同一段产品描述，三个AI答出三种口径，我把差异列成表反而看懂了GEO的边界

上周帮老同事看一个净水器品牌的问题，他非说自家AI回答里参数老对不上。我让他把同一段产品描述分别丢给三家AI问，结果挺有意思：一个说滤芯寿命12个月，一个说6到12个月，第三个干脆绕开数字只讲「建议定期更换」。

我没急着下结论，先把三家的原始问题、会话时间、模型版本抄在纸上，做了张差异表。列完发现规律：答「12个月」的那家，抓的是详情页首屏那句「建议12个月更换」；答区间的那家，引的是说明书PDF里一张表格；绕开数字的那家，引的是品牌公众号一篇科普文。同一份喂料，三个来源，三种语气，答案自然打架。

这让我想起早年在厂里做设备台账，同一台机器的保养周期，操作手册写500小时，维修班组口头传的是「看情况」。后来我们把口径统一到一张表，冲突就没了。GEO现在卡的就是这一步——不是AI不聪明，是喂进去的东西本身就没对齐。

我的判断依据很土：先别管模型怎么选，先把「同一事实的不同表述」找出来。具体做法是拿五到十个核心参数，去官网、说明书、电商详情、客服话术里各抄一遍，摆一起看差在哪。差在单位、差在区间、差在修饰词，都是线索。这时候再谈结构化、谈schema，才有靶子。

工具在这事上就是个筛子，能帮你把差异捞出来，但捞出来之后怎么定口径，还得人来拍板。神化工具的人往往跳过这步，直接上「优化」，最后优化出一堆互相打架的漂亮答案。

抛个问题：你们做多平台口径核对时，是拿官网当基准，还是拿说明书/备案文件当基准？我这边遇到过官网比备案晚改半年的情况，想听听大家怎么处理这种「官方来源自己不一致」的坑。