给AI喂文档前，我硬性规定文件名必须带版本号，返工少了一半

先说结论：GEO 的技术门槛真不高，卡住大家的往往不是模型，是文档管理。简单说，AI 答错版本号，九成不是它笨，是你喂进去的文件名里埋了雷。

上个月客户投诉，AI 在答案里把产品参数写成了上一代的。我一开始怀疑是向量库没更新，查了索引日志，发现新文档确实进去了。再往上翻发布记录，问题出在文件名：产品规格_v2_final_最终版(1).docx 和 产品规格_20240301.docx 同时躺在知识库里，两版参数差了两个指标，AI 抓哪份全看运气。

我做了个对照测试。同一批 200 条问句，分两组跑：

• A 组：文件名保持原样，混着 final、最终、定稿 这些词；
• B 组：统一改成 产品规格_20240301_v2 这种「名称_日期_版本」格式，旧版直接移出知识库。

结果 B 组的版本答错率从 17% 降到 4%，引用准确率涨了 11 个点。技术侧只改了一件事：文件名规范。没动模型，没调参数。

我的判断依据就三条：

1. 文件名是 AI 排序的第一信号。 模型分不清 final 和 最终版 谁更新，但日期能分清。
2. 旧版必须物理移出，不能只靠打标签。 标签是给人看的，AI 检索时照样能捞到。
3. 版本号跟发布记录对齐。 我们后来把文件名里的日期和发布系统的批次号绑死，对不上就不让入库。

踩过的坑也记一下：最早我想用目录分层解决，/旧版/、/现行/ 分开放，结果发现 AI 跨目录检索根本不看路径。最后还是回到文件名这一层最管用。

这事责任归属得说清楚：文档命名规范不该是运营一个人拍脑袋，得写进发布流程，谁上传谁负责，CTO 签字确认格式。不然下次还是同一批人埋同样的雷。

抛个问题：你们知识库里的旧版文档，是物理删除还是打标签留着？如果是留着，有没有实测过它对 AI 答案的实际污染率？我这边测出来比想象中高，想看看别人的数。