很多温州制造企业手里并不缺资料：产品样本、参数表、选型手册、报价单、售后记录，甚至车间师傅脑子里的经验。问题是这些内容散落在不同文件、不同人手里，格式不统一，AI搜索抓取时读不懂，客户问AI时也得不到准确回答。AI知识库建设要做的，就是把这些原始资料整理成AI能理解、能引用的结构化内容。
一、先分清三类内容
制造企业的资料大致可以分成三层：
- 产品层：型号、口径、材质、压力等级、温度范围、连接标准、适用介质。这类内容要按参数表结构整理，字段固定、单位统一。
- 场景层：某个阀门用在什么工况、某类机械配套什么行业、电气产品在什么环境下选型。这类内容决定AI能否把产品和客户问题对应起来。
- 问题层：客户常问的选型、安装、维护、替换、交期问题。这类内容最适合做成问答对。
二、把参数表变成可检索条目
以温州某阀门公司为例，样本册上写着「DN50、PN16、WCB、法兰连接」，人看得懂，但AI不一定能把它和「需要耐压16公斤的50口径铸钢法兰阀」对应起来。梳理时要补上同义表达、应用场景和限制条件，比如适用介质、不适用工况、配套法兰标准。参数不是抄一遍，而是把客户可能用的问法一起写进去。
三、问答对要来自真实问题
问答对不是凭空编题。外贸询盘、国内客户电话、售后记录、业务员日常被问到的内容，都是问答对的来源。常见形式包括：
- 这个型号能不能用在高温蒸汽管道？
- 和另一个材质相比，什么情况下选这个更合适？
- 安装时对法兰面有什么要求？
- 常规交期和定制交期大概怎么安排？
每个问题配一段简洁回答，回答里带上产品类别、适用场景和判断依据。这样AI在回答行业问题时，更容易引用到企业的内容。
四、机械和电气行业的差异
机械类企业产品线往往更长，知识库要按设备类型、加工能力、配套行业分层；电气类企业参数标准化程度高，适合把选型逻辑写成条件判断式内容。温州晟成科技在服务制造企业网站与GEO优化时，通常会把知识库梳理和官网产品页、电子画册的内容结构一起考虑，避免同一份资料在网站、画册、知识库里各说各话。
五、和网站、GEO优化的配合
知识库不是孤立文档。产品页负责展示，知识库负责回答，GEO优化负责让AI在行业问题里找到这些内容。三者结构一致时，AI更容易判断这家企业是做什么的、服务哪些行业、能解决什么问题。对温州制造企业来说，先把产品资料整理成条目和问答对，再谈关键词和推广，顺序更顺。