这套做法只在一种条件下成立:报价频次高,且同一物料会以不同术语、不同计量单位出现在不同报价单上。典型的样子是同一型号的减速机,这个月在三份单子上分别写成 FOB 上海 USD 1,280/台、CIF 汉堡 USD 1,395/台、CNY 8,940/台含税。做法分两步:先建贸易术语、计量单位、币种三张字典,把每份报价折成同术语、同单位、同币种、同汇率基准日的可比价;再让检索只负责找依据和条款,不负责算价差。一个熟悉单证的人两周能把主力品类建完,此后每周维护在两小时以内。最容易踩的坑是让向量检索直接比对两份报价单:FOB 与 CIF 在文本上高度相似,算出来的差额里混着海运费和保险费,业务员据此谈判,让掉的是自己的毛利。
报价单上的三种不可比,语义相似度一个都识别不出来
第一种是术语边界。国际商会《国际贸易术语解释通则》2020 版把十一术语分成两组:EXW、FCA、CPT、CIP、DAP、DPU、DDP 适用任何运输方式,FAS、FOB、CFR、CIF 只适用海运和内河水运。风险转移点和费用边界不是一回事:FOB、CFR、CIF 三者的风险都在装运港货物装上船时转移,可卖方承担的费用差着一截运费和一笔保险。DAP 是卖方运到指定地点、不卸货即完成交货;DPU 是十一术语里唯一要求卖方卸货的;DDP 还要办进口清关。CIP 在 2020 版要求卖方按协会条款 A 投保,而 CIF 仍然只需 C 条款的最低覆盖。这些差异只要没进字段,两份报价在向量空间里就长得几乎一样。
第二种是计量单位。大宗物料按吨报,小批量按公斤报,标准件按件报,成套设备按套报。一吨等于一千公斤属于常识,问题出在录入环节:有人把 USD 1,850/MT 抄成 1.85/kg,单位和小数点一起丢,比价结果就偏了一个数量级。阶梯价更容易出错:同一物料一吨、五吨、二十吨三档单价不同,只取单一价格排序,量大的供应商会被排在后面。
第三种是币种和汇率基准日。报价单上写「汇率 7.12」等于什么都没写,因为看不出是哪一天的、哪个来源的。海关在这件事上有明确的固定口径:据《中华人民共和国海关进出口货物征税管理办法》(海关总署令第 272 号)第十三条,海关每月使用的计征汇率为上一个月第三个星期三中国人民银行授权中国外汇交易中心公布的人民币汇率中间价,该日非银行间外汇市场交易日则顺延采用下一个交易日公布的中间价。企业内部比价不必照搬海关口径,但必须自己定一条同样明确的规则,并把 rate_date 与 rate_source 写进每条记录,否则三个月后没人能复现当时的比价结论,审计时也无法解释。
这三种不可比有个共同点:它们都不是文本问题,是结构问题。语义检索擅长回答「哪份报价单提过这个客户要求的唛头和包装方式」,不适合回答「这两个价格究竟哪个更低」。把该用算术的地方交给模型,得到的是一个语气笃定的错误答案。
先建三张字典,再谈入库
1. 术语字典 incoterms:每个术语固定六个边界字段——出口清关、主运费、保险、进口清关、卸货、风险转移点,取值只允许 seller、buyer、not_required 三种,不做自由文本。
2. 单位字典 units:每个计量单位登记 base_unit 与 factor,例如 MT 的 factor 是 1000、base_unit 是 KG;SET 的 factor 按实际装箱数填,填不出的留空并标记 not_convertible,不要估算。
3. 币种字典 currencies:ISO 4217 三位代码、minor_unit 小数位、rate_source(中间价、现汇卖出价、合同锁定价)、rate_date。
4. 一条硬规则:两条报价进入比价前必须四同——同术语、同指定地点、同币种、同汇率基准日;任一不同,先折算再比较,折算过程留痕。
2. 单位字典 units:每个计量单位登记 base_unit 与 factor,例如 MT 的 factor 是 1000、base_unit 是 KG;SET 的 factor 按实际装箱数填,填不出的留空并标记 not_convertible,不要估算。
3. 币种字典 currencies:ISO 4217 三位代码、minor_unit 小数位、rate_source(中间价、现汇卖出价、合同锁定价)、rate_date。
4. 一条硬规则:两条报价进入比价前必须四同——同术语、同指定地点、同币种、同汇率基准日;任一不同,先折算再比较,折算过程留痕。
