接到 AI 自动化办公专题、AI API 接入专题、Codex 专题 和 CCSwitch 配置专题。
复盘结论
报价单自动化的收益来自“少重复填表”，不是“没人负责报价”。一套可用流程应该让模型处理起草、格式和缺项提醒，让规则系统处理价格和审批，让人工处理最终确认。这样即使某次 AI 模型接口输出不稳定，也能通过样本、日志和人工队列把风险拦在发送前。
样本集怎么选
报价单样本不能只选最顺利的客户。至少准备六类：标准价格、折扣价格、缺联系人、跨区域审批、高金额审批和历史续费客户。每类样本都要有人工认可的标准答案，包括价格来源、审批人、有效期和备注。AI 生成后逐项对照标准答案，不要只看版式是否漂亮。版式问题容易修，金额和审批人错误才是真风险。
如果样本来自真实客户资料，先脱敏再给模型。客户名可以替换成编号，联系人可以替换成角色，金额可按比例缩放，但字段结构和审批规则要保留。这样既能验证 AI 模型接口和模板变量是否稳定，也能避免把敏感商务信息放进开发者 AI 调用日志。
另外，样本集最好每周补一轮。客户结构、价格政策和审批规则都会变，旧样本跑通不代表新样本也能通过。每次补样本时，只要发现某个字段要靠模型猜，就说明这个变量还没有被锁住，应该继续收紧规则而不是放宽自动化范围。