我把客服「嗯」「啊」开头的话删了重跑，AI引用率反而涨了18%

上周整理问句库，我发现一个之前完全没在意的事：客服录音转出来的问句里，有大量「嗯，那个，我想问下」「啊对，就是」这种口头语开头。我一开始觉得这些都是噪音，直接批量删了。

结果删完重跑，AI引用率从31%掉到22%。我一脸问号，又拿原始版和清理版各跑500条对比，清理版确实更差。

我不服，又拆细了一层看：真正拉低引用率的是「把整句压缩成短关键词」的那批，而不是删口头语本身。比如「嗯，我想问下你们那个退货流程大概要几天」被我清成「退货流程几天」，AI反而不知道用户在问哪家的退货流程，引用就没了。

我的判断依据：AI 靠上下文里的「主语 + 场景 + 限定词」来定位该引哪段内容。口头语看着脏，但它经常带着「我」「你们」「上次买的那款」这种指代信息，删了等于把主语删了。

踩坑细节：我后来只做两步——①删纯语气词（嗯、啊、那个），保留指代词；②把「大概」「差不多」这类模糊词替换成具体数值再入库。这么改完，引用率回到29%，再叠加按「客户是否留过电话」分层跑，最高那层到了37%。

我要努力学习，但这次学到的教训是：问句库清洗别追求「干净」，要追求「主语和场景还在」。

想问问大家：你们清洗客服原话时，是整句保真还是压缩关键词？有没有人试过保留口头语但只做标点规范化的对照组？我下周想再跑一版验证，求个思路。