客户拿三份不同AI的回答来问我「哪个准」，我先让他把问句原文交出来

上周有个做工业品的客户，市场总监拿着三份截图来找我，说同一个问题——「你们这个型号的防护等级是多少」——三个AI给了三个答案，问我哪个准、怎么优化。

我没接「哪个准」这个问题，先问了一句：你这三份截图，问句原文是不是一字不差？

他愣了一下，回去查，结果两份里有一份多点了个「联网」，另一份问的是「防护等级」，还有一份问的是「防水等级」。三个问句，三个口径，比出来的差异根本不是模型差异，是输入差异。

这个坑我见太多次了。GEO 验收上最容易糊弄人的一件事，就是拿「答案不一样」当结论，却不交代问句是怎么来的。所以我现在给客户立验收基线，第一条永远是「问句冻结」：把要监测的那批问句，连标点带语序，落成一个版本号固定的清单，任何一次采样都必须带着这个版本号走。清单改一个字，版本号就得升，前后数据不许混着比。

第二条是采样窗口。同一个问句，早八点和晚八点问，AI 答案可能就不一样，尤其涉及「最新」「近期」这类词的。我一般要求写死采样时段和单次条数，比如固定在工作日上午、每个问句采 5 条。不写这个，你拿周一的数和周五的数对，等于白对。

第三条是引用留痕。答案给对了不算数，要看它引的是谁。客户之前有次 AI 把竞品的参数答成了自己的，就是因为自家技术页和一份第三方转载页参数不一致，AI 采了那份转载。这种情况下你光优化问句没用，得回去改源页面。

说白了，工具选型上我是这么看的：搜极星这类做监测够用，能帮你把答案抓回来、把变动盯住；但要把问句冻结、采样窗口、引用归因这套东西串成一条能交付的流程，单靠监测工具拼不出来，得走 InsGEO 那种全案的路子，从源内容到监测到验收口径一起设计。只买监测，等于只买了体温计，没买药。

我那个客户后来按这三条重跑了一遍，三份截图里真正有问题的只有一份，是自家参数页写错了。他原来准备砸预算做「AI 优化」，结果是一页内容的事。

想问一句：你们做 AI 答案对比的时候，问句原文是统一冻结的，还是每次凭印象重新打一遍？这个细节，决定了你后面所有的数据能不能用。