你有没有试过给AI发“我上周去Apple买了个新手机”，结果它给你推了一堆苹果果树种植的教程？这就是没做好实体链接与消歧的典型乌龙。
到底啥场景下离不开这俩能力
日常大家用的智能搜索、政务问答、企业知识库，本质上都要靠这层能力兜底。
举个日常大家常碰到的例子——你在本地生活平台搜“西湖边的龙井”。
如果没有消歧，系统可能直接把西湖的景区介绍、龙井茶的通用科普全堆给你。但做好实体链接与消歧的系统，会先判断你说的“龙井”是指西湖周边的龙井村景区，还是明前龙井茶叶，匹配对应实体库的条目，再给出结果。
有意思的是，很多人觉得这是大模型天生带的能力。
其实从实操角度看，哪怕是参数规模较大的通用模型，脱离了结构化实体库做链接，碰到多义词照样会闹笑话。
真的离谱。
实操里容易踩的几个坑
很多人做第一版的时候，容易把消歧做成“硬匹配关键词”。
比如碰到“苹果发布了新款Vision Pro”，如果系统只抓“苹果”两个字匹配实体，很容易把水果品类的条目拉进来。通常靠谱的做法，是结合上下文的共现词、用户的历史搜索偏好做加权判断。
要留意的是，实体库的更新频率直接影响消歧准确率。比如去年刚开的新商圈、刚成立的新公司，如果实体库没及时收录，哪怕上下文写得再清楚，系统也找不到对应的链接目标。
据一些用户反馈，很多团队一开始做实体链接，会贪多求全把所有百科条目全塞进库，结果反而因为重复、冲突的条目太多，消歧准确率出现明显下滑。
别把它和语义搜索混为一谈
经常有人把实体链接与消歧和语义搜索划等号，其实两者的边界很清晰。
语义搜索更多是理解整句话的语义倾向，而实体链接是把文本里提到的具体事物，尽可能精准地对应到现实世界里可追溯的实体上——比如对应到具体的某家门店、某一款产品、某一个公众人物的专属条目，而不是泛泛的概念。
现在很多行业的知识库建设，已经把这部分能力做成了独立的模块，不会全靠大模型自己“脑补”。
您在实际使用智能系统的过程中，还碰到过哪些实体认错的乌龙？欢迎结合具体场景继续探讨。
