供应商初筛很适合用 AI Agent 做第一轮整理。采购邮件、方案 PDF、报价表、官网案例和合同条款，经常分散在不同地方。人直接看，容易被最低报价、销售话术或漂亮案例带偏；完全交给模型打分，又容易忽略证据来源和业务风险。
更稳的做法是让 Agent 先把材料整理成一张可复核的表：每个供应商提供了什么证据，报价包含哪些范围，交付周期是否清楚，合同里有哪些疑点，下一轮应该追问什么。这和 招聘简历初筛 的思路很像：不要只给分，要给证据和追问。
先统一输入材料
供应商材料不要直接丢给 Agent 让它“推荐一个”。第一步应该统一资料来源：报价单、方案书、案例链接、公司资质、合同草案、邮件往来和业务方需求。每份材料都要保留来源、时间和版本。
如果材料版本混乱，Agent 很容易把旧报价和新方案混在一起。这里可以借鉴 证据链设计，每条判断都要能回到原始文件或原始邮件。
报价要拆到可比较维度
供应商报价最怕表面可比、实际不可比。一个报价包含实施、培训和售后，另一个只包含软件许可；一个按年收费，另一个按调用量收费。Agent 应该把报价拆成软件费、实施费、维护费、增量费用、限制条件和免费期，而不是只抽一个总价。
对 AI 工具、客服系统、数据服务这类供应商，还要额外看用量上限、模型调用成本、接口费用和数据保留规则。否则初期看着便宜，真正跑起来才发现成本不可控。
案例证据比销售话术更重要
供应商常说“服务过头部客户”“有丰富行业经验”，但这些描述需要证据。Agent 可以把案例拆成客户行业、项目范围、交付结果、可验证链接和与当前需求的相似度。没有证据的案例，只能标成待确认。
这一步也能减少业务方的主观争论。大家讨论的是案例是否相近、证据是否充分，而不是销售材料写得是否漂亮。
风险提示要能变成追问
供应商初筛的输出不应该只有推荐顺序，还要有追问清单。比如交付周期不明确、数据出境条款模糊、违约责任过轻、SLA 没写响应时间、报价缺少续费规则，这些都应该变成下一轮沟通问题。
涉及合同、付款、数据权限的结论必须保留人工复核。可以参考 OpenClaw 人工确认节点，Agent 负责整理和提示风险，最终选择和合同确认仍由人负责。
总结
用 AI Agent 做供应商初筛，重点不是让它替采购拍板，而是把分散材料变成报价维度、案例证据、风险提示和追问清单。这样业务、采购和法务能围绕同一份证据表讨论，选型会比凭印象稳得多。
