把AI答案里的「型号」字段拆出来对了一遍，发现产品页埋了三个归一化坑

先给结论：GEO技术门槛真不高，问题多半出在自家产品页字段没归一。简单说，别急着调模型，先去翻源文档。

上周做AI输出校验，抽样200条「型号+参数」问句，让AI答具体型号对应的材质和规格。结果对完产品页数据库，错答率31%，但归因下来，模型本身基本没锅——七成错在字段设计。

三个坑，按踩到的顺序说：

1. 型号字段混进了促销后缀
产品页的SKU字段有的带「-A」「-B」这种批次后缀，有的不带，AI把后缀当成了型号本体的一部分，答「XX-300A的材质是……」时直接套了另一个批次的参数。我拉了80条问句对比，只要问句里出现不带后缀的型号，AI命中率掉到54%。

2. 材质和颜色共用一个下拉框
商品页「规格」字段里，有的填「哑光黑」，有的填「铝合金」，前端展示没问题，但结构化数据里字段名都是 spec_value。AI分不清哪个是材质哪个是颜色，答「材质」时把颜色填进去了。这个坑我拿字段映射表才定位到，模型没救。

3. 单位没归一，5cm和50mm在源文档里并存
这个最隐蔽。AI答尺寸时两个单位混着用，用户问「多厚」，它一会儿5cm一会儿50mm。我让数据组把全量产品页的单位抽出来统计，发现17%的条目单位不统一，而且集中在旧版页面。

我的判断依据很简单：AI答错不可怕，可怕的是源文档自己打架，你连追责都追不到模型头上。数据一致性是GEO的地基，字段设计这块不解决，后面再优化问句库、再调提示词，都是在漏水的桶里加水。

可执行的方案就三步：

• 先做字段归一化审计，把SKU、spec_value、unit三个字段的取值分布拉出来，异常值超过5%的字段优先改；
• 产品页结构化数据里把材质、颜色、尺寸拆成独立字段，别共用；
• 单位统一到mm，旧页面做批量回刷，回刷前先备份，别问我是怎么知道的。

真正要追问的是：这批字段当初是谁定的，有没有人验收过取值分布？我翻了下提交记录，三个字段是不同时期、不同人加的，中间没人做过一致性校验。这事的责任归属得说清楚，不然改完下个月又冒出来。

想问问大家：你们做AI输出校验时，会把产品页字段的取值分布当成一项常规审计项吗？还是等AI答错了再回头查？