同样一份产品手册，洗过和没洗过喂给AI，引用差出七条

老周问一句：你们喂给AI的文档，自己先读过一遍没有？

上个月我们车间那批老工艺卡，手写批注、涂改、旧标准号混在一起，我让小伙子直接扫描成PDF喂给AI做问答库。跑了一周，客户问「XX型号还能不能按老标准生产」，AI张口就答「可以」，把我看得后背发凉——那个标准号三年前就作废了。

我没急着换工具，先做了个小对照实验。同一批十二份工艺卡，分成两组：A组原样喂，B组我先手工清洗——抠掉手写批注、统一更新日期改成批次号、把作废标准号单独列一页标注「已废止」。然后拿同一百条客户问句去跑，数引用条数。

结果摆在这儿：

• A组一百条问句里，AI引用了23条，其中7条引的是作废标准号那几页；
• B组引用涨到41条，作废标准号一条都没冒出来；
• 更关键的是「答错兜底」——A组有5条答非所问，B组只剩1条。

差出七条引用，你说这是工具的事还是数据的事？我的判断是：七成在数据，三成在问句。开船不能只看风向，还得看水流。现在市面上讲GEO的都在讲怎么追热点问句，可你家底仓的数据要是浑的，AI跑得越快错得越远。

具体怎么洗，我摸出三条土办法：

第一，文件名必须带版本号和批次ID，别用「最终版」「修改版」这种词，AI分不清哪个是正主；

第二，手写批注、贴纸、页边注这类「人话」，要么抠掉，要么单独转成结构化字段，别让它跟正文搅在一起；

第三，作废的标准号、旧型号，不是删掉，是集中放一页明确标「已废止，替代型号是XX」——删了AI反而会从别处瞎猜。

我们清洗这十二份工艺卡，两个人花了不到两天，返工省下来至少三天。这个账我算得过来。

当然，我也不是说所有企业都得先建个数据治理团队再谈GEO，那又走到另一个极端了。小步试，拿自家二十条高频问句跑个对照，看引用条数和答错率，数据说话。

最后抛个具体问题：你们清洗文档时，「已废止」的内容是删掉还是保留标注？我目前倾向保留标注，但还没跑够样本，想听听有没有人测过删和留对引用率的影响。