跨境电商公司如何从0搭建AI知识库？飞书、WorkBuddy、Codex实操指南

假设你是一家跨境电商公司的运营负责人。每天要看店铺销售额、广告ACOS、库存周转，还要跟进新品和竞品。有一天你发现：某个SKU销售额增长了20%，利润却下降了。

销售数据在ERP，广告费用在Amazon后台，头程成本在供应链台账，平台费用在结算报告。几份数据放在一起，往往还需要重新核对币种、日期和核算口径。

对财务负责人来说，平台结算、退款、汇率、回款和费用归集也经常需要跨系统核对。AI可以帮助整理文件、计算数据，却并不了解公司自己的经营流程。

建设企业AI知识库的顺序是：先明确业务目标，再规划知识框架，然后整理数据与文件，最后选择工具执行。

01｜运营和财务需要什么样的AI知识库？

把Word、PDF和Excel全部上传，能够快速尝试AI问答，但未必适合经营分析。旧版平台费用、过期SOP和不同月份的数据混在一起，很容易得到看似合理、实际上口径不一致的结论。

基础知识说明公司经营什么；平台规则明确适用条件和生效日期；内部SOP规定操作方法；历史案例保留原因与结果；AI执行规范约束检索、计算、输出和人工审批。

还有一项要分清：相对稳定的知识（例如ACOS计算方法）与持续变化的经营数据（例如昨天的广告花费）不能混为一谈。

02｜先搭好适合跨境卖家的知识目录

建议从运营与财务两个岗位出发，建立一个共享的知识管理框架。初期不必覆盖所有部门，先做一个高频场景更容易评估价值。

00 知识库管理　命名规则、文档模板、权限、更新记录

01 企业基础　品牌、产品线、站点、经营指标定义

02 平台运营知识　Amazon、TikTok Shop、Temu、Walmart等

03 运营管理SOP　选品、Listing、广告、库存、价格、竞品

04 财务管理知识　收入、成本、平台费用、利润、回款、税务

05 经营数据标准　销售、广告、库存、成本、结算字段字典

06 经营案例复盘　广告优化、库存异常、利润下降、对账差异

07 AI执行技能　提示词、Skills、脚本、报表模板

99 历史归档　停用政策、旧版SOP及历史模板

运营：广告投放知识库二级目录

01 广告基础指标　ACOS、ROAS、TACOS等定义

02 账户及投放结构　广告类型、活动与广告组

03 关键词管理　搜索词判断与否定规则

04 预算调整SOP　审核条件与执行权限

05 数据分析模板　周期、SKU匹配及输出格式

06 异常排查　支出异常、转化下降、费用问题

07 历史复盘　案例背景、动作和效果

财务：SKU利润核算二级目录

01 利润指标定义　经营贡献利润与报表净利润分开

02 收入数据口径　订单、发货、结算、退款及日期

03 采购与头程成本　采购成本、分摊与版本

04 平台与履约费用　佣金、配送及仓储

05 广告费用归集　期间与SKU匹配方法

06 退货与损失　退款、退货处理及异常

07 汇率与税费　企业使用的计算和核对规则

08 利润报表模板　输出字段、责任人与审核

运营可以使用贡献利润评估SKU，财务必须按适用会计政策编制财务报表。两者可以使用不同口径，但要明确命名和用途，不能混成一个指标。

03｜每份知识文件都应带有“身份证”

