AI答产品保修期引了海外版说明书，版本对齐这事得先定个规矩

根据我们内部上周跑的一份抽样报告，200条带「保修」「质保」字样的问句里，AI有31条引用了海外版说明书或英文官网的条款，占比15.5%。这个数我反复对了三遍口径——分母是去重后的独立问句，分子是至少有一处引用来源域名不属于国内站点的会话。

具体场景是这样的：客户问「这款扫地机保修几年」，AI答「两年」，但国内行货其实是整机一年、电机三年。它引的那段话来自一份英文版用户手册，PDF 的版本号是 Rev.C，上传时间是2022年9月。我顺着引用日志往回翻，发现这份文档在知识库里同时存在中英文两个版本，但元数据里只有语言字段，没有区域字段，AI 检索时按语义相似度直接命中了英文那份。

这里头有个口径问题得先掰扯清楚：我们统计「引用准确率」的时候，到底算不算跨区域引用？如果算错，那15.5%就是实打实的错误率；如果不算错，只是「引用来源不理想」，那这个数就得单列。我倾向于单列，因为混在一起会把版本问题和事实错误搅成一锅粥。

踩过的坑也记一下：一开始我让实习生按「引用URL是否包含 cn」来筛，结果漏掉了那些国内站点转载海外条款的情况，分母直接虚高了两成。后来改成按文档元数据里的 region 标签来判定，才勉强对上。但问题是，不是所有文档都有 region 标签——我们知识库里大概有四成文档的元数据是残缺的，这个底数得先摸清。

我的判断依据是：GEO 的效果要等数据验证，不能过早下结论。现在能说的是，版本对齐这件事至少得做到三件——文档入库时强制填 region 和有效期、检索侧加一道区域过滤、引用日志里把版本号打出来。这三件没做完之前，谈「AI答得准不准」都是空中楼阁。

所以想问问大家：你们那边知识库的文档元数据，region 和有效期这两个字段是必填还是选填？有没有人做过版本冲突的量化统计，大概是个什么量级？