制造业产品知识库：参数怎么变成问答

制造业的产品资料，哪些能进知识库？

把资料摊开看，能进知识库的大致五类，但处理方式完全不同：

资料类型	例子	处理方式	适合的问题
参数表	型号、功率、尺寸、材质、认证	结构化入库，按字段查询	「X200 的功率是多少」
选型手册	选型步骤、工况对照、配置组合	按章节切分，保留表格	「车间温度 45 度该选哪个型号」
安装与工艺说明	安装步骤、调试参数、注意事项	按步骤切分，一段一步	「第一次调试要调哪几个参数」
图纸与 BOM	装配图、零件清单	图纸不入库，BOM 转表	「这个型号用哪种密封圈」
售后与故障记录	工单、故障现象、处理结果	清洗后按故障类型聚类	「客户反馈异响，常见原因有哪些」

图纸本身不建议进知识库。图片里的信息模型读不准，靠它答尺寸会出错。正确做法是把图纸里的关键参数抽成表，图纸作为附件挂在答案后面，供人点开核对。

参数表为什么最容易答错？

因为参数有三重歧义，纯文本检索解决不了：

• 单位歧义。「流量 20」是 20L/min 还是 20m³/h？同一份手册里两种单位都出现过。
• 型号歧义。X200、X200A、X200-Pro 参数不同，检索会把三条混在一起答。
• 口径歧义。「功率」指额定还是峰值，「噪音」测距 1 米还是 3 米。不写清就会答错。

解法是把参数做成表，让系统查表而不是猜：每个型号一行，每个参数字段带单位，每个数值标测试条件。问答时先识别型号，再定位字段，最后把数值与条件一起返回。这样答出来的不是一段话，是一行可核对的数据。

选型问答怎么做才靠谱？

选型不是查参数，是多条件匹配。客户说「我要在 45 度车间用，每天 8 小时，预算有限」，这句话要拆成三个筛选条件，再落到具体型号。做法分三层：

1. 条件抽取。把自然语言里的工况、时长、预算、场地限制抽成结构化字段。这一步用模型做，错一两个字段可以人工改。
2. 规则匹配。按抽取的字段过滤型号表。规则由工艺或销售定，写死在系统里，不让模型自由发挥。
3. 解释生成。把匹配结果写成一段推荐理由，说明为什么选它、为什么排除另外两个。这段话是给客户看的，要能直接复制。

三层里最容易被跳过的是第二层。很多方案让模型自己「综合考虑」，结果推荐了一个参数不满足的型号。规则匹配虽然笨，但可解释、可审计。

图纸和 BOM 怎么处理？

这两类资料的价值在于「对上号」，不在于「读懂」。可行的处理方式是：

• BOM 转表。把型号与零件的对应关系导成一张表，字段包括型号、零件号、名称、规格、替代件。这张表进结构化库。
• 图纸做索引。给每张图纸打标签：对应型号、版本、图号、关键尺寸。检索时按型号命中，返回图纸链接。
• 变更要留痕。图纸换版后旧版标作废但不删除，避免历史工单查不到对应版本。

BOM 还有个坑：同一个零件在不同产品里叫法不同。要在入库时建一张同义词表，把「密封圈 / O 型圈 / 胶圈」归一。这张表通常要工艺或采购的人出，AI 猜不出来。

型号变体太多怎么办？

产品线宽的企业，型号动辄上千，直接做问答会乱。三个办法：

• 建系列层。先按系列归组（X 系列、Y 系列），系列内共享的参数写一次，型号特有的单独存。检索时先定系列再定型号。
• 做型号识别。用户输入「X200A-3」这种带后缀的，系统要能拆成「X200A 基础型号 + 第 3 种配置」。拆不出来就先反问一句确认。
• 限定答不了的边界。停产型号、定制型号明确告诉用户「查不到，请联系销售」。硬答比不答更糟。

我们做过一个 480 个型号的项目，入库前先花 2 天做型号归并，把重复与停产型号剔掉，最后实际入库 310 个。这一步省不掉，省了后面全是错答。

做出来给谁用？

同一套资料，三类人问法完全不同，入口要分开做：

• 销售：问参数、问竞品对比、问交期。答案要能直接发给客户，措辞要干净。详见销售团队产品问答知识库。
• 售后：问故障、问备件、问安装。答案要分步骤，能一步步排查。
• 技术：问工艺、问替代件、问测试条件。答案要带出处和版本，能追溯到文件。

先做哪一类？看哪类人现在最费时间。多数制造企业先做售后，因为问题最重复、答案最固定；其次是销售，因为直接影响成单。

手册类文本的解析与切分方法，见产品手册与技术文档知识库；参数答不准的具体调优手段，见知识库检索不准怎么优化。交付范围与周期写在企业AI知识库服务页。

揽明AI 团队深耕 B2B 企业服务 19 年，累计服务企业 5000+，办公地在苏州高新区，苏州本地可上门。预约一次 30 分钟诊断，把型号数量与资料清单发过来，我们先判断参数该建表还是先跑文本检索。