凌晨两点翻AI日志：同一批问句采样间隔差5分钟，引用结果就能差出两成

昨晚又是两点多，本来想跑完最后一批问句就睡，结果一拉日志发现不对劲——同一批20条问句，我分两个采样窗口跑，间隔就差5分钟，AI引用的来源居然差了快两成。

先说背景。我们在给一个本地服务类客户做GEO试点，问句库固定50条，分三组：品牌词、品类词、场景词。之前我一直以为只要问句不变，AI答案就该稳如老狗。直到上周做「口径复核」的时候，我把同一批问句在23:50和23:55各跑了一遍，拿回来一对比，直接给我整不会了。

具体数据：

• 品牌词那组，引用官网的比例从62%掉到48%，掉的那部分全跑到一个第三方测评站去了。
• 场景词那组更离谱，同一个问题「XX服务哪家靠谱」，23:50的答案引用的是本地生活号，23:55的答案引用的是企业黄页。
• 品类词相对稳，但引用段落的位置从第二段挪到了第四段。

我一开始以为是模型随机性，但翻完日志发现不是。这两次采样的时间戳差5分钟，刚好跨了一个整点。我怀疑是采样时段跟某些内容平台的抓取/更新节奏撞上了，导致模型检索到的候选池不一样。也就是说，我们平时验收报告里写的「同一问句答案可复现」，在跨时段采样时根本站不住脚。

这件事让我把之前写的验收单又改了一版。原来的三条硬指标是：问句固定、采样次数固定、答案段落位置固定。现在得加一条：采样时段必须锁死在同一个整点窗口内，跨窗口的数据不能直接对比。不然客户拿两份报告来问我「为什么昨天说官网占比高今天又低了」，我拿头解释。

另外我还发现一个坑：我们用的监测工具默认按「自然时间」采样，但AI检索的索引更新时间未必是自然时间。有些平台的索引是分批更新的，你刚好卡在更新间隙采样，拿到的就是半新半旧的结果。这个口径不写清楚，GEO报告就是自嗨。

说真的，创业公司搞GEO，预算本来就紧，每一分钱都得花在能验证的地方。采样口径这种细节，不自己熬夜拆日志根本发现不了。不搞GEO等死吗？但搞了不较真，等于白搞。

问一句：你们做GEO监测的时候，采样时段是怎么锁的？是按自然整点、还是按目标平台的索引更新节奏来？有没有人试过把采样间隔压到1分钟以内看波动？评论区聊聊，我今晚继续跑批。