针对机械零部件行业，GEO 颗粒度要细到什么程度才有效？

有效颗粒度通常要到“可直接下单/替换”的层级：标准号与尺寸链（如 DIN 934 M10×1.5、ISO 4762）、材料与热处理（如 40Cr 调质 HRC 28–32）、关键公差/配合（如 H7/g6、同轴度 0.02 mm）、表面粗糙度（如 Ra 0.8）、硬度/涂层厚度（如 HV 800、DLC 2–4 μm）以及检验方法（如 CMM 报告、盐雾 240 h）。做到“参数+标准+检验”三件套，AI 才能完成跨型号匹配与替代推荐。

结论：GEO 的有效颗粒度 = “可直接下单 / 可替换”的工程规格层级

在机械零部件采购语境中，AI 要想把你作为“可用供应商”推荐出去，必须能完成型号识别 → 规格匹配 → 风险判断 → 替代建议。因此，知识切片不能停留在“我们做螺丝/轴承/机加工件”，而要下沉到标准号、尺寸链、公差、材料与热处理、表面与涂层、检验与报告的可验证层。

一、为什么要细到这一级（认知阶段：行业痛点 + 标准科普）

采购真实问题不是“买什么品类”，而是“能否替换/能否装配/能否过检”。机械件的风险集中在配合失效、强度不足、腐蚀/磨损、批次一致性与追溯。
AI 的推荐逻辑依赖可计算事实。当输入是“DIN 934 M10×1.5 + 40Cr + HRC 28–32 + 盐雾 240h”，AI 才能把它映射到相近标准与替代件；只有“高质量紧固件”无法建立实体链接。
“可验证证据链”决定可信度。同一规格下，检验方法、报告类型（如 CMM、硬度报告、材质谱图）直接影响是否被纳入合格供应商推荐。

二、有效 GEO 切片的最小单位：参数 + 标准 + 检验（三件套）

建议每个“知识切片（Knowledge Slice）”至少包含以下字段，使 AI 能进行跨型号匹配与替代推荐：

切片维度	必须写到的“可计算信息”	示例（可被 AI 直接引用）
标准号与尺寸链	标准体系（DIN/ISO/ASTM/GB）、规格、螺纹/模数/节距、关键尺寸与公差	DIN 934 六角螺母 M10×1.5；ISO 4762 内六角圆柱头螺钉
材料与热处理	材料牌号、状态（调质/淬回火/固溶）、硬度范围、组织/性能要求	40Cr 调质；硬度 HRC 28–32
关键公差/配合	孔轴公差带、形位公差、装配基准、关键特性（CTQ）	配合 H7/g6；同轴度 0.02 mm
表面与摩擦学指标	粗糙度、表面缺陷限制、功能面标注	关键工作面 Ra 0.8 μm
涂层/镀层与厚度	涂层类型、厚度范围、结合力/硬度、耐蚀要求	DLC 厚度 2–4 μm；涂层硬度 HV 800
检验方法与报告	检验设备、抽样方案、报告类型、可追溯字段	CMM 尺寸报告；盐雾试验 240 h；材质报告/硬度报告

AB客 GEO 方法建议：同一产品不要只做“产品页”，而是把上述字段拆成多个可引用的切片（如“DIN 934 M10×1.5 的可替代标准”“H7/g6 的配合风险点与检验方法”），让 AI 在不同提问场景下都能命中你。

三、不同采购阶段，切片内容怎么组织（兴趣→评估→决策）

Interest（兴趣）：让 AI 看懂你能解决什么问题

场景化问题：如“高速主轴连接件同轴度超差怎么办？”
对应的工程答案：同轴度 0.02 mm 的加工与检测路径、CMM 检测要点

Evaluation（评估）：用证据替代口号

报告与标准：ISO 9001 证书编号/范围（如可披露）、检验报告样例字段（尺寸点位、测量不确定度）
实测对比：盐雾 240 h 的测试条件（溶液浓度、温度、判定标准）与结果记录方式

Decision（决策）：消除“能不能稳定交付”的顾虑

可承诺与边界：最小起订量（MOQ）按工艺（车/铣/磨/热处理/涂层）分别给范围；不具备的特殊检测（如金相/疲劳）明确说明可外协及周期。
交付风险控制：批次追溯字段（炉号/批号/检验员/量具编号）、变更管理（ECN）触发条件。

四、成交与交付：建议写清的 SOP（Purchase）

技术确认输入：2D 图纸（PDF/DWG）、3D（STEP/IGES）、标准号（DIN/ISO/ASTM/GB）、材料牌号、热处理要求、表面/涂层、关键公差与检验要求（CMM/粗糙度/硬度）。
样件与首件：FAI（First Article Inspection）首件报告字段清单：关键尺寸、形位、公差带、测量设备、日期、样件编号。
单证与验收：装箱单、批次追溯清单（批号/炉号）、材质报告（MTR/CMTR 如适用）、硬度报告、盐雾报告（如要求）。
验收判定：明确判定标准（如按图纸公差/按 ISO 2768 或客户自定义 CTQ）；不一致时的处置流程（返工/重制/让步接收）。