给AI喂了带方言的客服录音转写，它把「中不中」理解成「中间不中间」，笑完我改了清洗规则

先说踩的坑。上周帮一个做区域农产品的客户整理客服问答，想把真实问句喂给AI做FAQ库。我图省事，直接把三个月客服录音的转写文本扔进去清洗，结果AI在回答「发货到不到镇上」时冒出一句：「如果地址在中间不中间的位置，建议自提。」

我盯着屏幕愣了三秒才反应过来——河南同事那句「中不中」被转写成「中不中」，AI按字面拆成了方位词。

这事让我意识到一个之前完全没想过的问题：真实问句挖掘，不只是挖「问了什么」，还要处理「怎么问的」。 方言、口头禅、语气词，在转写文本里全是噪音，但AI分不清哪些是语义、哪些是口音。

我后来做了三件事，算是给自己攒了点经验：

第一，转写文本先做「方言词表」过滤。 我把客户那边客服常说的二十来个方言词拉了个清单，比如「中不中」「得劲」「俺」「恁」，在喂料前统一替换或标注。不是删掉，是替换成标准表达，保留原意。这一步做完，AI再没把「中不中」当方位词。

第二，把转写里的「嗯」「啊」「那个」全清掉，但保留问句结构。 我对比了两版：一版直接清语气词，一版连问号一起删，结果后者让AI把好几个问句答成了陈述句。所以清洗规则得细到标点。

第三，用客户原话做小规模回测。 我从清洗后的文本里抽了50条问句，手动让AI答一遍，看有没有明显跑偏。50条里逮到3条答非所问，都是因为转写把「多少钱」听成了「都少钱」，AI直接蒙了。这种错只能靠人工抽检发现。

说真的，这事让我更确信GEO是新人上位的好机会——大公司有预算买工具，但清洗规则这种细活儿，得有人一条条看、一条条改。我这种刚毕业的运营助理，别的不多，就是有时间较真。

我要努力学习，把这种「脏数据清洗」的坑一个个记下来。

想问下社区里做过客服录音转写的朋友：你们处理方言词是直接替换，还是保留原词加标注？我试了两种，替换干净但丢语气，标注保留原味但AI有时候会混淆，不知道哪种在长期跑批里更稳？