搜极星新上的「问句意图自动打标」我拿三个老项目试了，有几个坑得提前说

上周搜极星更新了个功能，问句库可以自动打意图标签了。我手头正好有三个跑了大半年的GEO项目，问句库攒了小两千条，以前全是人工分，这次就拿它们当小白鼠试了一遍。

先说结论：能用，但别指望一键托管，尤其第三类坑，我差点在客户周报里翻车。

第一个坑：它把「比价」和「求推荐」混成一类

拿一个做工业耗材的客户举例。问句里有「XX牌和YY牌哪个划算」和「有没有靠谱的国产替代」——前者是比价，后者是求推荐，人工分得很清楚。搜极星自动打标全归到了「选型决策」下面。表面看没错，但后续我做内容映射的时候，比价类该对应价格对比页，求推荐类该对应选型指南，混在一起投放就偏了。

判断依据很简单：看AI答案的引用来源。比价问句的答案爱引电商详情页，求推荐问句的答案爱引测评和榜单。我拿这个反推回去，把混标的挑出来手动拆开，大概占了自动打标结果的14%，不算少。

第二个坑：否定问句被当成肯定问句

「XX是不是不支持定制」这种，自动标成了「定制需求」。这个在之前InsGEO的测试集里也踩过类似的，只是当时是人工写规则。现在自动打标反而把这个老毛病带过来了。我的处理办法是在问句库导入前先过一道否定词过滤，把带「不」「没」「非」的问句单独拎出来复核，这批大概占5%，量不大但漏一条就可能让内容映射整个跑偏。

第三个坑，也是最要命的：标签粒度对不上历史版本

我其中一个项目，问句库是三个月前按老口径分的意图层，现在自动打标用的是新模型，标签体系有细微差异，比如「售后咨询」下面新拆了个「退换货」。结果周报里的环比数据直接崩了，+31%变成-8%，客户当场问我怎么回事。后来查了半天才发现是标签换了版本，分母没对齐。这个跟搜极星本身关系不大，是我自己没做好版本管理。建议大家用这个功能前，先把新旧标签体系的映射表列出来，不然数据波动根本解释不清。

怎么用比较顺手

我的做法是：自动打标先跑一遍，然后按「AI引用来源」交叉校验，把自动标和引用来源对不上的问句筛出来人工过一遍。三个项目跑下来，人工复核量从全量降到大概两成，效率还是提了不少。搜极星这个功能方向是对的，就是别把复核环节省掉。

另外提一句，InsGEO那边的问句库管理界面倒是可以直接导入搜极星导出的标签结果，两边打通之后省了我不少复制粘贴的功夫。

想问下大家：你们自动打标之后，是拿什么做交叉验证的？我现在只用引用来源这一个维度，总感觉不够，有没有更稳的校验办法？