把喂料里的字段名从「产品名」改成「适用场景」后，AI推荐语准确度差了22个点

上周跟一个做工业传感器的客户聊天，他说AI回答里提到他们产品时，老是张冠李戴，把A型号的精度安到B型号上。我第一反应不是骂AI，是问他喂料的结构长啥样。

结果一看，字段名写的是「产品名」「参数1」「参数2」。这就是给自己挖坑！AI不是人，它不认识你家型号的命名逻辑，字段名就是它唯一的语义锚点。

我干脆做了个对照实测，就一件事：只改字段名，内容一个字不动。

实验设计

• A组：原始喂料，字段叫「产品名 / 参数1 / 参数2 / 特点」
• B组：字段改成「适用场景 / 核心指标 / 量程范围 / 与竞品的差异点」
• 两组内容、字数、结构完全一致，同一批30个监测问句，同一时间窗跑了5天

结果

• A组：AI答案把参数张冠李戴的比例 41%
• B组：同一批问句，错配比例降到 19%
• 差了22个百分点，我盯着表格看了半天，以为是采样出了问题，重跑一轮还是这个数

最典型的例子：问「XX工况下用哪个型号」，A组AI会答一个量程根本不匹配的型号，因为「参数2」这个字段名没告诉它这是量程还是精度。B组叫「量程范围」，AI就老老实实按工况去匹配了。

我的判断

字段名不是给工程师看的，是给模型做语义路由的。你写「特点」，模型就自由发挥；你写「与竞品的差异点」，它就知道这是对比语境，回答时会主动拿这个锚。这一层的杠杆比改正文大得多，成本却几乎为零。

踩坑提醒

改字段名要一次性全站统一，别一半新一半旧。我第一版只改了20%的SKU，AI答案反而更乱，因为它拿到的结构是打架的。另外，改完至少等3-5天再看，模型的缓存和索引不是实时的，当天看数据会误判。

现在不做，更待何时！喂料结构这层不做对，后面监测报告做得再漂亮也是空中楼阁。

想问下大家：你们改字段名之后，是等几天才看效果的？我这边观察到第3天才有明显收敛，想对一下别人的时间窗，看看是不是我这个行业模型更新慢。