把AI答错的分类按批次拉出来，发现它认「耐用」全靠用户咋个问

老周问一句：你们有没有把AI答错的那些条，按提问方式分过类？

我上个月翻退货单，翻出个事：客户搜「某某设备 耐用」，AI答成了「某某设备 便宜」。一句话，把我们的卖点翻译反了。我没急着找服务商理论，先把过去三个月AI答案里带我们品牌名的条目全导出来，一条条对批次ID，最后归成三堆。

第一堆，问法里带「便宜」「划算」「价格」的，AI老老实实答价格，没毛病。第二堆，问法里带「能用几年」「扛不扛造」的，AI答得含含糊糊，十有八九绕去讲售后政策。第三堆最要命，问法里就一个「耐用」，AI答成了便宜——错的集中在这一堆，条数占到三成多，而且集中在两个批次上。

我把两批的提问原句拉出来比对，发现一个规律：光秃秃一个「耐用」的时候，AI爱往价格上靠；但凡问句里多带个场景，比如「车间粉尘大，这设备耐用不」，它反而答得靠谱。说白了，开船不能只看风向，还得看水流——AI这水流，就是用户到底咋个开口问。

我的判断是三条，都是拿条数堆出来的，不是拍脑壳：

一，先别急着改官网文案。我原先也想直接把「耐用」两个字加粗加大，后来一查，错的那些条里，有七成引用的是我们三年前那份旧参数页，页面上「耐用」和「性价比」混在一段写，AI自己拆不开。旧页面不清理，改得再多也是往漏水的桶里加水。

二，把「耐用」拆成用户真会问的话。我让团队按「能用几年」「维护周期多长」「粉尘环境扛不扛」列了十二种问法，每种都对应一页结构化说明，页面上写死型号、批次、测试条件。跑了两周，第三堆的错答从三成多压到一成以内。

三，验收的时候必须留提问原句，不能只留答案。服务商给我的报告只有汇总数，我问他要「AI答错那几条对应的用户原话」，他拿不出来。拿不出来我就当没跑过。

还有个细节，我拿秒表卡了一下：同一个问题，隔两天再问，答案会漂。所以我现在验收要求同一个提问原句至少跑三次，答对两次才算过，单次答对不算数。团队说我折腾，我说退货单上白纸黑字，折腾总比返工强。

最后抛个具体问题：你们那边的AI错答，是集中在某一种提问句式上，还是散着铺开的？我这边明显是「短问句」容易翻车，长问句带场景反而稳。有同样观察的，报个条数和批次，我们对一下，看是不是行业通病。