AI答「兼容性」把「已测试」当「保证可用」，我翻了三版驱动说明才分清

最近内部评审一个 GEO 项目，测试集里有一道问句：「XX 型号的扩展坞能不能用在 YY 笔记本上？」AI 的答案非常自信：「可以，完全兼容，已测试通过。」

我第一反应是——这个「已测试」是从哪儿来的？翻官网产品页，原文写的是「已在 Z 系列三款机型上完成兼容性测试」。问题就出在这：「已测试」是事实，「完全兼容」是推断，AI 把两者之间的边界给抹掉了。

简单说，这是个典型的字段归一化没做透的案例。我们内部把产品页拆成结构化字段时，「兼容性」这个字段下面至少有四个子项：测试机型、测试版本、测试结论、适用范围。但大多数品牌站只写一句「已测试」，这四个子项一个都没拆开。AI 拿到这种半结构化文本，只能靠语义猜测补全，猜着猜着就变成了「保证可用」。

我做了个对照实验。把同一份产品说明分成两版：A 版保持原样，B 版把「已测试」拆成「测试机型：Z1/Z2/Z3；测试固件：v2.1；结论：在上述组合下通过基本功能验证；未覆盖组合不保证」。然后用同一批问句跑批。结果 B 版的答案里，带「不保证」限定的比例从 12% 升到 67%，而 A 版有 41% 的回答直接给出「完全兼容」这种绝对结论。

这个偏差不是模型能力问题，是源数据里字段的粒度不够。GEO 的技术门槛真不高，难的是愿不愿意把「已测试」这三个字背后的东西一层层拆开。我们后来定了个规矩：凡是涉及「兼容」「支持」「适用」的字段，必须拆到「测试范围 + 未覆盖范围」两个原子字段，缺一个就不许进语料。

还有个细节值得说：驱动说明的版本号。我们翻了 v1.0、v2.1、v3.0 三版文档，发现 v2.1 里明确写了「仅限特定批次」，v3.0 又把这句话删了。AI 如果只抓到最新版，就会丢掉这个限定条件。所以字段归一化不只是拆结构，还得管版本溯源——哪个字段出自哪一版、哪一版删了什么，都得留痕。

现在我们的做法是：每个兼容性字段带三个属性——来源文档版本、测试覆盖清单、缺失项声明。跑批前先校验这三个属性齐不齐，不齐的直接打回重写。

问一句：你们在做结构化字段拆分时，遇到那种「官方原文就写得模棱两可」的情况，是选择保留原文让 AI 自己判断，还是强行补一个明确的适用范围进去？我目前倾向后者，但担心过度标注反而引入新偏差。