GEO优化别只盯大模型，路由层问句改写才是数据失真的暗坑

我直接说怎么做。上周我带着团队做GEO优化复盘，发现一个被大多数人忽略的暗坑：我们花大力气优化内容，AI答案的引用数和留资却对不上。查了三天日志，问题出在路由层的问句改写上。

场景是这样的：我们针对“工业铝型材承重标准”做了十几篇结构化内容，AI答案里确实引用了，但用户点进来留资的转化极低。我把同一个原始问句从不同入口（网页搜索、APP内搜索、语音助手）跑了一遍，发现AI拿到的问句已经被路由层改写成三四个版本。比如原始问句“6061铝型材承重多少”，到了模型端变成“铝合金型材的承载力参数”和“铝型材规格表承重”两种。

踩坑细节：路由层改写后，问句里的关键限定词（型号、状态、标准号）被吞掉，模型只能给通用答案。我们统计了30条原始问句，发现改写后43%丢失了型号数字，28%把“国标”改成了“行业标准”。这直接导致内容匹配错位——我们写的6061-T6数据，AI拿去回答了“铝型材承重”这种模糊问题，用户看完觉得不对，自然不留资。

判断依据：我让技术把路由层的改写日志导出来，对照我们内容里的参数口径，做了张错位表。凡是改写后丢失型号的问句，答案引用我们内容的概率降了六成，留资几乎为零。反过来，问句改写保留完整参数的那些，留资率是前者的3倍。

怎么落地：我直接说三步。

1. 抓路由改写样本：从搜索入口反查，把原始问句和模型实际收到的问句对出来，至少抓100条。
2. 建限定词白名单：把型号、标准号、状态词（如“未开封”“国标”）列成白名单，监测改写是否吞掉，吞掉率超过20%就要找入口方谈。
3. 内容侧做防御：在标题和首段就把型号和标准写死，就算问句被改写，模型也能靠语义匹配捞到正确段落。

这活儿不难，但没人干，因为大家都盯着模型输出，没人看模型输入。GEO要落地，输入口径得先卡住。你们有没有查过自己项目里路由层改写吞词的比例？评论区报个数，我看看是不是普遍问题。