AI答错我们产品参数，我顺着文档命名追到凌晨两点才找到根因

先说结论：GEO 的技术门槛真不高，坑基本都在内容质量。但内容质量不只是「写得好」，还包括你的文档能不能被准确溯源。

上周有客户问我一个参数，AI 答串了版本——把上一代产品的功率写成了这一代的。我第一反应是模型胡编，但简单说，AI 不会凭空造一个具体数字，大概率是我们自己的文档埋了雷。

我翻了三层记录才定位到问题：

第一层：官网产品页。文案没问题，参数是对的，排除。

第二层：FAQ 库。发现同一个问题有两条答案，一条写「额定功率 1200W」，一条写「峰值 1500W」。两条都单独看没错，但 AI 把「额定」和「峰值」两个口径揉成了一条答案，还挂在了错误的产品型号下。

第三层：文档命名。根因在这。我们的文件名是 product_spec_v2_final_最终版.docx，而另一份是 product_spec_v2_20240315.docx。两份文件内容差了一个功率口径，但文件名里没有版本号区分，AI 抓取时把两份当成了同一份的不同片段，拼接出了一个不存在的参数。

这就是典型的文档命名埋雷。我们内部按人习惯命名，AI 按语义切片，两边逻辑对不上。

我做了三件事：

1. 所有对外文档统一命名规则：产品线_型号_版本号_口径_日期，比如 X系_Pro_额定功率_V2_20240315。口径必须进文件名，不能只写在正文里。
2. 同一问题只保留一条权威答案，旧的加 deprecated 标记并挪到归档目录，物理隔离。
3. 每周抽查 AI 引用来源，看它抓的是不是最新版。我拉了近两周的抽查数据，修复前引用旧版的比例是 23%，修复后降到 4%。

简单说，GEO 的内容质量不是靠加关键词堆出来的，是靠「让 AI 能准确找到唯一正确的那份内容」撑起来的。命名不规范，写得再对也会被拼错。

最后问一句：你们对外文档的版本和口径，是写在文件名里还是只写在正文里？有没有人定期查 AI 到底引用了哪一版？