先归类再建库：按业务对象设一级目录，统一转为结构化文本并规范命名；用超级麦吉分批导入、打标签；通过高频问题补资料、训练语义识别、绑定出处确保AI精准响应。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
先归类，再建库：让资料从“乱堆”变“可查”
你电脑里存着几十个刀版文件、工艺说明、客户反馈截图和微信聊天记录，每次找“上次那个烫金参数”都要翻三四个文件夹加网盘再搜微信——这不是检索慢，是资料根本没进知识库的门槛。
第一步，按业务对象建一级目录：项目、工艺、材料、供应商、模板、知识沉淀。不用追求一步到位，只要保证新文件进来时能立刻判断“该扔进哪个文件夹”，就比全塞桌面强十倍。
第二步，把散落的原始资料统一转成结构清晰的文本载体：PDF扫描件用OCR转纯文本；微信聊天记录导出为带时间戳的Markdown；Word文档删掉页眉页脚和无关表格；刀版源文件旁必须配一份简要说明.md，写清适用产品、材质厚度、模切误差范围——AI读不懂.ai文件，但能精准定位“误差±0.15mm”这个字符串。
【所有文档命名必须含日期+主题+类型，例如`20251020_机器狗_烫金参数_v2.md`】没有这个前提，后续任何AI检索都像在雾里找灯。
用超级麦吉建知识库：分批导入+打标签
打开超级麦吉工作台→点击左侧「知识库」→新建知识空间→选「本地上传」。
方法一：按目录批量拖入。把刚整理好的“工艺”文件夹整个拖进上传区，系统自动解析层级关系，保留原始路径作为默认标签。这一步别图快全选“所有子文件”，容易混入临时草稿或旧版本。
方法二：单文件精细导入。对高价值文档（如客户签署的《工艺确认书》），点击「高级上传」→手动填写标签：项目名=机器狗、材料类别=ABS+电镀、年份=2025、状态=已确认。标签填得越具体，后期用自然语言问“2025年电镀ABS的确认文件”就越准。
注意：同一份工艺规范，如果同时上传了带水印的扫描PDF和清洗后的Markdown，AI会优先召回后者——因为向量化时，水印字符会污染语义向量，导致“烫金温度”这个词的向量偏移。
让AI真正听懂你的提问
第一步：用高频问题反推资料缺口。在超级麦吉问答框输入：“天地盒内衬常用材质有哪些”，如果返回空或答非所问，立刻去“材料”目录下补一份`内衬材质对照表.md`，明确列出EVA/PP/PS的密度、克重、耐温区间。
第二步：训练AI识别模糊表达。连续三次问类似问题：“上次机器狗项目的烫金参数”“机器狗外壳烫金温度是多少”“2025年那个狗形产品的烫金工艺”，系统会自动聚类这些提问的语义特征，后续再遇到“狗模型外壳金色部分怎么调参数”，也能命中。
第三步：强制绑定出处。每次AI返回答案后，点右侧「查看来源」，确认是否来自你刚上传的`20251020_机器狗_烫金参数_v2.md`。如果不是，说明该文档未被正确切片或向量化，需重新上传并勾选「启用深度语义解析」。
