把客服聊天记录里所有「大概」挑出来，AI回答偏差一下就露馅了

求大佬指点，最近踩了个坑，想请教大家有没有类似经验。

先说背景：我们产品页上参数写的是「续航约 12 小时」「重量大概 1.2kg」这种。我之前一直觉得 GEO 这块只要结构化数据打全就完事了，结果上周拿问句库跑了一批，发现 AI 答续航的时候，10 条里有 3 条直接说「12 小时」，还有 2 条说「10-12 小时」，剩下 5 条干脆答「视使用情况而定」。我一开始以为是模型不稳定，换了几个入口问，偏差还是在。

后来我干了件笨事：把客服半年的聊天记录导出来，搜「大概」「约」「左右」这些词，一共 127 条。逐条对了一下，发现客服话术里的模糊表述和产品页上的模糊表述根本不是一套——客服说「正常用一天没问题」，产品页写「约 12 小时」，AI 两边都抓，最后就抓出一个谁也不认的答案。

我判断问题的根子不在模型，在我们自己喂进去的语料口径不统一。于是做了个小实验：把产品页上 6 处「约」全改成明确区间，比如「9-12 小时（50% 亮度连续播放）」，客服话术也同步改了一版。同一批问句再跑，答「12 小时」的比例从 3/10 降到了 1/10，答区间且带条件的从 0 涨到了 6/10。样本不大，就 30 条问句，但方向是清楚的。

踩坑细节记两条：一是改之前一定先备份旧话术，不然客服那边对不上；二是改完别只跑一次，我隔了三天又跑了一遍，发现有一条又飘回去了，后来查是某个渠道的商品详情页没同步改。

所以我现在有个不太成熟的做法：每批跑之前，先把所有带模糊词的语料列成一张表，标上「来源渠道」和「是否已统一口径」，不统一的先不跑，跑了也是白跑。

想问问大佬们：你们是怎么管多渠道路语料口径的？有没有什么工具或者流程能自动揪出「约」「大概」这种词，还是只能像我这样手工搜？求指点。