当老板突然问「这几家供应商去年采购了多少」：一次 90 秒应答背后的知识库实战

一、下午三点，老板丢过来一张截图

截图上是一个手打的表格：五家供应商的名字、每家供什么货，旁边一行手写的折扣——94 折、93 折、87 折。配一句话：「这几家，去年 9 月到今年 8 月，一共采购了多少？」

看起来是个再简单不过的问题。

如果你手上有系统，标准动作是这样的：找导出文件、按供应商筛选、求和、检查一下财年有没有对上、再算一遍打折前的金额。顺利的话一小时，不顺利的话，一下午就没了。

而我花了 90 秒。

不是因为我手快，也不是因为我记得住这些数字。是因为这个问题里所有会卡住你的地方，我的知识库早就知道了。

二、这个"简单问题"里藏着五道关

我把它拆开，你就明白"导个表就行"是个错觉。

第一关：哪个文件才是权威源？

采购数据在我手上至少有两个来源：业务系统的导出，和财务部发的正式入库明细。更要命的是，从今年 1 月起财务口径替换了旧口径——旧的那套已经作废，但文件还好好地躺在硬盘上。选错文件，数字全错，而且错得特别像对的。

第二关：财年不等于自然年。

老板说的"去年 9 月到今年 8 月"，是 2025-09-01 到 2026-08-31。但你的系统默认按自然年汇总，所以导出来的第一版一定是错的，而且往往要等你对完总数才发现。

第三关：一个窗口，两套数据源，不能重复算。

旧系统的数据到 2026 年 6 月截止，财务新数据从 2026 年 1 月开始。中间有大半年是重叠的。直接拼起来会重复计算，只用旧的又会少掉两个月。

第四关：老板给的名字，不一定是系统里的名字。

这次最典型的是压缩机——我按老板说的那个品牌名去筛供应商，结果是零。系统是零。后来才发现，它是品牌，不是供应商：量分散在四个不同的代理商名下，只能靠物料名称里的品牌词把它捞出来。如果当时就停在"查无此家"，这个数就永久漏掉了。

第五关：要的是打折前还是打折后？含税还是不含税？

老板问"采购了多少"，通常指实付。但一谈到返点（Rebate），双方真正博弈的是打折前的盘子——87 折的价目表里到底留了多少空间，才是谈判的战场。这两个数差了将近一成，答错一个，报价当场就漏了底。

五道关，每一道都不难。但每一道都要你自己"想起来"，而想起来这件事，在下午三点被人追问的时候，是最不可靠的。

所以"导个表就行"的真相是：你根本不是在跟一个求和操作搏斗，你是在跟五个从来没人记录过的判断搏斗。每做一个判断都要停下来想、去翻记录、去问人，或者赌一把。更要命的是这些判断之间没有提示，错了也不会报错——只有最后总数对不上的时候，你才知道前面某一关塌了。

这就是为什么这件事"顺利一小时，不顺利一下午"。差别不在你的 Excel 熟不熟，在你有没有把这五个判断提前固化下来。

三、有知识库的人，这五道关变成了一句话

我实际做的事只有一句：「调这五家供应商 FY26 的采购数据」。

后面发生的一切，全靠知识库里早就写好的东西：

所以 AI 做的事不是"猜"，是照着已经固化好的口径去取数。这是本质区别——前者是概率，后者是流程。

知识库的价值不在于记住答案，在于记住"问答案的正确姿势"。

90 秒之后我拿到的是一张表：五家合计约 ¥234 万，其中消毒木箱那家最大约 ¥77 万，损耗品 A 家约 ¥66 万，普通木箱 D 家约 ¥54 万，另外两家分别约 ¥21 万和约 ¥17 万。

但真正分出高下的，是追问。

第一张表出来之后，老板紧接着又问了两个：「打折前是多少？」「那压缩机那个品牌呢？」

没有知识库的时候，追问是灾难——它意味着前面的活要重做一遍，你还得重新确认口径、重新核对文件。所以大多数人会本能地回一句"我回头查一下"，然后这个数就再也没有下文了。

但口径固化之后，追问只是换个筛选条件。打折前的金额，是同一批明细除以合同折扣，一分钟；压缩机品牌的量，是同一套数据换个匹配字段，也是一分钟。前后加起来不到十分钟，两张表都给了他。

