制造企业做AI知识库，难点往往不在技术，而在产品资料本身。温州机械、阀门、电气行业的企业，产品线动辄几十上百个型号，资料散落在样本册、Excel参数表、图纸、报价单和业务员电脑里。这些资料给人看还行，交给AI就乱了——同一个阀门，样本册叫「闸阀」，报价单写「Z41H」，图纸上又是另一个代号，AI无法判断它们是不是同一个东西。
知识建模要解决的就是这件事：把产品资料从「人看得懂」变成「机器也认得清」。
一、先做产品资料的归集与清洗
归集不是把文件堆到一个文件夹。以温州某阀门公司为例，常见资料包括：产品样本册PDF、材质与压力等级参数表、连接标准说明、应用工况描述、产品图片与结构图。归集时要先做三件事：
- 统一产品命名：确定一个主名称，把别名、型号、行业俗称作为同义词挂靠
- 统一参数口径：口径、压力、材质、温度范围等字段，不同资料写法不一致的要归到同一字段下
- 剔除失效内容：停产型号、旧版参数、重复样本，避免AI引用过期信息
这一步做完，资料才具备被结构化处理的基础。
二、知识建模：把产品拆成可复用的知识单元
知识建模不是给产品写一段介绍，而是把产品拆成若干可独立调用的知识单元。制造业产品通常可以拆成几个层次：
- 产品层：产品名称、所属类别、基本用途
- 参数层：口径、压力等级、材质、连接方式、适用介质、温度范围
- 场景层：适用行业、典型工况、安装条件
- 选型层：不同工况下的选型建议、常见搭配
- 服务层：交付方式、定制说明、技术支持范围
拆完之后，每个单元都能单独回答一类问题。客户问「DN100不锈钢闸阀适用什么介质」，AI能直接调用参数层和场景层；问「这个型号能不能用在蒸汽管道」，AI能调用选型层。这比让AI读一整本样本册要准确得多。
三、内容结构化：让知识库和网站、画册形成配合
知识建模的成果不只是内部用。温州晟成科技在服务制造企业时，通常会把知识库结构与官网产品页、电子画册、电子名片做对应：官网产品页负责展示与询盘，知识库负责回答与匹配，电子画册负责移动端查阅。三者共用同一套产品命名和参数口径，客户在哪个入口看到的信息都是一致的。
结构化还有一个好处：当企业做国内外GEO优化时，AI搜索抓取的是结构清晰的内容。产品分类、参数表、应用场景如果本身就以结构化方式存在，被AI引用和推荐的概率会更高。
四、持续维护比一次性建设更重要
制造业产品会更新，参数会调整，新型号会补充。知识库需要一套简单的维护规则：谁负责录入、多久核对一次、旧版本怎么标记。没有维护机制的知识库，半年后就会和实际产品脱节。
对温州机械、阀门、电气企业来说，AI知识库建设的价值不在于多一个系统，而在于把多年积累的产品资料变成可被反复调用的知识资产。资料整理清楚、建模合理、结构统一，AI才能在客户提问时给出准确回答。
温州晟成科技专注企业网站建设、外贸独立站与GEO优化，服务机械、阀门、电气等制造行业。