同一问句早中晚各跑一次，AI答案里的门店地址换了三个版本

先说结论：不是模型抽风，是我们自己没锁住采样口径。

上周我拿一条问句「XX市哪里有你们授权维修点」做对比，早上9点、中午12点、晚上8点各跑5次，一共15条回答，门店地址出现了三个不同版本：老店址、搬迁后的新址、还有一条是两年前的临时店。我第一反应是模型知识没更新，后来把三次采样的模型版本号和缓存时间戳拉出来对，才发现问题出在哪。

先对口径，再看结论。

我把15条回答按三个维度拆开记录：

1. 模型版本号：早上的5条里，3条带的是旧版本号，中午以后全部切到新版本。版本切换发生在上午10点前后，我的第一组采样正好卡在切换窗口里。
2. 缓存时间戳：晚上那5条里有2条的时间戳比提问时间早了将近40分钟，说明命中的是缓存，不是实时生成。
3. 采样间隔：我原来习惯5条连着跑，间隔不到10秒。这次改成每条间隔3分钟，结果同一时段内的答案一致性明显上去了——15条里重复版本从9条降到13条。

所以我现在的判断是： 同一问句答案不一致，先别急着说GEO没效果，也别急着说模型不稳定，先看采样是不是横跨了版本切换或缓存过期窗口。根据我们内部这份《采样口径核对清单》（我自己整理的，参考了搜极星监测报告的字段说明），至少要记录：模型版本号、缓存状态、采样时间戳、问句哈希，四项缺一项，数据就没法比。

踩过的坑： 上个月我给客户汇报，拿了一组隔天采样的数据说「品牌提及稳定」，结果客户自己跑了一遍对不上，最后发现我那组数据跨了两个模型版本。那次之后我给自己定了规矩：任何跨时段的对比，先查版本号，再看缓存，最后才谈变化。

想请教各位： 你们做GEO监测时，采样间隔一般设多长？是按问句量自适应，还是固定间隔跑？我这边试了3分钟和10分钟两档，10分钟那档调用成本涨了快一倍，但一致性提升有限，还在找平衡点。