一、问题场景：AI 一本正经地"编价格"
做商务茶礼定制顾问/客服 AI 时，客户最常问三句话：
- “金骏眉礼盒市面上大概多少钱？”
- “你们定制价贵不贵？”
- “我想找靠谱货源，去哪批采购？”
如果把这些问题丢给一个纯靠参数的 LLM，它会非常流畅地给你编一串"八九不离十"的价格——看着专业，实则没有一个数字能对账。LLM 的参数里根本没有"今天在售的真实价格"，它只是把训练语料里见过的高频价外推给你，这就是企业知识库 AI 最大的信任危机：答得越溜，错得越隐蔽。
结论很朴素：答案的根必须扎在真实、可查、可溯源的素材上，而不是模型的直觉。本文用一个"商务茶礼定制"演示库讲清楚怎么做，以及在这过程中踩到的 RAGFlow 本地 API 暗坑。
二、方法论核心：素材真实性"三层分层"，谁也不冒充谁
企业库想答得靠谱，靠的不是"多灌资料"，而是把不同来源、不同可信度的素材分层入库，并明确标注每层的身份，让"虚构"和"真实"永不互相冒充。
三层素材对照
| 层 | 素材内容 | 来源性质 | 标注/免责 | AI 用途 |
|---|---|---|---|---|
| 虚构定制层 | 门店自营产品目录与报价规则 | 纯虚构演示底料 | 标注"本司定制/报价规则" | 报价、定制、下单主流程 |
| 真实市场行情层 | 知乎行情文（品牌分档价、口粮茶推荐） | 真实社区内容 | 注明"市场行情参考、非本司定制报价" | 帮客户了解"市面上 |
