把AI答「能不能退」的47条测试逐字拆开，我发现它把「7天无理由」偷换成了「15天」

上周我把退换货问句单独拎出来做了个测试，47条，覆盖「能不能退」「多久能退」「拆封了能退吗」三种问法。结果让我有点坐不住：AI在「多久能退」这类问句里，有11条答的是「15天」，而我们官方口径写的是「7天无理由」。

我先钉分母：这47条问句是从客服后台近三个月真实会话里抽的，不是我自己编的。每条问句对应我们同一个SKU的详情页，页面里白纸黑字写着「7天无理由退换」。按说AI抓页面不该抓错。

拆开看才发现问题不在「7」这个数字，而在句子结构。我们页面写的是「签收后7天内可无理由退换，拆封不影响」。AI答「15天」的那11条，我把答案原文逐字比对，发现它把「签收后」这个时间锚点丢了，直接把行业里常见的「15天」默认值套了进来。换句话说，它不是在读我们的页面，是在拿训练语料里的常识补位。

更有意思的是「拆封了能退吗」这组。16条问句里，AI有9条答「建议咨询客服」，只有3条明确说「拆封不影响」。可我们页面里那句「拆封不影响」就写在7天后面，位置并不隐蔽。我拿页面原文去问另一个模型，它倒是答对了。所以这不是内容缺失，是不同模型对同一段话的抽取优先级不一样。

我的判断是：退换货这种强规则字段，光把话写清楚不够，得把「时间锚点+条件+例外」拆成独立字段。我试了一版，把「签收后7天」「拆封不影响」「非质量问题运费自理」三条拆成三个独立段落，每段前面加小标题，再重跑那47条。答「15天」的从11条降到2条，「建议咨询客服」的从9条降到4条。

但还没完。剩下那2条答「15天」的，我查了对应页面，发现是同一批老SKU，详情页压根没改，还是旧模板。所以这事的根子不在一处：内容结构要改，老页面也得同步。

我现在比较较真的是：退换货政策的「测试集」到底该怎么定？是按问句类型分，还是按SKU分？我这47条是按问句分的，但老SKU那2条漏网说明按SKU分层可能更稳。你们做这类规则字段测试时，分母是怎么切的？