欢迎访问上邦|专注企业 AI 数字化转型落地 · 咨询热线 400-667-6771
免费咨询
首页 / 资讯中心 / 技术干货 / 文章详情
技术干货

贸易销售企业客户资料知识库建设方案:邮件与报价文档的自动入库流水线

上邦 AI 工程团队2026-09-21阅读 约 8 分钟
客户往来邮件、报价单与合同散落在业务员个人邮箱和电脑里,是贸易销售企业知识流失的主因。本文给出一套可自建的自动入库流水线:用 IMAP 拉取邮件与附件,解析 Word 与 Excel 报价文档,按客户、负责人、日期打元数据后写入向量库,再经权限过滤实现带出处的客户资料问答,全程可私有化运行。

客户资料为什么留不下来

贸易销售企业的核心知识大多不在制度文件里,而在往来邮件、报价单、合同附件和聊天记录中。三类典型流失路径:一是邮件只存在于业务员个人邮箱,人员离职即失联;二是报价单分散在各人电脑,版本新旧说不清;三是历史成交条件(账期、运费、返利)只在小范围口头流传,新人接手要靠翻几个月的邮件重建上下文。把这三类资料纳入统一的私有知识库,是贸易企业建设 AI 知识库的第一优先级。

总体架构:一条四段式入库流水线

推荐用最简架构起步:采集层用 IMAP 协议拉取销售邮箱的邮件与附件,用目录扫描器同步共享盘上的报价与合同文档;解析层把 EML、docx、xlsx、pdf 统一抽取为纯文本;组织层按客户、单据类型、负责人、日期打元数据标签后切片入库;应用层用向量检索加大模型生成,回答必须附带原文出处。全程可跑在一台内网服务器上,不依赖任何公网 API。

第一步:用 IMAP 批量拉取邮件与附件

主流企业邮箱均支持 IMAP。以下脚本按日期增量拉取邮件,打印主题与日期,并把附件保存到本地目录,可直接运行:
import imaplib, email, os
from email.header import decode_header

def dhead(s):
    out = ''
    for t, enc in decode_header(s or ''):
        out += t.decode(enc or 'utf-8', 'ignore') if isinstance(t, bytes) else t
    return out

os.makedirs('attachments', exist_ok=True)
conn = imaplib.IMAP4_SSL('imap.example.com')
conn.login('sales@example.com', 'APP_PASSWORD')
conn.select('INBOX')
_, data = conn.search(None, 'SINCE', '01-Jan-2026')
for num in data[0].split():
    _, md = conn.fetch(num, '(RFC822)')
    msg = email.message_from_bytes(md[0][1])
    print(dhead(msg.get('Subject')), '|', msg.get('Date'))
    for part in msg.walk():
        fn = part.get_filename()
        if fn:
            with open('attachments/' + dhead(fn), 'wb') as f:
                f.write(part.get_payload(decode=True))

第二步:解析报价单与合同文档

报价单和合同的表格信息最关键,python-docx 与 openpyxl 可以把段落与表格行统一转成文本行,供后续切片:
from docx import Document
from openpyxl import load_workbook

doc = Document('报价单-客户A-2026Q3.docx')
paras = [p.text.strip() for p in doc.paragraphs if p.text.strip()]
for t in doc.tables:
    for row in t.rows:
        paras.append(' | '.join(c.text.strip() for c in row.cells))

wb = load_workbook('产品价目表.xlsx', data_only=True)
rows = []
for ws in wb.worksheets:
    for r in ws.iter_rows(values_only=True):
        if any(v is not None for v in r):
            rows.append(' | '.join('' if v is None else str(v) for v in r))
print(len(paras), len(rows))

第三步:切片与元数据设计

切片粒度建议:邮件按单封一档(正文超过 800 字再二次切分),docx 按标题分节,xlsx 按工作表。元数据至少包含四个字段:customer(客户名,用于按客户隔离)、doc_type(email、quote、contract)、owner(负责人,用于权限过滤)、date(业务日期,用于新旧版本判断)。下面是写入 Chroma 并按条件检索的最小示例:
import chromadb
client = chromadb.PersistentClient(path='./trade_kb')
col = client.get_or_create_collection('customer_docs')
col.add(
    ids=['mail-20260315-001', 'quote-custA-2026Q3'],
    documents=['客户A询问交期安排的邮件正文', '报价单客户A 2026Q3 条目明细'],
    metadatas=[
        {'customer': '客户A', 'doc_type': 'email', 'owner': 'zhang', 'date': '2026-03-15'},
        {'customer': '客户A', 'doc_type': 'quote', 'owner': 'zhang', 'date': '2026-07-02'}
    ]
)
res = col.query(
    query_texts=['客户A 上次谈的账期条件是什么'],
    n_results=3,
    where={'$and': [{'customer': '客户A'}, {'owner': {'$in': ['zhang', 'li']}}]}
)
for m, d in zip(res['metadatas'][0], res['documents'][0]):
    print(m['doc_type'], m['date'], d[:50])

第四步:权限分级与带出处问答

贸易资料敏感度高,检索层必须先过滤再召回:普通业务员只能查到自己名下客户的资料,销售主管可查全组。上例中的 where 条件就是过滤入口,把 owner 换成当前登录用户即可。生成侧要求模型引用命中文档的编号与日期作答,无法命中时明确回答未找到,避免编造成交条件。

上线节奏与维护

第一步:先归档近 12 个月已完成订单客户的邮件与报价,形成种子数据。
第二步:选 2 至 3 名销售试用两周,重点收集查询无结果的场景清单。
第三步:把增量入库做成每日定时任务,新邮件次日可查。
第四步:每季度核对客户名与负责人映射,防止元数据漂移。
提醒:IMAP 建议使用邮箱的授权码而非登录密码;涉及合同金额等高敏文档,可在入库前按客户白名单做二次确认。
上述流水线全部基于开源组件,有开发能力的团队可以自行搭建。如果希望减少运维投入,也可以了解上邦面向中小企业的私有 AI 知识库方案,将文档解析、权限分级与带出处问答整合为一套开箱即用的私有化部署。

参考来源

email — Representing an email message - Python 官方标准库文档。 python-docx 官方文档 - python-docx.readthedocs.io。 Getting Started - Chroma 官方文档。
相关标签:企业AI知识库贸易销售邮件归档私有化部署Chroma

免费咨询上邦技术顾问

一对一上邦方案顾问对接 · 免费定制企业专属 AI 数字化转型方案

立即获取上邦方案