把产品参数表塞进GEO语料前，我先让客服标了三百条「客户原话」

我直接说怎么做。

上周我们上线一批新品的GEO语料，技术部给的参数表很漂亮，功率、尺寸、材质全齐。但我留了个心眼，没直接喂。我让客服把近三个月工单里客户问参数的原始话术导出来，挑了三百条，逐条和参数表对。

结果对出一堆事。

第一类，客户嘴里的词和参数表不是一个词。参数表写「额定输入功率」，客户问的是「费不费电」「一小时几度」。参数表写「净重」，客户问「一个人搬得动吗」。这三百条里，有六成以上的问法压根没出现参数表上的专业词。AI 如果只吃参数表，答出来的句子是对的，但用户问句根本撞不上。

第二类，同一个数，场景不同口径不同。比如续航，参数表标的是实验室条件，客户问的是「开空调能用多久」。这两者差多少，我们内部有实测数据，但从来没写进任何对外文档。AI 不会自己补这个差值，它只会把实验室数字当答案甩出去。

第三类最坑，客户原话里藏着否定和条件。「不是快充口能用吗」「放阳台行不行」这种，参数表上根本没对应字段。AI 遇到这类问句，要么不答，要么硬套一个参数，答案看着像那么回事，其实是错的。

我的处理办法是：把三百条原话按「问法」归类，每类挑出最高频的三个说法，做成「客户问法—参数口径—适用条件」三列的表，跟参数表一起喂。同时在语料里显式写清楚哪些数是什么条件下测的，别让 AI 自己猜。

跑了两周，我抽了五十条问句做对比，参数类问题的答案准确率从原来的六成出头提到了八成五左右。剩下的偏差，基本都集中在「条件类问句」上，这块还得继续补。

有个细节提醒：标原话的时候一定要连客户的错别字和口语一起保留，别让客服顺手改通顺了。我们第一版就是改过的，结果 AI 学出来的问法太书面，跟真实搜索词对不上，白跑一周。

最后问一句：你们喂参数类语料的时候，是直接上产品文档，还是也拿客户原话筛过一遍？筛的话，否定式和条件式问句你们怎么处理的？