机械设备企业的售前工作常卡在两端：客户表达的是产能、场地和产品问题，技术人员需要把它翻译为参数与边界；同时，方案书又要在短时间内整合设备说明、配置、交付范围和商务条件。AI 能加速信息整理与初稿，但不能替代工程判断。
适合谁：哪类企业最容易见效
适合产品系列较稳定、有历史方案与技术资料、售前工程师大量时间用于复制整理的标准或半非标设备企业。若项目高度定制，也可让 AI 做需求澄清和文档骨架，但不宜自动选型。
如果产品资料版本混乱、销售口径与技术口径不一致，先治理资料。AI 会放大已有冲突：旧参数、临时报价和未经批准的承诺一旦混入知识库，生成速度越快，风险越大。
从需求到方案的七步框架
第一步：固定需求采集表
除客户目标外，至少覆盖物料或工件、规格范围、节拍与产能、来料状态、上下游接口、场地、公用工程、环境、安全标准、验收方式、预算与期望交期。允许填写“待确认”，避免销售为追求完整而猜测。
第二步：让 AI 生成澄清清单
AI 根据纪要识别缺失、冲突和模糊信息。例如客户说“每小时一千件”，但未说明连续运行时间、换型频率和良率口径，助手应提出问题，而不是直接换算设备数量。
第三步：形成参数核对表
把确认后的需求映射到选型所需参数，并区分“客户提供”“现场测量”“内部计算”“技术确认”。每个关键数字保留来源和确认人。计算公式可自动执行，但应有单位校验与边界测试。
第四步：检索受控资料
知识源只纳入现行样本、产品手册、标准配置、批准案例模板和条款库。文档要有型号、版本、生效日期与负责人。生成内容应附出处；没有可靠来源时输出“待技术确认”，不能用相似型号补齐。
第五步：生成模块化初稿
方案可拆为项目理解、总体流程、设备构成、关键参数、控制与安全、客户配套条件、交付边界、验收建议、培训维保和待确认项。AI 负责组织语言与复用批准段落，参数表优先由结构化数据填充。
第六步：分角色审核
销售审核客户信息与商务口径，机械、电气或工艺工程师审核选型与性能，项目或供应链确认交期，法务或管理人员审核责任边界。系统应展示“生成内容—来源—修改记录”，而非只提供一份漂亮 PDF。
第七步：发送后回收反馈
记录客户追问、技术退回原因、最终配置变化与丢单原因。按月分析高频缺失项，持续优化采集表和模板。不要直接把所有历史方案重新喂给系统，先处理错误与过期版本。
示例：包装线方案初稿
客户提出“为三种规格箱体做自动封箱和码垛，场地有限”。AI 先列出待确认项：三种箱体尺寸与重量、切换频率、前端来料节拍、托盘规格、码垛型式、层高、场地平面图、安全围栏要求和上下游信号。
信息补齐后，系统从受控产品资料提取候选模块，生成流程说明和配置对照，但不直接承诺整线节拍。技术负责人根据最慢工位、切换损失与缓冲设计确认能力，并明确“客户来料波动”“现场公用工程”等验收前提。最终方案中，每个关键参数都能追溯到资料或计算记录。
评价是否真的提效
建议同时看首次草稿时间、销售补问轮次、技术退回率、参数错误数、模板复用率和最终审核时长。如果草稿更快但退回更多，说明只是把工作转移给技术人员。还应抽查 AI 是否遗漏待确认项、是否引用过期型号、是否把“建议值”写成“保证值”。
红线
- 不让 AI 单独决定型号、材料、功率、安全等级与控制方案。
- 不生成无来源的参数，不把相似项目的数据当作本项目事实。
- 不擅自承诺产能、良率、能耗、投资回收期、价格或交期。
- 不把客户图纸、配方和生产数据上传到未批准的平台。
- 不省略适用条件、客户配套责任、验收口径和风险提示。
小结
机械行业 AI 最合适的角色是“方案协作助理”：先把客户语言转为澄清问题和参数表，再基于受控资料形成可追溯初稿。工程结论和商业承诺必须由人负责。需要设计售前知识库、流程和试点，可查看解决方案；服务团队与合作原则见关于我们。
常见问题
方案书能全自动生成吗？
可以自动生成结构和通用表述，但参数、图纸、选型结论、性能承诺、价格与交期必须引用有效资料并由负责人审核。
资料很多，是否要先建知识库？
不必一次收齐。可先整理一个产品系列的有效样本、版本和术语，再围绕高频方案试点。
如何避免AI写错参数？
参数从受控数据源检索并显示出处；检索不到就标记待确认，禁止模型自行补值。