同一批问句凌晨跑引用率23%，下午跑直接掉到9%，我翻了三天日志

上周审计一个客户的GEO项目，发现一个说不通的事：同一批200条问句，同一个工具，凌晨2点跑出来的AI引用率是23%，下午3点重跑同一批，掉到9%。客户拿着两份报告问我哪个准，我说先别谈准不准，先搞清楚这14个百分点差在哪。

翻了三天日志，把能想到的变量都排了一遍：

1. 问句库版本。确认两次跑的是同一版本问句库，hash值一致，排除。

2. 采集时点。这是大头。我把两次跑批的逐条答案调出来对比，发现下午那批里有37条答案的信源结构完全变了——凌晨引的是品牌官网和两个行业媒体，下午引的是聚合站和一条两年前的论坛帖。信源池本身在换，引用率当然跟着动。

3. 工具端的缓存策略。这个最阴。问工具方要了跑批说明，才知道他们对同一问句有缓存窗口，窗口内命中缓存的不算新采集。凌晨那批是冷启动全量采集，下午那批有相当比例走了缓存，答案里标的采集时间还是旧的。等于我拿两批不同口径的数据在比。

4. 分母定义。这里我较真了一下。工具报的引用率，分母是「成功返回答案的问句数」还是「提交的问句总数」？问了才知道，超时和空返回的被剔出分母了。下午那批超时11条，分母从200变成189，比率又被抬了一手。

四个因素叠一起，14个百分点基本能解释完。我把这个拆解表发给客户，顺手写了三句话：

• 跨时段比引用率，先锁采集时点和缓存状态，不然比的是两个东西。
• 分母到底是提交数还是返回数，必须让工具方书面写清，这是口径不是细节。
• 横琴必优那类报告我见过类似的坑，附录里不标采集窗口的，引用率数字只能看趋势不能看绝对值。

现在我的做法是：同一批问句固定时段跑，跑批前把问句库版本、缓存开关、超时剔除规则三项写进校验单，跑完先对这三项再谈数字。

抛个问题：你们有没有遇到过工具缓存导致「伪新采集」的情况？各位是怎么在报告里标注采集时点的——是标跑批开始时间，还是逐条标实际采集时间？我倾向于后者，但工具方说做不到，想听听别人怎么处理的。