《外贸 AI 落地实战》第 4 篇 / 共 10 篇 · 第一部分 · 底座
本篇来源：线下沙龙知识库部分整理（原理、工具、PDF 解析、团队共享）
开篇：同样一句话，两个网站
我在现场做了个对比演示。
同一句指令——"根据这份 PDF 帮我做个网站"——跑了两遍：
- 第一遍
：只有一个 PDF。出来一个单页，配色普通，点"立即咨询"会跳到别的页面去。你看了会说"这玩意儿也能叫网站？" - 第二遍
：接了知识库。出来的是一个多页网站，有产品、有服务、有关于我们，图片是它自己从知识库里找到对应产品传上去的，内容长度也合适，几乎可以直接用。
指令一模一样。差别只在 AI 知道多少。
这就是知识库的全部意义。
一、原理：一句话，AI 为什么会变聪明
正常你问大模型一句"帮我做个网站"，它看到的就是这七个字，然后给你做个网站。
接了知识库之后，流程变成这样：
```
你提问 → 先去知识库检索相关知识 → 把检索结果和你的问题一起给模型 → 模型输出
```
同样一句"帮我做个网站"，模型实际收到的是：
请帮我做个网站。我们公司成立多少年、厂房多大、有多少专利、做什么产品、产品优势是什么、服务有哪些、有多少案例、哪些客户说过我们好……
两个网站能一样吗？
所以知识库的本质不是"存资料"，而是：
让你在 AI 那儿变得"可见"。
AI 看不见你，它就只能瞎编；编出来的东西你还得改，改的时间比自己写还长——于是你的结论就是"AI 还不如我自己写"。
这不是 AI 的问题，是你没让它看见你。
二、为什么必须向量化，以及为什么是 Obsidian
向量是个什么东西？
举个例子："中国"和"北京"这两个词，字面上没有任何关系——"中国"不包含"北京"，"北京"也不包含"中国"。
但在向量空间里，这俩词离得非常近。因为"中国的首都是北京"。
AI 理解世界靠的就是这种"距离"。 哪个词跟你现在说的事更近，它就往哪个方向走。
这带来一个关键结论：
AI 能理解的，必须是向量数据库。你过去那些结构化文件（Excel 表格、固定的表单），它理解起来很吃力，而且经常理解错。
为什么是 Obsidian
当前开源、免费、自己能用、又足够好的本地知识库方案里，Obsidian 是我用下来最省事的一个。
你要是技术大拿，可以去搞图计算、知识图谱那一套前沿的东西。对绝大多数公司来说，不需要。
界面长这样：打开是一张"点状图"，每个点是一块知识，点和点之间的连线就是向量距离。你点开一个点，能看到这篇文章讲什么、围绕哪些东西组织起来。
我自己电脑上有好几个这样的库：我自己的、美容仪器的、矿山机械的——后两个是因为我第一份工作做美容仪器、第二份工作做矿山机械，手上资料多，就搭着玩。
底部还有两个是给客户做测试的。
一个反直觉的用法：不知道什么有用，就全扔进去
很多人卡在第一步："我不知道哪些资料有用啊。"
我的答案永远是：不知道就都扔进去。
理由很简单：它最终建成的是个向量环境，相关内容会自动聚在一起，不相关的内容会自动离主题很远。AI 自己能识别。
有垃圾进去？无所谓，就是硬盘多占点空间。
比起"漏掉关键知识"，"多存点没用的"代价小太多了。
三、三个必须知道的操作
1. 建库：一句话的事
帮我把这个博客/这个文件夹里的内容，同步到 Obsidian 本地知识库。
就这一句，它自己干。
我自己有个从 2009 年开始写的博客，我把全部内容同步进了本地知识库。现在它比我还了解我——十五年前写的东西我都忘了，它还记得。有时候我看它写的内容，会有一种回忆的感觉："哦，我过去确实是这么想这件事的。"
2. 新内容自动回流
这一点特别重要，很多人漏了：
我以后写的文章，你帮我自动回到这个知识库里。
说完这一句，它就会记住。以后你说"写篇文章"，写完的文章自动就出现在知识库里了。
