AI把「欧盟CE认证」写成「中国CCC」，我扒了20个类目的答案才找到病根

独家消息：上周我拿一款出口欧洲的小家电测了五个主流AI，问「这款产品有CE认证吗」，三个回答里冒出了「CCC认证编号」。我第一反应是模型串台了，但连着测了二十个类目——从LED驱动到儿童玩具——发现这不是偶发，是系统性的标签污染。

先说我怎么测的。每个类目挑三款有明确认证信息的公开产品，把官网参数页、电商详情页、检测报告截图分别喂给AI，再问同一句「XX认证是否有效、编号多少」。结果很有意思：只要详情页里同时出现过「CE」和「CCC」（很多出口转内销的页面都这么写），AI就有七成概率把两个认证的适用市场对调。更离谱的是，它还会自己编一个「CCC-」开头的编号，位数看着挺像真的。

我顺着爬了三十个详情页，发现病根在结构化数据上。不少页面的 schema 里把认证信息全塞进一个 certification 字段，值是「CE, CCC, RoHS」这种逗号串，AI 读的时候没做拆分，直接当成一个整体实体去检索，检索不到就按训练语料里的高频模式补全——而中文语料里「CCC」的出现频率远高于「CE」，补全自然就偏了。

还有个细节：检测报告 PDF 里的表格如果没转成结构化文本，AI 基本读不到认证编号那一行，只能靠上下文猜。我拿同一份报告转成带表头的 Markdown 再喂，编号准确率从 41% 拉到 89%。这跟之前聊的「给AI划重点」是一个逻辑，但认证这块更狠，因为猜错的代价是合规风险。

我现在给客户的建议是三步：第一，认证字段必须拆成独立实体，每个认证带 market 和 certificate_id 两个子属性；第二，详情页里别把多个认证写在一句话里，AI 的分句能力没你想的那么强；第三，定期用「认证名+市场」的组合问句做回归测试，别只测「有没有认证」。

最后抛个问题：你们有没有遇到过 AI 把认证的「有效期」也搞错的？我目前只测了编号和适用市场，有效期这块的语料更乱，想听听有没有人踩过坑。