给AI喂内容前，我把全半角括号都转了一遍才敢发

当年我做SEO的时候，最怕的就是站内出现全角半角混用的标点，尤其是括号。那会儿做站内搜索，用户搜“手机（新款）”和“手机(新款)”，出来的结果能差出十几条去。后来学乖了，入库前统一转半角，再trim一遍空格，才算稳当。

这两天做GEO的内容清洗，我又踩回这个坑了。起因是上周把一批产品参数页喂给AI做问答库，发现同一个型号的续航参数，AI有时候答“5000mAh”，有时候答“5000 mAh”，还有时候干脆把括号里的备注吞了。我一开始以为是模型抽风，后来拿原始HTML一查，好家伙，页面上既有全角括号，又有半角括号，还有中文顿号混着英文逗号。

这事让我想起当年做锚文本内链，同样的锚文本因为一个不可见字符对不上，整批内链失效。标点这东西，在人眼里是小事，在机器眼里就是两个完全不同的token。

所以我现在定了条规矩：任何内容进GEO的问答库之前，先做一遍标点归一化。具体三步：

1. 全角转半角：括号、逗号、冒号、分号这几个高频的，统一转半角。
2. 连续空白合并：把多个空格压成一个，尤其是参数和单位之间的空格，统一保留一个。
3. 括号内容单独抽出来：像“（约）”“(Pro版)”这种备注，单独存一个字段，别让它混在正文里影响切片。

第三步是我这周才想明白的。之前我把整段参数直接按标点切片，结果括号里的备注被切到下一段去了，AI理解的续航是5000mAh，但Pro版的备注跑到别的段落，答出来的版本就串了。这跟当年面包屑导航层级乱了导致抓取路径错乱，本质上是一回事。

不过有个细节我还没定死：标点归一化，到底是放在切片之前还是之后做？我现在的做法是先归一化再切片，但切片本身也会把标点当分隔符，那归一化的时候要不要把括号也去掉？去掉括号里的内容可能丢信息，不去掉又怕切片把括号拆开。

你们做GEO内容清洗的时候，标点归一化和切片这两步的先后顺序是怎么定的？有没有人试过把括号内容单独抽成元数据字段？