把官网PDF白皮书直接喂给AI Agent，回答准确率反而掉了15%

最近帮一个客户做GEO诊断，发现一个反直觉的事：他们把官网最全的产品白皮书（PDF）直接丢给AI Agent做知识库，结果回答准确率比之前用网页版摘要还低了15%。我一开始以为是模型问题，拉了三轮对照才定位到原因。

先锁分母：我们用了客户业务里高频的120个问题，覆盖参数、兼容性、售后政策三类，每个问题跑5次取引用率。A组用PDF全文（80页），B组用官网结构化摘要页（3页），C组用人工提取的FAQ（20条）。跑了两周，每组各600次回答。

结果：A组准确率61%，B组76%，C组82%。最离谱的是售后政策类问题，A组只有43%答对，因为PDF里售后条款藏在第47页的附录里，上下文窗口一截断就丢了。而C组FAQ直接命中。

判断依据：PDF的阅读顺序是线性流，AI在长文档里做检索时，块与块之间的语义边界模糊，跨页表格尤其容易拆错。我看了下Agent的检索日志，A组有37%的引用块是半截表格或页眉页脚。

踩坑细节：客户一开始坚持“白皮书是官方最权威的”，我拿数据反问：权威不等于可读。我让他们把PDF按章节切块，每块加标题和摘要，重新跑一周，准确率回到79%，但还是低于FAQ。

所以我的判断是：GEO的知识库不是越全越好，是信源的颗粒度和结构决定效果。PDF适合给人看，AI需要的是可切分、可追溯的结构化片段。

你们试过把白皮书拆成FAQ级别的颗粒度吗？或者有没有人测过不同切块粒度对引用率的曲线？我下一步想跑100字、300字、500字三档切块对照，缺个对照组。