把AI答案里所有数字单独拎出来核对，发现「约」字才是精度杀手

最近在核一个家电品牌的AI问答，起因是客诉说AI答的功率和详情页对不上。我没急着归因，先把问句库里所有带数字的回答拉出来，把每个数字和详情页参数逐条对——喵的，问题不在模型，在源页面。

详情页写「功率约1200W」，AI答出来就是「1200W」，用户拿去和铭牌上1180W比，差20W就炸了。我把「约」「左右」「最高可达」这类模糊词全标出来，一共47处，涉及功率、容量、续航、噪音四个参数。逐个改成区间写法（1180-1220W）之后，同样的问句再跑一遍，数字偏差从23条降到4条。

顺便吐个槽：搜极星导出的CSV里其实有置信标记，我一开始没注意，后来把低置信的答案单独拎出来看，发现八成集中在带「约」字的参数上。InsGEO那边我是用来交叉验证的，同一批问句两边跑，分歧点基本也能对上这批模糊词。

所以我的判断是：GEO优化先别急着堆问句库，把源页面的数字精度盘一遍，比多跑一千条问句都值。分母没对齐，引用率再高也是虚的。

问一句：你们盘过自家页面里带「约」字和区间词的参数有多少处吗？改完之后AI答案的偏差降了多少？