闭环就这么搭上了。 你的知识库会随着你工作自动长大，而不是建一次就死在那儿。
3. 目录授权
Obsidian 是本地 App，知识库就是你电脑上的文件。
⚠️ 关键操作：把知识库放在你给了 Agent 完整权限的那个目录下。
比如我的都放在 project 目录里，而这个目录我给 AI 开了完整权限（有些客户端里叫 Bypass）。这样 AI 需要读的时候，直接就能进去读。
不放对地方，它读不到，等于白建。
四、最大的坑：PDF 是流失率最高的格式
你公司的资料大概是这样的：PPT、Excel、Word、PDF。
这些转成 Markdown 格式时，损失率都不算高。唯独 PDF 是重灾区。
原因：PDF 是为了"显示"而格式化的，换行、层级、图文关系在硬编码结构里被打散了。AI 读它，就像你读一份被拆散重排的说明书——字都在，但关系没了。
解法：用专门工具还原。
我自己在用的是 MinerU（免费的，有在线版，也有 API）。它能把 PDF 里的字和图都解析出来，还原度高很多。
⚠️ 这里有个通用方法，价值比工具本身大：
给 AI 任何新能力，你只需要两样东西：一个 API + 一份说明文档。
把 MinerU 的 API 密钥和它的说明文档链接丢给 Agent，告诉它"去使用这个"，它自己就学会了。你不需要先读懂文档再教它。
这个套路适用于你后面遇到的所有工具：
```
找到工具的 API → 生成密钥 → 把密钥和说明文档给 AI → 告诉它你要什么
```
我现场讲的所有东西，几乎都是这个模式。 这也是为什么我反复强调那句：
以后你选任何线上工具，第一个问题永远是：有 API 吗？
没有，就换一个。
原因很实在：没有 API，AI 就只能用"肉眼看"的方式去操作界面——能干，但 token 消耗大概是 API 方式的一百倍（现场口径）。本来一块钱干完的事，变成一百块。
五、知识库里到底该放什么
按用途分：
营销场景（最好用的部分）
-
产品介绍 -
客户案例 -
服务内容 -
工厂/产能 -
证书资质 -
口碑评价
判断标准特别简单：你网站上有的那些东西，就是营销知识库该有的东西。
内部管理场景
制度、流程、常见问题的答案。这块 AI 能给你做提示，比较省心。
⚠️ 销售场景：我劝你别碰
这句是我的真心话：
当前的销售场景，整体是超出 AI 边界的。别去想让它帮你谈客户。
举个例子。客户问："这个价？"
这句话背后可能是什么意思？——"这么贵？""这么便宜？""还能再降吗？""你在试探我？"
同样一句话，意思完全不同。AI 理解不了人和人之间沟通里那些微妙的东西。
所以别在这上面浪费时间。
一个被低估的富矿：你的邮箱
我在现场问了个问题：公司里最有价值的信息在哪？
在你的邮箱里。
你天天跟客户来来往往的那些邮件——客户问过什么问题、关心什么参数、纠结什么交期、为什么最后没下单——这是最真实、最高密度的客户知识。
网站要解决客户的问题，而客户问题最集中的地方，就是你和业务员的收件箱。
把邮箱授权给 Agent 去读一遍，它能提炼出大量产品知识、应用场景、客户案例。
⚠️ 安全说明（我在现场也强调了）：这种授权是让它搜索并提炼知识，提炼出来的是产品知识、应用场景、案例这类内容；你的密码、客户隐私信息不会被保留。
但我要补一句实话：只要你用第三方 SaaS 工具，理论上的泄露风险就存在。 这是你选择便利时必须接受的代价。所以——
六、为什么知识库必须在你自己手里
前面说的都是"怎么建"。这一节说"放哪"，我认为这是整篇最重要的部分。
结论：核心知识库放在本地，你自己完全控制。
理由一：它是你未来最核心的资产。
客户资料可能会流失，平台规则会变，甚至你的产品线都会换——但知识是那个真正给你带来客户的东西。
理由二：第三方工具的知识库，必然在第三方服务器上。
