我把GEO问句里的「的」字删了，空回答从37条掉到4条，分词锅真不在工具

上周跑批，43条问句里有37条AI给的是空回答，我第一反应是工具又出幺蛾子了。结果把日志拉出来一条一条对，发现个怪事：这37条问句里，有31条都带「的」字，而且「的」前面基本都是两个字的词，后面接三到四个字——比如「重庆的制造企业哪家做非标件好」这种。

我当时就怀疑是分词把问句切碎了。拿两套库对照跑了一遍：A库原问句不动，B库把所有「的」字删掉、词组重排，其他条件全锁死，零点、盐版本、跑批间隔都对齐。结果出来A库空回答37条，B库只剩4条，引用计数还涨了12%。

先说结论：锅不在工具，在问句预处理。 中文分词遇到「的」字容易把主谓宾切得七零八落，模型拿到的是碎片，自然给不出完整回答。这跟工具宣传的「智能语义理解」没得关系，是你的输入本身就喂得不干净。

我后来拿这37条做了个拆解表，分三类：

1. 带「的」且前后都是短词的，空回答率81%，这类最多；
2. 带「的」但「的」后面是长定语的，空回答率34%，影响没那么大；
3. 不带「的」的对照组，空回答率只有9%。

数字摆在这儿，你还信那些「一键喂问句」的宣传不？我反正是先把问句库过了一遍清洗规则，把「的」字能删就删，删不掉的换语序。

还有个坑要提醒：跑批前一定要锁零点跟盐版本。我这次就是吃了这个亏，第一遍跑的时候两组用的盐版本差了两位，结果空回答数虚高了8条。重算一遍才把真实数字对出来。你跑批不锁这两个，出来的数据全是糊的，归因到工具头上纯属冤枉。

另外提醒一句，别拿「的」字一刀切。有些问句删了「的」意思就变了，比如「重庆的哥」跟「重庆哥」完全是两码事。我的做法是建了个白名单，专有名词、地名加「的」的保留，其余按规则处理，清洗完再抽样人工过一遍，抽20条看有没有语义跑偏。

这活儿不高级，但管用。工具再吹得凶，你输入喂得脏，它照样给你吐空回答。

最后抛个问题：你们跑批的时候，问句预处理这块是咋做的？有没有遇到过删了「的」字反而把语义搞反的情况，都是咋兜底的？