先说结论
AI 输出的稳定性，主要取决于输入的事实是否完整、是否一致、是否有边界。提示词决定的是表达方式，事实才决定内容对不对。
所以外贸团队落地 AI 的顺序，应该是先整理企业事实，再设计任务，最后才谈提示词和工具。顺序颠倒，就会出现“每个人都在写提示词，没人写得完”的局面。
企业知识底座里应该有什么
产品：能做什么、不能做什么、有哪些限制条件。写清“不能做”比写“能做”更重要，因为它决定了 AI 什么时候应该停下来。
市场与认证：进入了哪些市场，有哪些认证，认证的有效范围和编号。这里必须标注来源和版本——证书会过期，写进来的信息要能被人复核。
服务范围：交期怎么算、打样怎么走、最小起订量、包装与物流的常规做法。
常见问题（FAQ）：买家反复问的问题，以及企业统一口径的回答。
不可承诺事项：哪些话不能说。这一项经常被忽略，但它是风险底线——不承诺结果、不编造认证、不代替企业报价。
每条事实都要带两样东西
版本和来源。
没有这两个标注，知识库会慢慢腐化：半年前的价格还在里面，已经被替换的认证编号还在里面，AI 照单全收，输出的东西看起来笃定，实际已经过期。
我们在训练里要求，任何进入知识库的事实都要能回答：“这条是谁确认的、什么时候更新的。”回答不了，就先不进去。
为什么这件事和客户开发有关
客户开发的很多环节，本质上是重复的判断和表达：判断这家公司值不值得跟、判断这个询盘卡在哪、判断下一步该怎么回。
如果企业事实没整理过，每一次判断都只能靠业务员的个人经验重来一遍。整理过之后，判断可以被写成标准，标准可以被复核，复核过的标准才会变成团队资产。
一个务实的起步方式
不要一次整理全套。选一个场景——比如询盘回复，或者客户研究——把这个场景需要的事实先整理出来，用真实输入跑一遍，看哪里出错。
出错的地方就是知识库缺的东西。改完再跑一遍。跑通一个场景，再扩到下一个。
这样做的另一个好处是：团队能亲眼看到标准是怎么长出来的，而不是被告知“要有标准”。