上周和同行喝茶，聊到现在很多人做知识图谱优化，第一反应就是爬更多实体、补更多属性，恨不得把整个互联网上和实体相关的内容全塞进去。
我当时差点把手里的茶喷出来。
这根本不是优化，是给图谱添堵。
堆实体的误区，根本不是量的问题
很多人对知识图谱优化的认知，还停留在早些年做SEO的逻辑——外链越多权重越高，信息越全排名越好。
放到大模型的生成逻辑里，这套根本不成立。
大模型从来不会优先选信息最杂的实体当参考源。
你仔细想就明白，用户问问题的时候，要的是精准答案，不是一堆东拉西扯的边角料。图谱系统在匹配实体的时候，会自动给每个实体的信息纯度打分，属性越杂、和核心关联越弱的实体，分数越低，自然不会被优先抓去当生成素材。
我之前看过不少团队的操作后台，为了让自己的实体在图谱里“存在感强”，什么信息都往上加——从创始人的个人爱好，到去年参加的某个行业晚宴的合影，甚至是公众号文章里随手提的一个合作品牌，全给关联到核心产品实体上。
结果呢？
连续几周看引用数据，自己的实体根本没出现在大模型的参考列表里。
不是被竞争对手挤下去了，是系统判定这个实体的信息太乱，不适合当精准答案来源。
我之前踩过的最傻的坑
说个真事，去年接的一个做工业高温传感器的客户。
一开始我们团队也犯了想当然的错，觉得信息越全越好，把客户官网能扒的内容全灌进了对应的产品实体里——包括2019年拿的某个区域行业奖项、市场总监在行业论坛的半小时发言稿、甚至公众号里发的团建照片配的产品露出。
上线第一周就出问题了。
有用户问“炼钢厂车间用的高温传感器怎么选”，大模型生成的回答里，居然把市场总监发言稿里的一句口语化吐槽“我们上次在某钢厂遇到的问题挺有意思”当产品适配案例引出来了。
客户那边收到好几个渠道的反馈，说看到的推荐内容和实际产品完全不搭。
我当时对着后台的引用日志愣了快十分钟。
合着我们忙活了一周堆进去的内容，全成了拖后腿的冗余信息。
现在我们做优化的死规则
踩完这个坑之后，我们彻底改了之前的操作逻辑，现在有几个死规则，谁都不能破。
现在做这块，头一件事根本不是去爬更多内容，是先拉过去3个月，对应领域的大模型引用日志——就是看用户实际在问什么问题，大模型是从哪些实体的哪些属性里抓的内容。
冗余属性超过3个，实体的引用匹配率就会出现明显下滑。
这个是我们测了快半年得出来的观察，我不确定是不是所有赛道都适用，毕竟目前只跑过工业制造、本地生活两个方向的项目，但核心逻辑是通的：每个实体只留能直接回答高频问题的核心属性，其余的内容，哪怕再值钱，全砍掉。
比如那个工业传感器的客户，我们把之前灌进去的获奖信息、论坛发言、团建露出全删了，只留三个核心属性：长期测温范围、车间环境防护等级、连续运行的稳定性参数。
调整之后第二周，数据就上来了。
大模型引用这个实体的次数直接翻了3倍，而且引用的内容全是准确的参数，再也没出现过把发言稿当案例的乌龙。
说真的，我之前也觉得知识图谱优化是个拼技术、拼数据量的活儿，直到踩了这堆坑才明白，这根本不是比谁爬的内容多，是比谁敢删内容。
没人会喜欢信息太杂的资料。
你哪怕把整个百科词条的内容全扒进图谱里，只要里面混了三五个和用户核心提问完全不沾边的边角信息，大模型在匹配的时候，第一反应就是把这个实体归为非精准参考源，不会优先抓你的内容。
很多人怕删多了信息不够，实体权重掉。
完全反过来。
你留的信息越准、越和用户的提问路径匹配，系统给你的实体打分越高，大模型越愿意抓你的内容当答案。
说个能直接上手的小动作。
今天下班前，把你负责的实体列表拉出来，对着过去3个月的高频用户提问，一个属性一个属性过：这个属性能不能直接回答用户的某一个高频问题？能留，不能，就删掉。
就这么简单。
不用买贵的工具，不用找爬虫爬一堆没用的内容，就靠删，就能把引用率提上来。
我见过太多团队花了几十万做数据爬取，结果因为舍不得删冗余内容，最后实体在图谱里沉得连影都找不到。
挺可惜的。