字典不要写成散落的 Excel。写成版本化的 JSON 放进代码仓库,改一次留一条提交记录。有人问「为什么这两条报价被判为不可比」,答案应该在提交历史里,而不是在某个离职同事的记忆里。
报价要素的八个必填字段
1. quote_id 报价单编号:供应商代码加日期加流水,与业务系统一致,不另造一套。
2. sku 物料号:用企业自己的物料号,不用供应商型号做主键,同一物料多个供应商型号走别名表。
3. incoterm 加 named_place 指定地点:两者必须成对出现,FOB 后面不带港口等于没写术语。
4. currency 币种:三位代码,不用符号,USD 与 US$ 与美元三种写法混在一张表里,分组统计会散成三份。
5. price 与 unit:单价与计量单位成对存,换算后的 base_price 单独一列,不覆盖原值。
6. moq_tier 起订档位:一吨、五吨、二十吨各一条记录,不要挤在备注里。
7. rate_date 与 rate_source:汇率基准日与来源,缺任一项该条不参与比价。
8. valid_until 有效期:过期报价保留在库里但标记 inactive,参与比价时默认排除。
2. sku 物料号:用企业自己的物料号,不用供应商型号做主键,同一物料多个供应商型号走别名表。
3. incoterm 加 named_place 指定地点:两者必须成对出现,FOB 后面不带港口等于没写术语。
4. currency 币种:三位代码,不用符号,USD 与 US$ 与美元三种写法混在一张表里,分组统计会散成三份。
5. price 与 unit:单价与计量单位成对存,换算后的 base_price 单独一列,不覆盖原值。
6. moq_tier 起订档位:一吨、五吨、二十吨各一条记录,不要挤在备注里。
7. rate_date 与 rate_source:汇率基准日与来源,缺任一项该条不参与比价。
8. valid_until 有效期:过期报价保留在库里但标记 inactive,参与比价时默认排除。
named_place 与 valid_until 最常被省,也最不该省。FOB 上海与 FOB 宁波的拖车费差几百块,可比性就断在这里;贸易报价普遍有有效期,一份两年前的报价混进比价池,会把整组排序拉歪,而且没人看得出来。
折算函数:金额只用 Decimal,不用浮点
下面这段只依赖标准库,能直接跑。核心是把「单价除以单位换算系数」和「乘汇率」两步分开,中间不做四舍五入,最后一次成形。
from decimal import Decimal, ROUND_HALF_UP
UNIT = {'KG': Decimal('1'), 'MT': Decimal('1000'), 'G': Decimal('0.001')}
def per_kg(price, unit):
if unit not in UNIT:
raise ValueError('unit not convertible: ' + unit)
return Decimal(str(price)) / UNIT[unit]
def to_cny(price_per_kg, rate):
v = price_per_kg * Decimal(str(rate))
return v.quantize(Decimal('0.0001'), rounding=ROUND_HALF_UP)
print(to_cny(per_kg('1850', 'MT'), '7.0912')) # 13.1187 元/KG
good = to_cny(per_kg('14.2', 'KG'), '7.0912')
bad = to_cny(per_kg('14.2', 'MT'), '7.0912') # 单位录错
assert good == bad * 1000
为什么不用 float:0.1 加 0.2 在二进制浮点里不等于 0.3,比价表里差的那一分钱会让人怀疑整张表的可信度。金额一律 Decimal(str(x)),从字符串进,不从浮点进,也不要先 round 再相除。
比价结论不要回写进知识库。库里存的是依据——报价单原件、条款、有效期、谈判记录;比价数字每次运行时现算,算完即弃。把结论固化进库,汇率一动,库里的数字就变成错误信息。
检索顺序:先过滤,再语义
