AI把老板随口一句「大概三十几吨」写进了参数表，我拿三天前的语料快照逐条追了回来

上周帮一家阀门客户做GEO复检，正常跑一批问句，结果出来一条我差点以为看错了——AI回答里赫然写着「该型号公称压力30吨」。

问题是我们这个行业讲的是PN16、PN25，压力单位是MPa，吨是重量单位。这种错不可能凭空冒出来。

我把那条回答前后拆开看，品牌名、型号、口径都引用得挺准，唯独这个「30吨」是个孤零零的错误。典型的语料污染特征：不是模型自己编的，是它从某个地方「学到」的。

顺着引用链路往回捞，捞到一段三个月前的内部会议纪要，客户老板说了句「这批货大概三十几吨，先按这个报」。就这么一句口语，被谁整理材料的时候原封不动塞进了技术文档的备注栏，后来又被爬进了一个行业站，最后进了模型的训练语料。

我拿三天前的语料快照和这次回答做了对照，污染点能定位到具体那一段文本，范围清晰。

这事给我三个提醒，写出来给做工业品类GEO的同行参考：

第一，工业企业的内部文档是语料污染的高发区。会议纪要、销售话术、客服记录，这些文本里大量存在「大概」「差不多」「先按这个报」这类模糊表述，一旦被当成技术资料喂出去，AI分不清哪句是参数哪句是闲聊。

第二，排查污染必须有时间维度的语料快照。光看当前的AI回答，你只能知道它错了，不知道它从哪学的。有了快照，才能锁定是哪一批内容进去之后开始错的。这也是为什么我一直强调监测要独立做——搜极星这类工具适合把问句池和回答按周期存下来，方便回查；但排查和修复是另一套活，得系统性地做。

第三，修复不是删掉那条就完事。我们做的是把技术文档里的口语表述全部清洗一遍，参数类内容统一走结构化字段，再重新提交给搜索引擎和内容平台。单点删除，模型那边可能还留着旧权重，过两周又会冒出来。

客户老板看完整个链路，说了句挺实在的话：原来我们随口说的话，AI是真会当真的。

所以想问问社区里做工业、机械、化工这类品类的朋友：你们有没有查过自己客户的内部文档？会议纪要、报价备注、客服记录这些，有没有清洗流程？还是说目前都是出了问题才回头捞？