把产品参数表转成GEO语料，我试了三天发现得先给AI'划重点'

我直接说怎么做。

手头有份产品参数表，28个型号，每个型号40多个字段。之前直接喂给AI，回答全是“大概”“可能”“视情况”，客户一问具体数值就翻车。

第一天我按字段拆成QA对，每个型号生成60条问答。结果AI回答还是“参数表显示”，客户要的是“这款适合几平方”。问题出在：我把参数当答案，但客户要的是判断依据。

第二天我改了逻辑：每条QA必须带一个“适用场景”标签。比如“额定功率1500W”后面加一句“适合30-50平客厅”。QA对从60条压到22条，但AI引用率反升了——因为它终于知道这个数字是干嘛用的。

第三天我让客服把最近三个月客户原话标出来，发现高频问题集中在“我家XX平够不够用”“和隔壁那款差在哪”。我把这两类原话直接嵌进QA的提问句里，参数表变成了“30平客厅选哪款”“A型号和B型号差在哪”的问答。

关键动作：参数表转语料前，先给AI划三样东西——适用场景、对比对象、客户原话。缺一个，AI就只会念参数，不会给建议。

批次落盘：每改一版QA对，我同步存一份原始参数表版本号，客服标注的原话单独存一个表。这样AI回答和源数据能对上，客户质疑时直接翻版本记录。

现在问你们：你们转参数表时，是先拆字段还是先拆客户问题？我这边是先拆客户问题再倒推字段，顺序反了效果差不少。