骑手、马和终点——一个外贸人的 AI 半自动系统实践
3 月 28 日，看到「张雪机车」在 WSBK 中夺冠了，大为震撼。
那个固执少年的二十年
很早以前我看过他的纪录片。
19 岁的张雪留着非主流发型，骑着他那辆破旧的摩托车追赶着电视台记者，央求着给他拍一段视频，天真固执地以为，上了电视，就能进车队。
没有学历，没有背景，没有钱，只有热爱和固执。这样一个根基不牢的农村孩子，是那么的渴望去抓住生命中的这一根稻草。
谁也想不到，那个固执的少年在 20 年后的 WSBK——世界超级摩托车锦标赛，市售量产车的顶级赛事击败了杜卡迪、雅马哈、川崎这些老牌车厂。
这些名字在摩托车圈如雷贯耳，霸占世界舞台多年，可惜遇到了 2026 年的「张雪机车」。
张雪的成功，我觉得离不开两样东西。
一个是热爱，纯粹的热爱。另一个是时代，中国供应链成熟完善的时代。
核心自研，通用零部件走国产供应链——店里 4.38 万买的 820RR，和赛道上赢杜卡迪的那台，「心脏」是一样的。美日欧品牌近乎零头的价格，世界冠军级的性能。
我的外贸半自动系统
放回到我自己身上。
我很晚才入行外贸，不过得益于国内完善的贸易链条，从最基本的国际贸易流程框架，到实际的备货发货报关都有非常成熟的解决方案。
但即使是这样，在进行第一笔订单的时候，光是处理各类询价报价、合同、商业发票、装箱单、外汇收款都让我花费了不少的精力，还好有朋友手把手带我。
就在那时候，AI 智能体（Agent）出现了。
简单的理解，Agent 可以做到计算机上的任何事情：平时的文档处理自动创建编辑、合同分析、各类数据的提取处理都属于基操了，还有非常多你想不到的都可以做，模型的能力界限远超我们的想象。
所以我顺势，搭了一套外贸半自动系统：
- 询价单过来，不管是 Excel、PDF、截图还是邮件文字，一键出报价、合同、装箱单、商业发票
- 价格、客户信息、装箱重量这些变量，模型直接提取填进去
- 最后自动交叉验证
我所要做的只是核对一遍，但随着数据积累和系统迭代，这一步很快也不用做了。
要知道，我是一个没有任何编程基础、软件工程经验的普通人。
单证只是我的构想的第一步，后面的客户开发、跟进、客户价格敏感度分析、产品成本波动的多因素计算，我都在进行搭建。
当然话说到这里，我也得提醒自己一下，不要重复造轮子，世界上聪明人非常多，特别是国内，针对各种工作实战场景，没有你想不到的解决方案，做好集思广益。
漏洞是我眼里的门缝
话说回到这套外贸半自动系统，刚做的时候，拿了初版给几个做了多年的业内人士看。
他们说：这里格式不对，那里数据有漏洞，还是人工靠谱。
我心里笑了。
雷军说过：当你觉得有问题的时候，那就是你能入场的时候。没有问题，那说明没机会了。
他们眼里的漏洞，是我眼里的门缝，在此非常感谢各位的负面反馈，这都是宝贵的数据资料。
客户只忠诚于利润
关于贸易还有一件事，很多人不愿意承认。
客户只会忠诚于利润。
你给客户解决问题、培养客户感情的确有用，维护客户关系也的确有用，但说到底贸易是买卖。碰上市场大波动、客户经营异常、地缘政治风险，靠关系是无法对冲这些的。
所以我在思考并做的，不只是省人工、提高所谓的准确性，我是想用 AI 把业务的整体抗风险能力拉上去。
毕竟，企业的首要任务是生存，是活下去。
抗风险能力强了，存活概率才高，高了才能更好地赚取利润，然后再用利润让企业活得更好。
所以你掌握的各类生产信息越是完整，你能反应的时间就能越快，决策准确率就越高，那么自然风险窗口就越小。
就从基本谈起，从报价到合同，从销售数据到车间排产，个人理解，本质都是信息的输入输出分析，然后把分析结果放在真实世界的框架去求一个值。
这个值可以是一个表格数据，也可以是一个实际产品，也可以是一个商业合作，模型在其中的最大价值就是强大的算力分析能力。
⚠️ 不要让模型做预测。例如预测哪些地区客户需要产品——谁和你这么说，这都是扯淡的。
模型是算力工具，不是算命先生
模型是算力工具，不是算命先生。
现阶段它替代不了人的，我们要做的，是拍板——知道模型的输出什么时候能信，什么时候该打折。这个判断，才是真正值钱的东西，也就是决策力。
引用抖音创始人张一鸣的话：你对于事情的理解，才是你对事情最核心的竞争力。
因为理论上，其他的生产要素（包括技术、人才、团队配合、资金）都可以进行构建，也就是缺什么找什么。但是未必，在以上要素都齐全的情况下，你就可以把事情做成功了。
所以把真实信息告诉模型，我们对分析结果进行一个实际的分析，再用在现实里，得到反馈再喂回去，如此循环。
