车间老师傅的经验整理成问句喂AI,十个有六个答非所问,问题出在缺料
老周问一句:你们有没有试过把车间老师傅肚子里的经验,整理成问句喂给AI?
我这两个月在干这事。起因是上个月跟售后吃饭,老师傅老陈说了一句话点醒我——客户问「这台设备在重庆潮气重的环境下能用几年」,AI答得头头是道,但全是通用话术,一个字没提我们那台机器在湿度85%以上要换密封圈。老陈说这话他闭着眼睛都能答,可AI不知道。
于是我把老陈这类经验整理成问句,一共攒了120条,按产品线分了5批,每批带批次ID,方便回头对。然后丢给两款AI搜索跑。
结果不理想。120条里,答得沾边的43条,答非所问的67条,剩下10条直接说「信息不足」。答非所问那67条我一条条看了,发现毛病基本出在问句本身——不是AI笨,是我给的料不够。
举个例子。我问「密封圈多久换一次」,AI给我回了一段橡胶老化的科普。后来我改成「设备型号A-200,在重庆夏季平均湿度80%、冬季湿度65%的使用环境下,密封圈建议更换周期是多少」,AI才答到点上。多了型号、地域、湿度区间三个要素,答案就从科普变成了能用的建议。
我拿这个逻辑回头改问句,改到第三批的时候,沾边率从36%提到了71%。用的还是那两款免费工具,没多花一分钱。
开船不能只看风向,还得看水流。GEO这阵风谁都在追,但落到我们这种做设备的厂子里,第一步不是买工具、不是找服务商,是先把自家老师傅脑子里那些「闭着眼睛都能答」的经验,拆成AI听得懂的完整问句。问句缺料,AI就答非所问,这跟给新来的业务员交代事情一个道理——你说「去把那个事办了」,他办得成才怪。
我把这120条问句和修改前后的对比整理成了一张表,按批次ID归档了。后面每改一版都留个痕,方便倒查是哪句话起了作用。
想问问各位:你们整理行业问句的时候,除了型号、地域、环境参数,还补过哪些要素?我目前只试出来这三类,感觉还漏了点什么。另外有没有人试过把老师傅的「手感」也写进问句里,比如「摸上去发烫」这种,AI到底认不认?