能不能接住追问，才是知识库真正的分水岭。 第一个问题考验你有没有数据，第二个问题考验你有没有系统。

四、返点谈判里，值钱的不是数字，是数字之间的关系

老板要数字，通常不是为了看，是为了拿去谈。每年有部分供应商有返点约定，谈之前你得先知道自己手里有什么牌。

这一次的四个发现，没有一个是靠"求和"能得到的。

1. 打折前的盘子比实付大了约 ¥22 万。

五家实付约 ¥234 万，按合同折扣还原后约 ¥256 万。这 22 万是已经让出去的空间——返点谈判的起点应该在这里，而不是在实付额上再砍一刀。砍在实付上，等于让对方把已经给的折扣再让一次。

2. 有一家在悄悄消失。

损耗品 B 家在 2025 年 9-12 月还有约 ¥20 万的量，到 2026 年 1-8 月，全年不到 ¥3 千。这不是算错——我拿两个独立数据源对过，两边都这么说。业务要么被切走了，要么停了。不管哪种都是筹码：要么查清楚量去哪了，要么用"你手上只剩这么点了"去压价。

3. 品牌不是供应商，量是散的。

K 品牌压缩机这个财年约 ¥314 万，听起来不小。但它分散在四个采购渠道，最大的一家只占 44%。这个结构在返点谈判里是致命的——量不够集中，阶梯返点就够不到那一档。要谈，得先把量归集到一到两家，否则拿着 314 万去谈，对方只按你分散后的实际量给报价。

4. 货源在挪窝。

同样是 K 品牌，巴西产地的占比从历史的约 23% 升到这个财年的约 36%，斯洛伐克从约 30% 掉到约 20%。货源结构在变，意味着供应商的成本结构也在变。这是重新议价的窗口期，不是照着去年合同直接续签的时候。

这四个发现里，有三个是"看见数字之后才问得出来的问题"。而能不能问出来，取决于你多快拿到第一张表——以及拿到之后，还剩多少精力去想。

五、把 Excel 变成"能被问"的知识库，五步就够

不需要什么复杂的架构。我这套东西能跑起来，靠的是五件笨功夫。

第一步：给每个数据文件写 README。

只需要四项内容：数据范围、金额口径（含税/不含税）、已知缺陷、是否作废。这一步的收益最大——它把"哪个文件能用"这个每次都要重新判断的问题，一次性解决了。

一份 README 十分钟能写完，但它接下来一年里会替你省掉十次"到底用哪个文件"的犹豫。记住一条：凡是你需要犹豫两秒以上才答得上来的东西，都该写进去。 会犹豫的地方，就是知识库该长出来的地方。

第二步：把元知识单独写出来。

财年怎么算、口径在哪一天切换、哪个名字对应哪个实体。这些东西不写在任何一张业务表里，却决定了所有表能不能对得上。

第三步：保留明细，允许回溯。

任何汇总都要能追到行级。这次我发现有二十来行完全重复的记录，涉及金额不大，但如果汇总表里看不出来、被对方在谈判桌上抓住一次，就很被动。

第四步：数字必须可溯源。

我给自己的规矩是：引用任何数字，都要能说清出处文件和计算口径。AI 凭印象给的数字，一次都不能用——它错的时候会错得特别自信，而且特别通顺。

第五步：每次查完，把新发现写回去。

这次发现"B 家断崖"“K 品牌的量散在四个渠道”，下次再问相关问题，知识库已经知道了。没有知识库，每次查数都是重开一局；有了知识库，每次查数都是在上一局的地基上加一层。

六、一个诚实的边界

知识库不是万能的，我踩过两个坑，值得说清楚。

第一，口径错了，它会错得很有道理。知识库只能保证"按照记录好的口径算"，如果当初记录错了，它会坚定地错下去。所以数字出来之后，交叉验证这一步不能省——这次我就是拿旧系统的同期数据和财务新数据对了一遍，才敢说"B 家断崖"是真事，而不是口径问题。

第二，它加速的是取数，不是判断。老板为什么现在问这个、这个数字拿去谈判合不合适、要不要主动告诉他那家在消失——这些它帮不了你。

取数省下来的两小时，真正的价值不是早点下班，是让你有时间去想那个更重要的问题：他到底要拿这个数去干什么。

回到那张截图。

最后我给老板的不只是一张汇总表，是三句话：五家一年约 234 万，打折前约 256 万；其中一家基本停了，要么换掉要么压价；压缩机那个品牌的量太散，要谈返点得先归集。

从"导个表"到"给建议"，中间差的不是 Excel 技巧，是你有没有一套能把数据变成答案的系统。

而这套系统的门槛，比大多数人想象的低——先给你手上的数据文件写一份 README，你就已经开始了。

延伸阅读：从零搭建本地 AI 知识库：双索引 RAG 与自动化流水线 · 知识库 2.0：给采购数据建一层卡片索引，让 AI 算数不再靠猜