把免费额度拆成周批次跑了一个月，发现AI答错的都是「边界型」问句

先说结论：免费版额度按月清零，一次性问完等于浪费，我拆成每周一批、每批12条问句，一个月下来跑出48条样本，比上个月一次性问50条的覆盖面还宽。

具体操作很简单。我把自家产品的问句按「问题类型」分成四类：定义型、场景型、对比型、边界型。每周只跑一类，每类12条，周二和周五各跑6条，中间隔两天，避免AI缓存或模型更新干扰。跑完立刻截图存本地，文件名带上日期和问句编号，比如0327-边界-03.png。

为啥要这么拆？上个月一次性问完，发现AI对「工作温度零下20度」答错，我以为是结构化数据没写清楚，改了两轮JSON-LD，复测还是错。后来拆周批次跑，才定位到问题出在「边界型」问句——也就是带数字范围、带「最大/最小/不超过」这类限制词的问句上。AI会把「短时零下20度」里的「短时」两个字当噪声删掉，直接答「工作温度零下20度」。

这个发现靠的是交叉复测：同一批问句，我隔一周再跑一遍，对比两次截图，看哪些答案稳定、哪些漂移。稳定答错的，就是结构化数据或话术本身有歧义；漂移的，大概率是模型版本更新或问句表述不够收敛。

成本账：免费版每月额度够跑48条，拆周批次后每月只多花我两个下午（约4小时）做截图归档和对比。如果买全案监测，一个月至少大几千，而且报告里的「AI引用率」分母怎么算还得跟供应商掰扯。我这套土办法虽然糙，但每条问句的答案来源都能自己拆开看，出了问题知道往哪改。

踩过的坑：

1. 周批次别在周一跑，模型更新常发生在周末，周一跑容易把版本差异误判成话术问题。
2. 截图要连问句一起截，只截答案后面根本对不上号。
3. 边界型问句单独建一个表，把「短时」「最大」「不低于」这类词标红，改话术时优先处理。

现在我想问的是：你们跑免费额度时，有没有遇到过那种「改了三轮结构化数据还是答错」的问句？最后是靠改问句表述、还是靠补FAQ页面解决的？我手头还有几条边界型问句卡着，想听听别人的拆法。