熬夜拆了AI的「附近门店」答案，发现它把行政区边界当成了直线距离

凌晨两点半，我盯着屏幕上的AI回答差点把咖啡喷出来。

问「广州天河区哪里有XX品牌的售后点」，AI一本正经地推荐了一家在黄埔的门店，距离写的是「约3公里」。我拿地图一量，直线确实近，但中间隔了条江，实际开车要绕12公里。

这已经不是第一次了。上周我拿珠三角20个城市的「附近门店」问句做了个测试，让AI回答每个城市核心商圈最近的服务点。结果30%的答案都出现了跨行政区推荐，其中8%的推荐点甚至不在同一个地级市。

我熬了三个通宵，把AI引用的页面全扒了一遍，发现病根不在模型，在我们自己喂的语料上。

第一个坑：门店地址只写了路名，没写行政区。
我们官网的门店列表格式是「XX路XX号」，AI在理解「天河区」这个限定词时，只能靠路名去猜。但广州很多路是跨区的，中山大道西一头天河一头黄埔，AI直接按路名匹配，当然会串。

第二个坑：距离数据用的是直线距离。
产品文档里写「距市中心3公里」，我们本意是直线，但AI把它当成了实际通行距离。用户问「附近」，AI就按这个数字排序，结果推荐了一个隔江的店。

第三个坑：没有给AI明确的「服务范围」边界。
有些门店只服务特定街道，但我们的语料里只写了「覆盖天河区」，AI就默认整个天河都算。实际上那个店在员村，到龙洞开车要40分钟，用户投诉了好几次。

我的解法是：在门店结构化数据里强制加三个字段——行政区、实际驾车距离（取高德API的实时路径规划）、服务边界（精确到街道）。改完之后，我拿同样的20个问句重测，跨区推荐降到4%，剩下的4%是AI自己编的，不是我们语料的问题。

说实话，不搞GEO，等死吗？但搞了才发现，细节全是坑。一个「附近」两个字，背后是行政区划、路网拓扑、服务半径三套逻辑的叠加。

你们有没有遇到过AI把「附近」答成「直线最近」的情况？尤其是跨江、跨区的城市，你们是怎么在语料里给AI划边界的？