买家同时问产品是否适合某种工况、当地能否安排服务，AI可能只找到规格书，写出一段准确的性能介绍并附上引用。逐句检查都没有明显错误，整段回答却仍少了一半。引用证明了它说的内容来自哪里，不能证明它把买家的问题答全了。

AWS在10月26日发布的技术文章介绍了基于Managed Knowledge Base的agentic检索：系统可以选择不同资料库，在第一次结果之后继续检索，再组织回答。它针对的一个问题正是单次检索无法取得复合问题所需的全部资料。这提供了实现方式，但企业仍要先定义怎样才算答完整。

从买家的要求倒查证据，而不是从检索结果拼答案

产品助手收到复合问题后，先识别哪些部分需要分别得到支持。性能条件可能在规格书，服务覆盖可能在另一份区域资料，两者不能互相代替。找到其中一份后，如果只围绕现有材料扩写，语言会越来越完整，未被回答的问题却不会因此消失。

这种缺漏与“没有搜到任何资料”不同。完全空白容易让系统停下来，部分命中则容易让它过早形成结论。检查时应保留原问题的各项要求，逐项判断目前有没有适用证据。缺失部分决定下一次去哪查，而不是让AI简单重复搜索同一段话，直到拿到更多相似内容。

即使两个资料库都返回结果，也要检查它们是否描述同一型号、同一版本和同一适用场景。一份旧型号性能表与当前服务地区列表，不能不加判断就合成一个“可以”的答复。资料可以各自真实，却不支持把它们放在一起得出的结论。

若查询被限制在不相干的候选范围里，增加搜索次数也无济于事。产品资料的筛选范围应先核对清楚；能访问哪些资料的限制也不能为了补全答案而被放宽。完整性是对允许使用的证据提出要求，不是扩大访问权限的理由。

第二次搜索应该有一个明确任务

给AI更多检索机会之前，可以先用真实但去除敏感信息的买家问题做测试，把期望回答分成具体部分。一个简单型号查询可能一份资料就够；跨性能、交付或服务的提问则需要多处依据。不要因为工具支持多轮搜索，就让每个问题都跑同样复杂的流程。

对缺失的部分，下一轮应说明要找什么、为什么现有资料不够。例如需要确认服务区域，就不该继续拉取更多产品宣传段落。若仍没有可靠资料，回答应明确哪部分已能说明、哪部分需要人工确认，并给接手者留下具体问题。它不必把所有已找到的知识都展示出来，以掩盖一个无法确认的条件。

评估时也要拆开看：已有句子是否忠于来源，买家各项要求是否都得到回应，以及最后建议是否真的由这些依据共同支持。只给整篇答案打一个流畅度或引用数量分数，容易漏掉“准确但不完整”的失败。

对中国外贸团队，值得投入的不是无限增加资料库，而是先找到哪些常见采购问题需要跨文件回答。如果销售每次仍要补问同一个缺项，应优先修正问题拆分和资料路由；如果单一资料已经足够，就保留简单路径。更多检索只有在补上具体证据缺口时，才对买家有用。

参考来源

AWS技术文章：Build agentic retrieval on a Managed Amazon Bedrock Knowledge Base with CDK，2026年10月26日。产品问答场景及完整性评估方法为本文分析，不是该示例已实现的外贸业务效果。