怎么让 AI 准确推荐自家产品？企业产品参数与规格书的 RAG 改造

检索到相关参数，不等于找到了合格产品。只有型号、参数、单位、适用条件和来源能够逐项对应，系统才应给出推荐；没有产品满足全部条件时，应停止推荐并说明冲突。

RAG 可以为模型补充企业私有知识，但检索到相关文字，不等于找到了合格产品。PDF 解析或切片一旦拆散产品名称、型号与参数，模型就可能把正确数值配给错误型号。

产品规格书因此不能只做文件上传。参数字段用于排除不合格候选，说明文本用于解释差异，推荐规则处理资料不足与版本冲突，这三类内容需要保留清晰的产品边界。

参数没有产品身份，检索相关也会推荐错误

多款产品常使用“技术参数”“工作环境”等相同章节名。阿里云百炼的RAG效果优化指南指出，仅依赖向量相似度时，其他型号的相似片段可能排在目标型号之前。切片过短会丢失产品名称，过长又可能混入多款产品。

表格若只留下“220 V”“支持”“可选”等单元格，却没有表头、型号和单位，模型无法判断数值属于哪个参数。阿里云百炼知识库文档支持将 Excel 表头拼接到各行切片，并分别设置各列是否参与检索、是否提供给模型。

参数表宜按一行产品记录或一组不可拆分的参数处理，每个切片都带上产品身份。跨页表格、合并单元格和图片式表格还要抽查解析结果，上传状态成功不能代替内容验收。

硬条件先筛选，偏好再参与检索排序

字段设计应服从真实选型规则，优先处理产品识别、条件筛选、版本控制和来源追溯，不必把规格书中的每句话都拆成字段。

字段	用途	防止的问题
product_id、model	识别产品与型号	相近名称串用
version、status	区分现行与历史资料	新旧规格同时生效
region、scenario	限定地区和场景	参数被扩大适用范围
parameter、value、unit	比较参数	数值与单位分离
condition	保存成立条件	回答遗漏前提
source、updated_at	追溯原文与版本	无法核对来源

“必须支持某接口”可在字段值稳定、枚举规则明确时作为等值过滤条件。“尺寸不能超过某值”则要求字段采用可比较的数值类型、单位已经归一，而且检索组件支持范围运算；否则应交给产品数据库或规则层处理。

操作便利性、功能侧重等偏好难以等值匹配，可以在筛选后的候选中使用关键词与语义混合检索，再进行重排序。百度千帆知识库节点将全文检索用于型号、编号和专有名词等精确匹配；阿里云百炼知识检索也提供关键词与向量召回、排序和结构化字段过滤。

回答必须带回成立条件，不能只报型号

不能把排序靠前的切片直接改写成推荐结论。回答应列出推荐型号、已满足条件、待确认条件和资料来源；缺少关键约束时，应追问或给出分条件候选。

例如用户只问“哪款适合户外使用”，即使检索到防护等级，也可能缺少温度范围、供电方式和安装条件。此时应说明已有依据及待补信息，而不是确定一个型号。

上下文也不是越多越可靠。百度千帆文档说明，上下文扩展会增加 Token 消耗、响应时间和成本。只有参数依赖相邻标题、注释或限制条款时才扩展；若带入其他型号，应收紧过滤或调整切片边界。

验收要故意制造型号与版本冲突

验收时应同时查看过滤结果、返回切片和生成回答。阿里云百炼知识检索文档介绍的测试界面可显示来源文档、切片、相似度和检索耗时，可用于定位错误发生在解析、过滤、召回还是生成环节。

测试集要覆盖名称相近但参数不同的型号、现行版与旧版并存、单位或适用条件容易遗漏，以及没有产品满足全部条件。每轮只调整一类变量，并保存知识库版本、查询条件、返回切片和回答。

通过标准不是回答读起来合理，而是型号、参数值、单位、适用条件和来源能够对应，不合格型号已被排除。没有合格产品时，系统应说明条件冲突，不能从相似产品中挑一个补位。

如果错误来自资料缺失，提高召回数量或更换向量模型不会补出可靠答案。应先指定权威数据源，由产品或技术部门补齐参数与适用条件，再重建索引。若产品数量少、规格稳定且查询集中在安装步骤，则可保留层级标题和文本切片，不必拆出大量字段。

实施中的FAQ

怎么避免 AI 把两款产品的参数拼在一起？

先按型号和版本过滤，再核对切片中的产品身份。

如何判断问题出在检索还是模型回答？

先看返回切片；切片已错就修解析、字段或过滤。

PDF、Excel 和产品数据库以哪个为准？

指定一个可维护的权威数据源。其他文件记录版本和状态，避免同一参数出现多个现行值。

尺寸上限可以直接用知识库字段过滤吗？

只有数值类型、单位归一和范围运算能力均满足时才适合；否则交给产品数据库或规则层。