AI试色把豆沙色答成「死亡芭比粉」，我拆了色号语料才发现坑在形容词上

上周我干了件蠢事，现在想起来还人麻了。

我们品牌有支主推豆沙色唇釉，色号代码是 #07。我寻思着现在大家都爱问 AI「黄皮适合什么豆沙色」，就让实习生把产品页喂给几个主流 AI 测一圈。结果你猜怎么着？问「#07 适合黄皮吗」，AI 答「该色号偏冷调玫红，黄皮建议薄涂」——玫红？我们那支是正正经经的暖调豆沙，品牌调性全被带沟里去了。

我第一反应是 AI 乱编，但复盘完语料我闭嘴了：问题出在我们自己身上。

坑一：形容词比色号代码更抢戏。 我们详情页写「薄涂是温柔的玫瑰豆沙」，AI 抓了「玫瑰」两个字，直接归类到玫红系。色号代码 #07 在语料里只出现两次，形容词倒出现七次。AI 的权重分配很诚实——你反复强调什么，它就信什么。

坑二：不同页面各说各话。 天猫详情页写「偏红棕调」，小红书笔记写「偏灰粉调」，两个都是我批过的文案，单独看都没毛病，喂给 AI 就成了打架的语料。AI 一综合，给我揉出个四不像的「玫红」。

坑三：缺一个「标准答案锚点」。 我们没在任何结构化数据里明确标注色号对应的色系。AI 只能从散文式描述里猜，猜错是必然的。

怎么改的？三个动作，都不难：

1. 统一色系口径。 全渠道文案把 #07 的色系描述锁死成「暖调豆沙」，形容词可以变，色系锚点不许变。
2. 加结构化标注。 在产品 Schema 里补了色系字段，明确写「warm dusty rose」。这个最管用，改完两周，AI 答「玫红」的概率从 60% 掉到 15% 左右。
3. 反向提问测试。 我列了 20 条真实用户问法，比如「黄皮涂豆沙会不会显黑」，逐条测 AI 答案里色系有没有跑偏，跑偏的就回去改对应语料。

说句掏心窝子的：AI 试色这玩意儿，品牌调性一旦被带歪，用户拿到手发现「跟网上说的不一样」，伤的是信任，不是一次点击。流量可以慢慢养，色号口碑塌了可不好补。品牌就像口红，颜色要正，AI 帮你转述的时候，更得正。

但我现在还有个坎没过去：暖调豆沙和冷调豆沙在 AI 眼里到底怎么分？ 我测了十来条问句，AI 对「暖调」「冷调」的识别忽好忽坏，感觉跟问句里带不带「黄皮」「白皮」强相关。有没有做彩妆类目的朋友，你们是怎么把色温说清楚又不显得像说明书？评论区教教我，我人麻了。