报价检索的正确顺序是元数据过滤在前、向量召回在后。先把 incoterm、currency、unit_base、moq_tier 四个字段过滤出候选集,再在候选集里找条款和备注。反过来做,向量会先把语义相近但术语不同的报价捞进来,后面的过滤只能删,删不干净就混进结果。
import chromadb
client = chromadb.PersistentClient(path='./kb_quote')
col = client.get_collection('quotes')
where = {'$and': [
{'incoterm': {'$eq': 'CIF'}},
{'currency': {'$eq': 'USD'}},
{'unit_base': {'$eq': 'KG'}},
{'moq_tier': {'$gte': 5}},
]}
res = col.query(query_texts=['这个规格的包装与唛头要求'], n_results=5, where=where)
数值过滤要注意一个实现细节:Chroma 的 $gt、$gte、$lt、$lte 只接受整数和浮点数,且元数据里缺这个键的文档不会被返回。所以 moq_tier 必须写全,缺项补 0 或补默认档位,不能留空。这套字段化处理与我们在企业知识库里的做法一致:文档入库负责解析与切片,业务口径负责元数据。至于模型和向量库怎么选、私有化要多少显存,在私有 AI 知识库方案里有单独的取舍说明,本文不重复。
验收:三十组历史报价做回归
1. 排序一致性:抽三十组历史上真实发生过比价的物料,用新口径重算,与当年人工结论对比,一致率低于九成的先查字典,不要急着换模型。
2. 换算零错:对每个单位组合跑断言,KG 与 MT 互换一轮后数值必须回到原值,误差只允许出现在最后一位。
3. 缺项即拒:rate_date 或 named_place 缺失的记录必须报错跳出,不允许静默填默认值,否则错误会被埋进结果里。
4. 口径变更留痕:字典版本号写进每次比价输出,半年后能回答「当时用的是哪版术语边界」。
2. 换算零错:对每个单位组合跑断言,KG 与 MT 互换一轮后数值必须回到原值,误差只允许出现在最后一位。
3. 缺项即拒:rate_date 或 named_place 缺失的记录必须报错跳出,不允许静默填默认值,否则错误会被埋进结果里。
4. 口径变更留痕:字典版本号写进每次比价输出,半年后能回答「当时用的是哪版术语边界」。
这四条的次序不要调。先保证字典对,再保证换算对,最后才谈召回质量。字典错了,后面三步做得再漂亮,产出的仍是一张看起来很专业但会误导决策的表。
三类报价不该进同一个比价池
第一类是一次性打样与小批量试单。数量与量产差两个数量级,单件分摊的模具与调机成本完全不同,混进比价池会把同类物料的均价抬高一截,让正常报价看起来便宜。处理办法是在字段里加一档 order_type,打样、试单、量产三选一,比价默认只取量产,另外两类单独成表。
第二类是含客户指定件的转售。客户指定品牌、指定型号甚至指定供应商,价格里其实是转售加价,不含可比成本。这类报价进池只会搅乱排序,字段里标 designated 为真即可排除。
第三类是已锁价的年度框架协议。价格是几个月前谈定的,汇率与原材料都已锁定,与当期现货并排比较只会得出框架价比现货贵这种没意义的结论。它的正确用法是当基准线,看现货偏离多少,而不是参与排序。
三类排除规则定下来,比价池里剩下的才是可比的。这一步看着是业务判断,实际决定整张表能不能用:数据治理里最难的不是清洗格式,是先把谁跟谁可以比说清楚。字典的责任人建议只落在一个人身上,术语边界或客户条款变化当天改字典并提交版本,别等季度整理时再补,那时候当事人往往已经不记得为什么这么改。
参考来源
《国际贸易术语解释通则 2020》(Incoterms 2020)- 国际商会,2020 年 1 月 1 日生效,共十一种术语、按运输方式分两组。
《中华人民共和国海关进出口货物征税管理办法》(海关总署令第 272 号)第十三条 - 海关总署,计征汇率取上一个月第三个星期三人民币汇率中间价。
ISO 4217 货币代码标准 - 国际标准化组织,规定三位字母代码与货币最小单位小数位。
《中华人民共和国海关进出口货物征税管理办法》(海关总署令第 272 号)第十三条 - 海关总署,计征汇率取上一个月第三个星期三人民币汇率中间价。
ISO 4217 货币代码标准 - 国际标准化组织,规定三位字母代码与货币最小单位小数位。