跑批时把「券叠加规则」漏喂给AI，结果测试集里满减全算错了

求大佬指点，昨天跑批差点翻车。

事情是这样的：我们有个活动页，上面写了「满300减50」和「新人券再减20」。我心想这规则挺简单，直接拿页面上的文案喂给AI跑测试集，看它能不能答对「买350能减多少」。

结果跑出来30条问句，有17条答错，AI要么只算满减、要么只算券，还有几条把两个规则加一起减了70，但实际规则是「满减和券可叠加，但券后金额不参与满减」。我当时就懵了，这不对啊，页面上明明写了。

后来我翻活动页源码和后台配置才发现，真正的叠加规则藏在活动说明的折叠区里，文案写的是「优惠可同享，具体以结算页为准」，但结算页的规则是运营在后台单独配的，根本没在页面上明文展示。我喂给AI的只是「表面文案」，没喂「后台口径」。

我又把后台导出的规则表（含券ID、叠加优先级、互斥组）转成结构化文本重新跑了一遍，这次30条里只错了3条，错的都是问法太绕的，比如「我有一张新人券再买350是不是减70」——AI把「再买」理解成二次购买，没算叠加。

复盘下来三个坑：

1. 跑批口径不能只看页面文案，得追到后台配置表，尤其是折叠区、结算页这种用户看不到但实际生效的规则。
2. 测试集问句要覆盖「叠加」「互斥」「优先级」三种问法，不能只测单规则。
3. 跑批日志里得记录「喂进去的规则版本号」，不然下次运营改规则，你连对比基线都没有。

我现在把每次跑批的规则版本、问句集、错误分类都存到一个表里，下次改规则前先跑一轮对照。

想问问大佬们：你们跑批时怎么保证「喂给AI的规则」和「线上实际生效的规则」是一致的？有没有自动比对口径的办法？求指点。