制造业企业做AI知识库，最先遇到的不是技术问题，而是资料问题。产品样本册是设计公司排版的PDF，参数表散落在不同业务员的Excel里，应用场景写在老销售的记忆中，客户常问的问题重复出现在微信聊天记录里。这些内容人能看懂，AI却读不到、读不准。
把产品资料变成AI可读内容，核心是四步梳理。
- 产品分类先做减法
很多制造企业的产品分类是按内部型号走的，比如按系列代号、按开发年份。但客户和AI搜索习惯按用途、按行业、按介质来问。梳理时要把分类维度换成客户语言：阀门按介质和工况分，机械按加工对象和产能分，电气按应用场景分。分类层级控制在两层以内，每层用完整名称，不用内部简称。
- 参数表要拆成问答单元
一张几十行的参数表，AI很难直接引用。更有效的做法是把参数拆成独立的知识条目，每条围绕一个具体问题：这个型号的适用温度范围是多少、接口尺寸有哪些选项、材质对应哪些工况。参数值保留单位和条件，避免只写数字不写场景。这样AI在回答具体问题时，能直接定位到对应条目。
- 应用场景用客户问题来写
应用场景最容易写成宣传语，比如广泛应用于多个行业。AI读不出信息量。换成客户视角的描述：什么工况下选这个型号、和相邻型号的区别在哪里、安装时需要注意什么。温州某阀门公司在整理知识库时，把原来一句覆盖多个行业，拆成了按介质、按压力等级、按连接方式的场景说明，客户咨询时业务员也能直接调用。
- 常见问答从重复咨询里提取
业务员每天回答的问题高度重复：交期多久、能不能定制、最小起订量多少、有没有类似案例。这些问题本身就是知识库的骨架。整理时按售前、售中、售后分组，每个问题给一个直接答案，不绕弯。答案里涉及具体条件时写清前提，避免AI把特殊情况的答案当成通用结论。
制造业企业AI知识库还有一个容易被忽略的点：内容要能持续更新。产品迭代、参数调整、新工况出现，知识库如果半年不更新，AI引用的就是旧信息。建议把知识库维护和日常业务动作绑定，比如新产品上线时同步补条目，业务员遇到新问题时分流到知识库。
从趋势看，AI搜索正在成为制造业客户找供应商的入口之一。客户不再只搜企业名称，而是直接问某种工况用什么阀门、某类零件哪家能做。企业资料如果还是PDF和Excel，AI无法抓取，等于在AI问答里缺席。把产品资料梳理成结构化、可读、可更新的知识库内容，是制造业企业进入AI搜索视野的基础工作。
温州晟成科技在服务制造业与外贸企业过程中，把企业AI知识库建设与网站结构、GEO优化放在同一套内容体系里推进，从产品分类、参数表、应用场景和常见问答入手，帮助企业把零散资料整理成AI可读的内容基础。