这不是阴谋论，是技术必然：它要连着你的知识库给你自动回复，那你的知识库就得放在它那儿。
理由三：向外分发的，都应该是子集，而且要脱敏。
我的做法是这样的：
```
本地核心库（完整、原始、不外发）
├── 营销用子集（脱敏）
├── 销售用子集（脱敏）
└── 生产/采购用子集（脱敏）
```
每一个往外发的，都只是完整知识库的一部分，且经过脱敏。核心的东西不出去。
这也是为什么很多国企、大型上市公司上 AI 上得慢——他们宁愿不上，也不能让数据外泄。
团队怎么共用？（这是目前最难的一节）
Obsidian 是本地 App，装在你电脑上，同事用不了。
方案一（简单）：Obsidian 官方同步服务。
付费插件，买了之后同一个账号多台电脑自动同步，谁改都能同步。价格不算贵（我印象中是几十块钱级别，现场口径，以官网为准）。
⚠️ 注意：换个电脑就没了。它是本地文件，不会自动跟着你走。
方案二（进阶）：自建服务器版 Agent。
把知识库放在一台服务器上，大家远程访问同一个网址、同一套 Agent。这样全公司用的是一个知识库、一套 Skill，不会你造一遍我造一遍、还都是不同版本。
目前这类方案（比如 DeepSeek 的 Harness）还在很早期——官方自己都提示"可能会有大变化，不要部署生产系统"。今天做的开发，明天底层一变就全废了。
所以我的现实建议是：
现阶段别想太多。先自己个人跑明白，把知识库和 Skill 攒起来。
Agent 和模型这两个，等它们打完仗再说。
等你要换的时候，知识库还是你的知识库，Skill 还是你的 Skill，迁移一下就能接着干活。
七、最后一个提醒：全网口径必须一致
这是很多人没意识到的一点，放在知识库这篇讲，因为它本质上是知识库问题。
你现在做 GEO（第 9 篇详讲），AI 会去读你全网各处的信息：官网、YouTube、Reddit、Facebook、LinkedIn、各种黄页和目录站。
如果这些地方说法不一致，AI 就会判断你"不可信"，然后不推荐你。
真实的翻车案例：
公司成立年份，官网写"5 年"，某个目录站写"2016 年成立"，LinkedIn 写"7 年经验"。
人看了可能无所谓，AI 看了就是冲突信号。
解法只有一个：所有对外的资料，都出自同一个知识库。
这就是知识库的另一个价值——它不只是给 AI 用的，它是你公司对外信息一致性最可靠的来源。
我们内部对写 SEO 文章的同事是有考核的：文章里的"知识库含量"必须达标，否则绩效受影响。逼着大家去用知识库，而不是自己瞎写。
本篇清单
-
知识库 = 让 AI 看见你。看不见你，它就只能编 -
工具：Obsidian（本地、免费、开源，我用下来最省事） -
建库指令： 帮我把这个文件夹同步到 Obsidian 知识库 -
⚠️ 必须设置新内容自动回流，否则知识库会死 -
⚠️ 知识库要放在 Agent 有完整权限的目录下 -
PDF 用 MinerU 解析（API + 说明文档给 AI，它自己学会） -
万能公式：API + 说明文档 = AI 的新能力 -
内容：产品/案例/服务/工厂/证书/口碑 + 你的邮箱 -
⚠️ 销售场景别碰；核心库放本地；外发用脱敏子集 -
全网口径必须一致，所有对外资料出自同一个库
下篇预告
05｜主动开发客户（上）：让 AI 像老业务一样，把带联系方式的客户挖出来
从下一篇开始，进入"人找客户"这条腿。
我会先泼一盆冷水：你公司现在每个月群发几十万封的 EDM，回复率基本是零。 然后告诉你，十年前那些一年做几千万的老业务，是怎么一个人一台电脑把客户挖出来的——以及 AI 为什么特别适合干这件事。
《外贸 AI 落地实战》共 10 篇，整理自 2026 年 8 月 27 日外贸 AI 沙龙的全天分享，本篇是第 4 篇。