在这其中的关键，还是我们本身对事物的判断、理解——这是最宝贵的。
跟着 Agent 练长思考链
怎么练决策力？应该没捷径。
去啃自己觉得难的东西，越是不想进行下去，越要思考进去，思考不进去，说明思考要素还不齐全，那就让要素齐全到思考下去——这个流程不用求全面，走完整个过程就行。走完了，你就不一样了。
这个过程有一个很好的帮手，就是各类模型的 Agent 形式：Claude Code、OpenCode 等等，还有现如今火热的龙虾（Kimi），这些工具都是非常优秀的智能编排器。
我自己在实际使用过程中，深刻感受到了我是如何在解决自己工作需求的过程中，一步一步夯实了自己的长思考链能力。
举一个真实的例子。一份俄文询价单进来，我和 AI 是这样配合的：
| 节点 | 原始信息 | 我的判断 | 判断依据 | AI 做什么 | 我做什么 |
|---|---|---|---|---|---|
| 识别语种 | 俄文 XLS，列头英文，产品描述俄文 | 混排格式，可解析 | 做过俄罗斯市场，这是常见格式 | 识别语言，提取所有列含空列头列 | 确认文件格式没问题 |
| 识别标准体系 | DIN 125、DIN 7980、GOST 11371 混用 | 这家客户同时用俄标和德标 | 俄罗斯市场常用 GOST 但多数接受 DIN 替代 | 对照 DIN/GOST/ISO 尺寸库补全规格 | 判断哪几个 GOST 不能用 DIN 替代 |
| 识别计价方式 | CNY/KG 和 CNY/MPCS 混合出现 | 垫圈按重量，挡圈按件，混合计价 | 平垫密度大按 KG 合理，挡圈轻按件合理 | 识别每行计价单位，套对应报价列 | 核对有没有单位搞错的行 |
| 处理空列头列 | 第 4 列无列头，数据：ZP、HDG | 这是表面处理列，客户漏填列头 | ZP=镀锌、HDG=热浸锌 | 推断列头为”表面处理”，数据原样保留 | 确认推断是否正确 |
| 看生成报价表 | 12 个 SKU，1 行重量异常 | M8 平垫每箱 280kg，应该是 28kg | 凭经验知道 M8 平垫重量区间 | 标注异常行 | 判断是客户填错还是数据库有误 |
| 定价决策 | 报价表生成，单价待填 | 镀锌件最近锌价涨了，要调高 5% | 上周采购通知，AI 不知道 | 不参与 | 手动调整受影响 SKU 单价 |
| 新客户风险评估 | 新客户，XXX LLC，首次合作 | 不能凭国籍判断风险，要查这家公司 | 老客户有付款记录；新客户是空白 | 抓取官网、海关数据、贸易记录，输出风险画像 | 结合接触感受，拍板付款条款 |
| 发出 PI | 风险评估完毕，定价确认 | 注册 3 年，有稳定采购记录，风险可控 | AI 风险画像+我自己判断 | 生成 PI，填入付款条款 | 最终确认，发出 |
在这个过程中我会「被迫」同步思考：
- 为什么它先做这一步而不是那一步？
- 为什么它在这里报错了？
- 我的需求描述哪里有歧义导致它走偏了？
跟着 Agent 干实际任务，你会被迫经历完整的推理链条，包括歧义、错误、回退、重构——这些恰恰是练习长思考链所需要的燃料。有了足够的燃料，有了真实的演练实战场景，决策力就会应运而生。
所以说过程比答案重要，不是鸡汤，是真的。
骑手、马和终点
判断决策解决方向，模型帮助你提高解决执行成功的概率。
如果把目标比作终点，那么我们就是骑手，模型是马。骑上去，驾驭它，往前走。
用好模型，就是用好自己。
人机结合，鸡犬不宁。
大佬说过：强者是练成的，帝国是习得的。
放眼全球，中国的 AI 环境可以说是越来越成熟，从 DeepSeek、豆包、Kimi 等 AI 产品，到智谱、MiniMax 这些各类模型，企业级别的飞书、钉钉。硬件上国产供应链也在日趋完善，只要你想，你都可以获得。
这是不是有点像张雪机车的国产供应链环境？
个人的努力奋斗，还是得放在时代大背景下，所谓的天时地利人和，缺一不可。
还有一个人我得说一下。从我开始用 AI，从最早的对话模型到现在的智能体，我女朋友从头到尾都在鼓励我。没有她，我可能只是把 AI 当玩具在耍，聊聊天，生生图。很感谢她。
张雪骑了二十年，骑到了终点。
大饼已经往这边掉了。
就看我们接不接得住。
补充一句，开着张雪机车夺冠的车手是瓦伦丁·德比斯（Valentin Debise）——之前是雅马哈的车手，但是 2024 年雅马哈没有续约他，2026 年他的车队和张雪机车合作，然后他们夺冠了。这个情节，是不是看着比任何营销都有力。
最后，这篇文章是用 AI 协作完成的。