同一份资料可能存在多种版本。建议重要文档统一记录文档名称、业务部门、适用平台与站点、知识类型、数据来源、责任人、更新日期、审核状态、版本及访问权限。

名称　Amazon SKU利润分析SOP

部门　财务部

类型　内部操作流程

范围　指定站点、指定业务模式

来源　ERP、平台报告、成本台账

状态　待审核 / 已生效 / 已归档

责任　财务负责人

权限　部门受限

可复用的 Markdown 文档模板

下面是适合Codex等工具读取的模板。飞书文档也可以使用同样的字段，格式不必完全一致。

基础信息　标题、部门、国家/站点、责任人、版本

业务目标　这份SOP解决什么问题

适用条件　平台、主体、周期及不适用情况

所需数据　销售、退款、广告、成本、费用

计算规则　收入口径、费用归集、汇率与税费

异常检查　缺失、重复、跨期、旧成本

输出与审核　利润明细、待核对项、审核责任

文件名称和目录方便定位；来源、适用条件、版本与审批状态决定这份知识能否用于实际业务。

04｜运营和财务分别准备哪些资料？

运营负责人：先收集五类

产品与市场　产品信息、价格、竞品与市场研究

广告运营　投放SOP、优化规则、历史复盘

库存管理　补货周期、库存标准、异常处理

经营分析　日报周报、指标定义、分析模板

平台规则　相关官方政策、费用和账号规范

财务负责人：先收集五类

收入核算　订单、退款、结算、确认规则

成本核算　采购、头程、履约及费用分摊

平台对账　账单字段、匹配标准、异常处理

利润分析　SKU利润模型、月度分析模板

税务合规　适用规则、申报流程、资料要求

在正式投入AI前，要清洗重复文件、标记历史版本，建立数据字段字典。客户信息、银行流水、未公开供应商价格和敏感合同则要先确定访问权限和数据处理边界。

05｜飞书、WorkBuddy、Codex怎么落地？

飞书：共享、协作与知识维护

适合已经使用飞书的团队。先建立运营、财务两个知识区域，再通过经审核的共享区域维护指标定义和报表模板。

• 在知识库中创建一、二级目录并配置成员权限。

• 导入现行SOP；用多维表格记录版本、责任人和复核日期。

• 对运营、财务受限资料逐级检查阅读及编辑权限。

• 视账号具备的功能配置AI知识问答，并测试引用。

• 当前经营数据仍应由最新文件或经授权连接提供。

WorkBuddy：整理文件、制作报告

适合大量Excel、PDF和本地文件的场景。运营人员可提供广告报表、销售报表和成本数据，要求AI按已审核SOP整理分析；财务人员可提供结算与回款文件，生成匹配及差异清单。

示例指令：请读取我授权的文件，先检查站点、SKU、币种和日期是否一致，再按照《广告分析SOP》计算指标、列出异常并输出Excel。无法匹配的数据单独标记，不补造数据，不直接修改广告账户。

• 建立“待整理资料”文件夹，只放授权副本。

• 让工具生成分类及资料索引，不直接删除或覆盖原件。

• 人工核对资料有效性及字段定义。

• 小规模测试报告生成与差异识别。

• 确认可靠后，再将重复操作封装为工作流程或Skill。

Codex：脚本、校验与可复用 Skills

对于有技术支持或愿意维护结构化文件的企业，Codex更适合处理Markdown、编写分析脚本、检查字段和实现重复任务。项目级工作规范可放入 AGENTS.md，专项流程可以使用 Skill 组织。

• 建立知识文件、SOP、模板、测试数据目录。

• 编写AGENTS.md，规定来源优先级、操作权限和输出标准。

• 先让Codex检查文件命名、字段和版本一致性。

• 开发一个小Skill，如“Amazon广告周报检查”。

• 用经过核对的测试文件验证结果，再逐步扩展。

三款工具并非必需全部购买，也不意味着天然双向同步。跨系统联动需要独立核实接口、管理员授权、数据处理规则及维护成本。

06｜两个典型场景：运营看利润，财务核回款

场景一：销售额增长，为什么利润下降？

假设某Amazon SKU本月销售额增长20%，广告花费增长35%，采购成本也发生调整。AI应先读取利润计算规则，再检查销售、广告、采购和履约费用的统计周期与币种。

完成一致性检查后，分析收入与各项费用对利润的影响，生成需要运营复核的广告活动、关键词或成本项目。是否调价或削减预算，仍由运营结合库存和增长目标决定。

场景二：平台结算与实际回款存在差异

财务按内部对账规则读取平台结算报告、退款调整记录及银行回款流水。AI可以初步匹配交易、汇总差异并列出未核对项目，但不得把所有未匹配金额认定为平台扣费错误。

尤其要区分平台结算与会计收入确认。正式账务处理应由财务人员根据适用政策和完整证据审核。

07｜30天完成第一次知识库试点

第1周｜明确目标　选运营广告周报、财务平台对账两个场景，确认SOP和负责人员

第2周｜整理资料　收集高频知识、核验版本、准备脱敏测试数据

第3周｜配置工具　选择一种主工具，导入知识并开展基础测试

第4周｜测试验收　准备20—30道问题，记录错误并安排复核

建议的五项验收指标

来源命中率 ≥90%　能否检索到所需的正确SOP或依据

回答准确率 ≥90%　由业务专家判断回答与计算结果

正确拒答率 ≥95%　缺失资料或权限不足时是否停止推断

权限越界为0　无权账号不得获得受限内容

有效版本使用率 ≥95%　涉及版本的题目是否使用现行文件

以上数字是试点管理目标，而非工具性能承诺。对税务、正式财务和资金操作仍需更严格的人工复核。建议保留错误记录表，记下问题、回答、引用来源、正确结果及责任人。

08｜先把知识整理清楚，再让AI参与工作

运营团队有广告复盘、补货经验与Listing优化方法；财务团队有成本口径、对账规则和异常记录。过去它们可能散落在ERP、Excel和聊天记录里，换人之后又要重新解释一次。

