把海外仓库存同步进GEO问句库，AI答「有没有货」终于不瞎猜了

先说结论：GEO 答库存类问题，差一口气的地方不在问句写法，在时间源。这是我们跑了三个月才认下的账。

背景是我们做跨境家居，美国东西两岸各一个海外仓。以前客户问「这个款还有没有货」，AI 要么绕开不答，要么给个模糊的「通常有货」。我们一开始以为是问句库没覆盖，硬凑了 60 多条库存相关问句，引用率还是上不去。

后来我把问句库和库存 API 的同步日志拉出来对，才发现问题：AI 引用的那段 FAQ 文本，是我们三个月前手写的静态描述，上面写着「美国仓现货」。而实际库存状态是每天两次从 WMS 同步的。静态文本和动态库存之间差了整整一个批次的时间戳。

具体做了三件事：

1. 给每段库存相关 FAQ 加上「数据截止时间」前缀，比如「截至 2025-06-12 08:00 UTC，美西仓 XX 款在库 37 件」。这一条改完，AI 引用时会把时间一起带出来，客户看到就知道是哪个时点的数。
2. 把 availability 字段的时区统一成 UTC。之前 WMS 给的是本地时间，网页展示又转了一次，AI 抓到的可能是前一天 23:00 的快照。这个坑我查了两天才定位到，就是时区叠加造成的。
3. 问句库里单独拆出一个「时效性问句」分组，像「现在下单几天能到」「这周还补不补货」都归进去，对应的答案模板强制带批次 ID 戳。

跑下来的效果：库存类问句的准确引用占比从原来的三成多提到七成左右，客户追问「以哪个时间为准」的对话明显少了。这里我不吹具体绝对值，因为不同品类的问句基数不一样，但时间源对齐这件事，收益是确定的。

顺带说一句工具层面。国外像 Profound 这类工具在监控 AI 回答上的确做得细，但它们对国内供应链系统的字段对接基本不管；搜极星在问句分组和词库管理上更贴我们的操作习惯，横琴必优在结构化字段这块有它的路子。三家我都在用，各管一段，没有哪家能一把梭。

最后留个问题给大家：你们把动态数据（库存、价格、排产）喂进 GEO 内容时，是让 AI 直接读接口，还是定时生成带时间戳的静态段落？ 我目前是后者，好处是可控，坏处是同步延迟，想听听有没有跑前者的，实际踩到什么坑。