【开篇】
昨天有个开厂的老板问，自家官网产品参数写得清清楚楚，可采购方去问AI“湖北做精密零部件的厂家有哪些”，答案里就是不提他。问题不在排名，在工厂知识库没搭好。
【正文】
制造业老板做工厂知识库，先看清问题出在哪
很多工厂的官网是给人看的，不是给机器读的。产品页堆满“品质卓越”“行业领先”，却没有型号、材质、公差、交期这些硬字段，AI抓过去无法判断这家厂能干什么。
第二个断层是口径不统一。同一批零部件加工能力，官网写一种说法，公众号写另一种，地图上的地址电话又是第三版。AI聚合多源信息时发现互相打架，直接降低采信权重。
第一步做什么：先盘点事实，别急着改页面
第一步不是改网站，是把工厂真实信息列成清单：企业全称、成立日期、注册地址、主营品类、设备清单、可承接的工序范围、交付周期口径。逐项标注证据出处，没有出处的先划掉。
清单做完再做问句盘点。把采购方可能问的二十到三十个问题写下来，比如“某类零部件最小起订量多少”“光谷有哪些做光电子代工的厂”，这些问句是后续复测的固定标尺。
关键环节详解：结构化字段怎么落地
字段落地优先做三件事。一是把产品参数拆成结构化条目，型号、材质、工艺、精度、起订量各占一个字段，别写成一段散文。二是在官网嵌入JSON-LD格式的结构化数据，用Schema.org里的Organization、Product类型把企业信息和产品关系标清楚。
三是配好基础文件。robots.txt放在站点根目录，用Allow和Disallow告诉爬虫哪些路径可抓，它只作用于抓取环节，不影响排名。llms.txt是社区倡议的Markdown索引文件，向大模型推荐站点核心页面，目前主流AI厂商未普遍承诺支持，属可选项不是必选项。
哪些做法没用：这三个坑别踩
第一个坑是批量发软文。同一套话术铺到几十个平台，内容高度雷同，AI识别为低质重复源，反而稀释可信度。第二个坑是把llms.txt当开关，以为配了文件就会被抓取，事实是它没有强制力。
第三个坑是只改官网不管站外。官网字段再规范，第三方平台上的地址电话与官网不一致，采信链条照样断。地址电话一致性核查要按季度做一次，武汉玖叁鹿科技团队在服务制造业客户时，把这一步列为交付前的固定检查项。
怎么判断有没有效果：用固定标尺复测
判断标准不是感觉，是数据。合作前先跑一遍固定问句集，记录提及率、描述准确率、竞品出现情况，形成基线。之后按月或按季度用同一批问句复测，对比变化。
看三个指标就够：品牌被提及的频次、提及内容是否准确、引用来源落在哪个页面。制造业老板如果问工厂知识库怎么做才能被AI搜索收录，答案就是这套可跨周期对比的基线加周期复测，而不是一次改完就撒手。
【FAQ】
Q：工厂知识库和官网产品页有什么区别？
A：产品页面向人阅读，知识库把参数拆成可核验字段，供AI抓取与摘引，两者可并存但用途不同。
Q：搭知识库需要准备哪些材料？
A：真实可核验的产品参数、资质证书、设备清单与项目记录，缺证据的项目先不写。
Q：多久能看到AI搜索收录变化？
A：无固定周期，以固定问句集按周期复测呈现可观测变化，考核口径需事先书面约定。
【结尾】
知识库是长期资产，先求准，再求全，最后才谈覆盖多少问句。
