跑批前我强制加了个「时区锁」，半夜引用率虚高18%的坑填上了

上周客户甩来一张截图，说竞品在AI回答里出现得比我们多，问是不是我们没做好。我没急着解释，先让他把截图上的问句原文发过来，我这边按批次ID重跑了一遍。结果你猜怎么着？同一个问句，我们上午十点跑引用率是31%，晚上十点跑是12%。差了两倍多，客户当场懵了。

我第一反应是模型更新了，但翻了后台日志发现不对——两次跑批的配置一模一样，问句一字不差，唯一变量是跑批时间戳。我把这个时间差拆开看，发现凌晨到早上六点这个窗口，AI引用我们品牌信源的频率明显偏高。不是模型偏好变了，是那个时段的内容抓取池里，竞品的内容源压根没更新！

这坑我后来查明白了，很多AI搜索的索引刷新是分时段的，不同信源的抓取节奏不一样。你半夜跑，抓到的可能是前一天下午的缓存快照；你下午跑，抓到的才是当天上午的增量。两个时间点的「引用率」根本不在同一个统计口径上。我当时就在跑批流程里加了个「时区锁」：所有对外报数的跑批，必须锁定在同一个时间窗口内完成，跨窗口的数据只做趋势参考，不进对比报表。

具体怎么落地？

第一，跑批配置里强制写死UTC+8的09:00-11:00窗口，超出窗口跑出来的结果自动打上「非对标」标签，不进客户报表。
第二，每个批次必须带「索引新鲜度」字段，跑之前先ping一下目标信源的更新时间戳，超过6小时没更新的直接标黄。
第三，对比报表只认同一窗口内的两批数据，跨天的对比一律加置信区间，别拿单点数字说话。

我拿这套锁跑了三周，引用率波动的标准差从11%降到了3.7%。客户再问「为什么竞品多」，我直接甩同一窗口的三批跑批记录，告诉他「你看到的是不同口径的对比」。

不过这里有个新问题：时区锁把窗口压缩到两小时后，跑批量上不去，有些长尾问句排不进窗口就得等第二天。你们是怎么在「口径一致」和「跑批覆盖量」之间做取舍的？有没有人试过把窗口拉长但加采样权重？求个实测过的方案！