证据的机器可读格式：数据表、PDF 与图片

一家做电动滑板车的出海团队，把第三方检测报告扫成 12 页 PDF 放在下载页，规格表由设计导出成 PNG 贴进详情页。买家在聊天助手里问“载重多少、能不能进地铁、电池能不能带上飞机”，回答里三句有两句是“该商品未提供相关数据”，第三句把他们归进“信息待补充”。运营的第一反应是补文案，可该写的参数一个不少，少的是能被取走的形式。

同一份证据，写进 HTML 表格 AI 能逐项引用，扫成 PDF、导成图片就等于没写；证据的可用性由格式决定，不由你手里有没有决定。

格式决定的是可用性，不是美观

模型取用一条证据要完成三次绑定：这段话属于哪个商品，这个数值对应哪个字段，这个字段在什么条件下成立。三步都过了，数字才能进答案；断在任何一步，模型只能写“未提供”。

断点几乎都出在格式上。正文里的一句话，句子本身就是边界；表格里的一个单元格，行列标题就是字段名；PDF 里的文字要靠解析器还原顺序；图片里的数字只能靠 OCR 去猜。前两者是结构，后三者是还原，还原一定会丢东西。

格式	AI 能拿到什么	常见断点	什么时候用
HTML 正文	可切块的句子，带上下文	埋在折叠层或 JavaScript 里	结论、测试条件、方法说明
HTML 表格	行是对象、列是字段，可逐项比较	表头做成图片、单元格缺单位	参数、对比、费用与时效
CSV / feed	整表字段，可批量读取	字段名用内部黑话、缺币种	多 SKU、多变体、多市场
带文字层的 PDF	可抽取文本，顺序常常是乱的	双栏版式、重复页眉页脚、画线表格	报告原件、备案与合规文件
扫描 PDF 与图片	只能靠 OCR，误差不可控	数字、单位、上下标	存证，不能当唯一来源

这张表的顺序，就是“可看”与“可查”的差距。

数据表：先修字段，再修数据

表格是少数能让字段名和数值同处一块的格式，也是 AI 做比较时最省力的输入。判断一张表合不合格，看三个地方。

第一，每个数值都带单位，且单位写在单元格里，不写在表头或图注里。“续航 20 小时”和“20”是两条不同的信息，后者等于没写。

第二，一行一个对象，一列一个字段，不做合并单元格。合并单元格会丢层级：把“输入/输出”并成一行，模型很可能把 1800W 当成输入功率，这个错误会一路传到买家手里。

第三，缺失值显式写“不适用”或“未测试”，不留空。空白单元格不是“待补”，它允许模型用同行的数值补齐。测试条件同理，写条件的那句话要和数值同段，具体句式可以参考把参数写成证据。

PDF 与图片：两种不同的不可读

PDF 有两个坑，性质完全不同。

第一种是没有文字层。扫描件在机器眼里是一张图，必须先 OCR；OCR 对 0 与 O、1 与 l、Wh 与 kWh、小数点位置都可能读错。一份读错一位的检测报告，比没有报告更危险。

第二种是有文字层，但顺序是乱的。双栏排版、每页重复的页眉页脚、跨页断开的表格、压在文字上的水印，都会让抽出的文本变成断句拼接。这类 PDF 在阅读器里正常，在解析器里一塌糊涂。

做法是把 PDF 降级为附件：页面上先给一段结论，写清测试方、标准、样品型号、条件、结果与有效期；再给一张关键项表格；最后才是报告原件的链接。文件名带型号和日期，锚文本写清这是什么文件，不要用“点击下载”。

图片的边界更硬。alt 回答的是“这张图是什么”，不是“这张图里有哪些数值”。给证书照片写 alt，写清签发机构、证书编号和覆盖型号；参数贴纸的 alt 补一句“以表格为准”即可。用 alt 承载整张规格表，等于把结构化数据降级成一句话。

图表同理：柱状图、折线图没有数值标签，模型读不出任何一个点，只能当插图看。

示例：一份检测报告的三种发法

示例：以下品牌与参数均为虚构。

同一份报告，结论是“在 25℃ 环境下，满电状态带动 400W 负载运行约 62 分钟”。

第一种，只放 12 页扫描 PDF。买家问“能不能带动 400W 电饭煲煮一次饭”，答案只能写“该商品未提供续航测试数据”。

第二种，把结论页截图放进详情页。OCR 可能读出“62”，但“400W 负载”“25℃”这些条件容易在识别中丢失，模型于是写成“续航约 62 分钟”——一句缺条件的话，比不写更容易引发纠纷。

第三种，段落加表格加原件：

第三方检测报告显示，该型号在 25℃ 环境下，满电状态带动 400W 阻性负载，持续运行 62 分钟后停机。测试样品为 2026 年 3 月生产的量产件，报告有效期至 2027 年 3 月。完整报告共 12 页，含测试曲线与判定依据。

后面跟一张表：负载功率、环境温度、初始电量、运行时长、样品批次、报告编号，逐项带单位。PDF 原件链接放在表后，写明文件名与页数。

三种做法用的是同一份证据，只是精度不同。

四步改造：从证据清单到可引用页面

步骤	做什么	谁来做	怎么算过
1 盘证据	把近三个月买家真实问过的参数列出来，逐条指到现有文件	内容 + 客服	每个问题都能指到一份证据，指不到的就是缺口
2 排顺序	按“买家会不会拿这一项筛掉你”排序，只转前十项	品类 + 增长	影响转化和候选集的先转，长尾文件先不动
3 转格式	页面写结论段、字段进表格、原件留链接、图片补 alt	内容 + 工程	关掉 JavaScript 仍能读到数值与单位
4 验收	遮住原文，让模型只从页面填一张字段表	增长	六个字段填对四个以上，填错的位置就是结构问题

第 4 步是唯一能证伪的一步。填不对通常不是模型笨，而是字段名只存在于你脑子里。采样别用一次截图，参照AI 可见度基线的重复提问方法。

边界：什么情况下不该转格式

第一，原件不能改写。证书、批文、检测报告由第三方签发，你只能做摘要和索引，不能改结论、不能删限制条件，更不能把“样品测试”写成“全系认证”；摘要旁边留一句“以原件为准”。

第二，法律与平台要求优先。某些市场对宣称、警示语、成分表有固定呈现方式，转成表格可能不合规。

第三，决策不靠参数的品类。服饰的版型、香氛的气味、家具的质感，买家看图和评价，转格式的收益接近于零。

第四，平台内详情页不由你控制。亚马逊、Shopee 的字段是另一套规则，该做的是 feed 与属性完整度，不是网页格式。

第五，全量转换是最常见的误用。把几百页 PDF 一次性 OCR 成文字堆进页面，段落边界没了，反而更难被摘出。格式转换的目标是让一句话独立成立，不是给文件搬家，这和HTML 语义与段落边界是同一件事的两面。

证据只是被推荐的条件之一，另外三项在AI 推荐你的四个信任前提里有完整拆解；这条线上其他文章收在技术底座主题页。

这个月先做一件事：打开下载页，挑被问得最多的那份文件，把三个最关键字段写成三行 HTML 表格放到对应商品页，原件链接留在表后；再拿同一个问题问一次 AI，看它能不能把数字连同单位说出来。