展会客户失联后,我让AI去猜他的邮箱,居然猜中了

"

AI真正帮上忙的地方，不是写一封辞藻华丽的开发信，而是把客户开发、背调、邮件、报价、单证这几个环节，捋成一条能结构化梳理的线。

—— 一个在学着用AI整理外贸流程的人

故事是这样的。

上个月一个客户的跟进卡在我这半个多月，一直没推进下去。

原因特别没出息，就是我找不到能拍板的那个人。展会上加了他们一个业务的WhatsApp，聊得挺好，说回去帮我引荐他们的采购负责人，结果人回国之后就失联了，消息发过去石沉大海，手里就剩一个公司官网。我用Claude Code试着去扒这家公司采购负责人的信息，结果它自己在那试了好几种邮箱命名组合，firstname.lastname，全名首字母组合等等，它自己换了好几条路径交叉查，最后给到一个值得我进一步确认的线索。

然后通过正常业务触达再确认了一遍，才往下跟进。

我不是做技术出身的，纯纯一个在工厂的牛马打工人。这半年多我一直在用AI智能体来辅助日常工作，边用边踩坑，边踩坑边总结，所以这次也想把自己这点摸索出来的心得写出来，跟大家聊聊。

先说清楚一件事，免得有人误会。我说的这些，不是让AI替你开发客户，也不是让它替你成交订单。外贸这行最核心的判断，客户靠不靠谱，价格能不能做，订单风险大不大，这些东西谁都替代不了自己的经验和直觉。

但我这半年用下来，越来越觉得，AI特别适合帮我们处理外贸里那堆重复的、分散的、特别容易忘的杂事。展会名片攒了一沓，邮箱里几百封往来邮件，客户报过的价、聊过的天、发过的资料，这些东西堆在一起，人脑真的扛不住。我把自己摸索出来的几块用法整理了一下，权当抛砖引玉，说不定对同样天天在这些琐事里打转的你也有点用。

? 本文看点

以前展会回来是什么场面，大家应该都懂。一堆名片，邮箱地址记在本子上一半记在手机备忘录里一半，WhatsApp加了几十个新联系人，客户的网站链接、报价记录、聊天截图，散得到处都是，excel文件数据一大堆，虽然也是在跟进，但可能时间一长，自己都记不清这个客户问的产品的一些细节，谈过的价格历史。

我现在的做法是，把每一个客户当成一个独立的工作线程交给智能体去管，客户来源、客户类型、聊过什么内容、发过哪些邮件、报没报价，这些信息我都让AI直接以markdown文本的形式存在电脑里，不用整理成表格，直接打开聊天窗口跟agent对话就能查、能补、能更新。

这套方法的底层逻辑是，markdown就是纯文本，AI读它不用任何转换，而且##、-这些符号天然告诉了AI哪是标题哪是重点，可以说是AI的母语格式。

具体步骤就是，名片手机拍照喂给agent，直接提取联系信息，我们人工核对一遍，让agent把联系信息导出为markdown文本。导出来大概长这样（下面这段是我随手编的示例，真实客户信息肯定不能这么摆出来给大家看）：

就是这么一个结构化的文本块，字段随你自己习惯定，agent每次跟进完会自动帮你把新内容补进去。但适应了之后你会发现，跟智能体对话比翻表格快多了，你直接问它这个客户上次聊到哪了，它比你自己翻聊天记录还清楚。

这个我觉得是提升最明显的一块。以前背调客户是什么流程，无非就是打开谷歌，一条一条搜公司名字，再点进官网看看主营产品，再猜猜采购方向，一套流程下来半小时起步，还经常搜不到什么有用信息。

现在AI如果接入了搜索工具，效率真的完全不是一个量级。我自己用过Firecrawl，Tavily 这类MCP工具，单次最大能拿到100条搜索结果，一次拉回大量搜索结果和页面内容，不只是给你几行摘要。

接入搜索mcp进行数据抓取

具体说的话，就是它给的不是那种一两行的摘要片段，是每条结果背后的完整页面内容，直接清洗成AI能读的markdown格式，让它自己去筛主营产品、公司类型、可能的采购方向，再结合我们自己的产品线判断这个客户值不值得重点跟。

说实话这个是我一开始最没预料到会有用的。客户邮件这个事，收发只是最基础的部分，更麻烦的是记账，谁回复了谁没回，哪封报价发出去三天了该跟一下，哪个客户还差一份资料没补。

把邮箱接入智能体之后（同样是通过MCP协议），你可以让它按客户线程去总结往来记录，这个客户之前问过什么问题，我们报过哪几个价格版本，客户最后卡在哪一步没往下推进，下一封邮件该怎么写。这比你自己在邮箱里翻来翻去清楚太多了，尤其客户基数一多，跟进周期一拉长，光靠脑子记根本记不住。

