机械、阀门、电气三个行业有一个共同点：产品型号多、参数表长、资料散落在不同人手里。销售手里有报价单，技术部有图纸和选型表，车间有工艺卡，外贸业务员有零散的英文样本。这些资料平时靠人传人，一旦要建AI知识库，问题就集中暴露出来：同一款阀门在不同文件里叫法不一样，同一台设备的参数在不同版本里对不上，客户问一个选型问题，AI找不到可引用的准确内容。
温州晟成科技在服务本地制造企业建站与推广的过程中，经常遇到这类情况。企业想上AI知识库，但真正要交付什么、每个交付物解决什么问题，往往说不清楚。下面按机械、阀门、电气行业的常见需求，把交付物拆开讲。
一、需求分析文档：先分清“谁问什么”
机械行业的知识库使用者通常有三类：海外客户问选型与工况适配，国内销售问交期与替代型号，售后问故障排查。阀门行业多一层：客户会问材质、压力等级、连接标准、介质兼容性。电气行业则集中在参数对比、认证信息、接线与安装条件。
需求分析文档要做的不是罗列功能，而是把这三类问题分别落到知识库的问答场景里。比如阀门企业，客户常问“这款球阀能不能用在蒸汽管道”，知识库就要能定位到压力温度等级、密封材质、适用介质这几项参数，而不是只返回一段产品介绍。
二、知识架构设计：按产品线而不是按部门分
制造企业习惯按部门存资料，但AI知识库要按客户提问的逻辑组织。机械、阀门、电气行业比较实用的架构是：产品大类 → 产品系列 → 具体型号 → 参数维度 → 应用场景 → 常见问题。
阀门行业可以把“连接标准”“压力等级”“阀体材质”作为独立参数维度，方便AI在回答时组合引用。电气行业可以把“额定电流”“防护等级”“认证情况”单独抽出。机械行业则要把“适用工况”“配套设备”“易损件”挂到型号下面。这样客户问一个具体问题，AI能顺着架构找到对应参数，而不是在整本样本册里翻。
三、数据采集与清洗方案：解决“同名不同物、同物不同名”
这是制造企业最花时间的一块。常见问题包括：同一型号在技术部和销售部叫法不同；参数表里单位不统一，有的写MPa有的写bar；旧版样本和新版样本参数冲突；英文资料是中文直译，客户看不懂。
清洗方案的重点是建立统一的产品主数据：型号命名规则、参数项名称、单位标准、版本优先级。阀门企业要特别处理材质牌号和压力等级的写法统一；电气企业要统一认证名称和参数单位；机械企业要统一设备型号与配套件的对应关系。清洗后的数据要能回答“这个型号现在有效的是哪版参数”，而不是把新旧资料一起塞进去。
四、知识图谱或模型文件、系统部署文档、操作手册
这几项是交付物的落地部分。知识图谱或模型文件负责把清洗后的数据变成可检索、可引用的结构；系统部署文档说明知识库放在哪里、怎么和官网或内部系统对接；操作手册则面向日常维护人员，讲清楚新增产品、修改参数、下架旧型号的操作路径。
对温州制造企业来说，操作手册尤其重要。很多企业的资料更新由技术部或外贸部兼职负责，手册要写得让非技术人员也能按步骤完成一次产品参数更新，否则知识库建好之后很快又会回到资料分散的状态。
五、行业趋势：知识库正在和官网、GEO优化连在一起
海外客户在AI搜索里问“温州有没有做某类阀门的厂家”，AI能不能引用到企业的产品参数和应用场景，取决于企业有没有把知识库结构做清楚。知识库不只是内部工具，它和外贸网站、企业官网的内容结构是同一套底子。产品分类、参数表、应用场景梳理清楚，官网的询盘路径和AI搜索的引用基础也会更顺。
温州晟成科技在机械、阀门、电气行业的建站与推广服务中，把知识库结构梳理和网站内容结构放在一起考虑，让企业的产品资料既能被内部用起来，也能被外部搜索和AI引擎准确引用。