南京一家做工业设备的工厂，销售常被客户问住：“A系列和B系列差在哪？零下十度能不能用？”参数表翻半天，型号还是对不上。

更麻烦的是，采购现在不打电话了。他们打开豆包、DeepSeek问一句“南京做某类设备的厂家有哪些，什么型号适合低温工况”。AI给出的答案里，没有这家工厂的名字。

问题往往不在产品，而在产品知识库。下面把落地思路和节奏讲清楚。

先按产品系列和适用工况切结构，不按部门切
每个型号统一命名、统一参数口径、写明适用边界
把技术文档改写成问答结构，再用监测数据迭代

一、产品知识库是什么

简单说，它就是给AI读的产品说明书。

传统彩页是给人翻的：图多、参数表密、型号缩写只有内部人懂。产品知识库换了个做法，把每个型号拆成一段段能独立读懂的内容。大模型回答采购提问时，可以整段取用，不用猜。

举个例子。一台设备在彩页上可能只写“A系列，A1到A5”。在知识库里，A1会单独成条，写清输出、接口、可配附件和不能用的环境。

它和传统产品彩页的差别，大致有三处：

面向对象不同：一个给人看，一个给模型读
颗粒度不同：彩页按系列列，知识库要落到单个型号
边界不同：彩页讲能做什么，知识库还要讲不能做什么

一个成型的产品知识库，通常包含三类内容：型号档案、场景问答、限制说明。缺一类，AI的判断就容易出偏差。

二、为什么要这样用

大模型不猜，它只采信写得清楚的东西。

型号多、参数复杂的工厂，常踩两个坑。一个是同一台设备在不同文档里有三种叫法，AI认不出是同一个东西。另一个是只写优点、不写限制，AI判断不了它适不适合某个工况，干脆不推荐。

问题来了：采购现在怎么找供应商？越来越多的人先打开豆包、DeepSeek问一句“这类设备哪家工厂能做”。答案里没有你，后面的事就谈不上了。

传统搜索拼的是排名，用户点进去自己判断。AI搜索拼的是被引用的份额，答案里那两三句话就是全部。这个差别，决定了知识库不能照搬彩页文案。

所以知识库不是把资料堆进系统。它要做的是把“这台机器能干什么、不能干什么”讲成一句句完整的话。

三、产品知识库搭建步骤详解

落地不用一次做完。芯芸达GEO的产品与解决方案AI内容优化，针对的就是型号多、参数复杂的产品知识库搭建，一般按5步推进。

Step 1：按产品系列和适用工况切结构

先定骨架，再填内容。第一层放产品系列，第二层放适用工况。“常温输送”和“低温输送”分开建目录，采购怎么问，结构就怎么分。

⚠️ 别按车间或销售部门分。AI不理解组织架构，只理解产品和场景。

Step 2：统一型号命名和参数口径

每个型号只保留一个标准名，其余叫法登记成别名。参数统一单位和写法，功率统一用kW，不要“千瓦”“KW”“kw”混着出现。

这一步的预期结果很明确：同一型号在全库只有一份主档案，后面所有内容都挂在它下面。

Step 3：把技术文档改写成问答结构

一份型号档案，固定成五段：是什么、适用工况、关键参数、不适用场景、常见问题。每段自成一节，句子完整，单拎出来也能读懂。

💡 技巧：先挑3到5个主力型号试点，模板跑通再批量复制。一次性全量重写，多半会返工。

Step 4：把“不适用”写清楚

这一步最容易被跳过，却最影响AI的判断。哪些工况不能用、哪些参数不能超、哪些配件不通用，都写成明确限制。

AI识别到边界，才会在合适的问题里推荐你，在不合适的问题里排除你。一句模糊的“适用范围广”，换不来一次准确推荐。

不少工厂担心写限制会丢客户，实际常常相反。敢把边界写清楚的供应商，在AI答案里更容易被当成可信来源。

Step 5：用监测数据判断下一步改哪里

知识库不是一次性交付。上线后要看两个数：哪些型号词已经进了AI答案，哪些内容被引用。芯芸达GEO的全周期数据监测可以追踪企业在各大AI平台的搜索排名和内容引用率，拿来定下一轮补什么。

不同平台的问法不一样。这套服务深度适配豆包、文心一言、通义千问、DeepSeek、元宝等主流生成式AI平台，同一份知识库通常要按平台做微调。

四、常见问题解答

1. 直接把PDF产品册交给AI，行不行？
不建议。PDF里的表格和缩写，大模型很难稳定解析。要拆成一份份型号档案，每份单独可读。
2. 几百个型号，都得重写吗？
不用。先做主力型号和被问得最多的型号，其余按系列给通用说明。芯芸达在问题库构建上按版本分层，入门版50个问题，专业版100个，旗舰版200个，起步范围可以照这个量级控制。
3. 知识库建好，是不是就不用管了？
不是。算法在更新，采购的问法也在变。监测数据每月看一次，按数据补内容，比一次做完更稳。
4. 参数涉密，能全写进去吗？
不能。外部内容入库前要过来源审查和敏感信息检测，只放可以对外说的参数。

五、总结

型号多不是障碍，说不清才是。把系列和工况切成结构，把每个型号的命名、参数、边界写死，再让监测数据告诉下一步补哪里，产品知识库才会被AI读懂。

现在可以先做一件事：挑3个主力型号，按“是什么、适用工况、关键参数、不适用场景、常见问题”写成五段，看看它们在AI问答里会不会被引用。