我自己现在的习惯是，隔几天抽半小时到1小时，让它把手上所有还在跟进的客户线程过一遍，哪些该催了，哪些该换个角度重新报价了，它给我列出来，我再一个个判断要不要动手。这个环节其实还是我自己在做决定，AI只是帮我把该注意的事挑出来，不然真的会漏。

展会上通常的场景是什么，客户站在你摊位前问价格，你只能口头报个大概区间，或者拿纸笔写一写。

回去还得重新算一遍正式的，客户那边可能已经把你这个大概数字忘了，或者记错了。而且不管现场怎么报，后面正式环节该做的Excel报价单、PDF、PI一样都少不了——两头的活都躲不掉。

那与其这样，不如把功课做在前面。我现在会提前把产品价格库、包装信息、报价单的固定格式整理好，让智能体随时能调用。客户在现场给出规格、数量、具体要求之后，智能体照着这些已有资料现场生成一份报价单草稿，通过微信或者WhatsApp传到我手机上，我在展位上扫一眼确认，没问题再正式发给客户。

等于把原来"回去再算"的那一步，压缩到了客户还站在摊位前的几分钟里。

这个可能是最省事但也最容易被忽略的一环。外贸里重复性的资料多到离谱，PI、CI、PL、报价单、包装信息、证书资料、产品规格、客户常问问题清单，几乎每个订单都要重新填一遍类似的东西。

这些内容如果提前做成固定模板或者智能体的技能，把数据源的唯一性维护好，让智能体按已有规则去整理、生成、核对，工作量是真的能压下来一大截。

于是我自己做了一个 Trade Pipeline 单证技能，解决方案很简单：只维护一份订单档案，所有单据从这份档案自动生成。改一处，四份单据联动更新。

开源地址：https://github.com/Dangooy/trade-pipeline-skill，复制到浏览器打开即可。

东西还糙，是我自己用着顺手的程度，感兴趣的可以拿去改。

这是我这半年感触最深的一部分。单个AI工具能干的事其实有限，但几个工具组合起来用，效果是真的会放大，而且不是简单的1加1。我自己现在的组合大概是这样，Codex更适合做线程和资料管理这种偏严谨偏保守的活，腾讯的WorkBuddy适合做电脑协同这块，它支持一键绑定微信这个功能我用得挺多，Claude Code我更多用在方案编排和工具搭建上。

但这里我必须要展开讲一个我自己亲身对比出来的差异，也是这半年用下来我觉得最有意思的一个发现。

这两个工具搁在一起用，你会发现它们像是团队里性格不同的两个同事，一个特别死板守规矩，一个脑子活但需要有人把把关。搭配着用，比单独指望某一个all in one要顺手得多。

说到这个，我自己还没来得及深入研究更多的工具组合方式，可能还有更好的搭配我没试过，这块我自己也还在摸索阶段，不敢说已经找到了最优解。

以上这六块，就是我目前自己在用的一些方法，说实话都还在不断调整，没有一个是定型的。刚上手的时候我也走了不少弯路，数据源没理顺闹过笑话，纯文本记录客户信息一开始也不适应，这个过程可能是需要点时间，一开始你可能会觉得比自己手动做还慢，还麻烦，甚至怀疑自己是不是瞎折腾。但过了这段适应期之后，你会发现自己确实是把原来那些散在脑子里、本子上、Excel表格各个角落里的东西，理出了一条清楚的线。

我自己现在越来越觉得，AI对外贸这行最大的帮助，真不是帮你写一封辞藻华丽的开发信。那种东西客户见得多了，一眼就能看穿是模板。

而这种结构化的梳理，说到底是帮我们自己能更完整地回头看一眼，自己这套工作流程到底走成了什么样子，哪里漏了，哪里可以再提速。

这么做下来最大的变化是，原来散在名片、邮箱、Excel、聊天记录里的东西，现在都被agent归拢到了一处，而且是越用越厚，每次跟进、每次报价、当时为什么这么决定，都留了痕。过段时间回头翻，你能看清自己每一单是怎么走过来的，哪步走对了哪步走岔了。省下来翻找和回忆的时间，正好拿去干真正要紧的事，判断客户、谈价格、盯风险。

当然，工具终究只是工具。从业务层面来说，决定一单能不能成、一个客户值不值得深耕的，还是业务员自己对客户、对产品、对价格、对风险的那份判断力，这个东西AI给不了，也替代不了。我写这篇东西也不是想说AI有多神，只是觉得，这些年干这行的人，谁没在深更半夜翻着乱糟糟的邮箱和名片堆发愁过呢。能少一点这种发愁的时刻，我觉得就挺好的。

我是一个在学着用AI整理外贸流程的普通人。

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～

谢谢你看我的文章，我们，下次再见。