企业可以从一份广告周报或月度平台对账表开始，整理SOP、明确数据口径，再选择飞书、WorkBuddy或Codex做小规模试点。只要资料准确、权限清楚、审核可追溯，就有条件逐步扩大应用。

工具会持续更新，但经过整理、审核、可以重复使用的经营知识，会逐渐成为企业自己的资产。

官方资料与进一步阅读

飞书知识库与权限说明：飞书帮助中心；腾讯WorkBuddy：官方网站；OpenAI Codex：官方开发者文档。具体功能以企业账号、产品版本和官方最新说明为准。

写在最后：先把经验变成知识，再让AI学会做事

如果你有10年跨境运营经验，不妨先想一想：过去这些年，你积累下来的经验，有多少真正留在了企业里？

比如，一款新品值不值得做，你可能看一眼市场容量、竞争格局、利润空间和供应链情况，就能判断个大概。

一份广告报表哪里不对，你可能凭经验很快就能发现问题。

但换一个新员工来做，同样的事情可能需要花费几倍的时间，甚至踩一遍你曾经踩过的坑。

这些积累多年的判断方法，其实就是企业最值得整理的知识。

而建立AI知识库，就是把原本存在于个人经验、Excel表格、业务文档和日常沟通中的知识，逐步转化成能够被团队共享、被AI检索和引用的内容。

当知识库建立起来，我们才有更好的基础去封装Skill。

比如，把老运营分析广告的思路整理成标准SOP，明确需要读取哪些数据、分析哪些指标、如何判断异常、什么情况下需要人工介入。

再把这些规则、流程和模板封装成Skill，让AI能够按照相对稳定的方法重复执行。

如果后续再接入经过授权的业务数据和相应工具，就可以进一步探索AI Agent，让它在限定范围内完成多步骤任务。

这也是我越来越明确的一条实践路径：

个人经验 → 企业知识库 → 标准化SOP → Skill → AI Agent → 业务反馈与持续优化。

当然，并不是所有Skill都必须依赖完整的企业知识库。一个简单的文件处理Skill也可以独立运行。但对于需要长期使用企业经验、处理复杂经营问题的AI Agent来说，经过整理和审核的知识库，可以让执行过程更可靠，也更容易维护。

我也越来越觉得，下一阶段真正拉开差距的，可能不是谁掌握了更多AI工具，而是谁能更早地把企业过去积累的经验、数据和工作流程，转化成AI能够理解、调用、执行，并在反馈中持续优化的工作方法。

对亚马逊卖家来说，这件事未必需要从一套复杂的系统开始。

也许，今天手上的一张Excel表格，就是最好的起点。

可以从一份广告报表开始，整理老运营分析异常数据的判断逻辑。

也可以从一份SKU利润表开始，把财务负责人核对费用、识别遗漏项的方法写成标准流程。

或者从一次新品评估开始，梳理团队长期使用的市场调研、利润测算和风险判断标准。

先把这些经验整理成知识，再选择一个重复性高、容易验证的任务封装成Skill。

用真实业务数据反复测试，发现问题后修订知识和执行流程。确认结果可靠，再逐步扩大应用范围。

这可能比一开始就追求功能完整的AI系统更加务实。

我也很期待，未来能和更多跨境电商卖家一起，围绕真实的运营场景，交流经验、整理知识库、测试Skill，探索AI Agent在日常经营中的应用。

不急着追逐每一个新工具，也不急着证明AI能够替代多少人。

我们可以从一个具体问题、一份真实数据、一次实际测试开始，看看AI究竟能为业务带来哪些改变。

让个人经验成为企业知识，让企业知识变成可复用的Skill，再让AI Agent把这些能力带入真实业务。

这也是我接下来最想持续探索和分享的方向。