跑批日志里AI把同一问句拆成三种意图，我差点把口径写错

大佬们，求指点一下。昨天跑一批「GEO入门」相关的问句，一共200条，我按之前定的口径先把「AI引用」定义成「答案里出现品牌名或官网链接就算一次引用」。结果翻日志的时候发现一个事：同一条问句「GEO怎么做入门」，AI在三个时间点给出的答案结构完全不一样——第一次是清单式回答，引了我们官网的入门指南；第二次变成对比式，引了第三方博客；第三次直接说「这个问题没有标准答案」，一条引用都没有。

我一开始以为是模型波动，后来把日志按「追问深度」拆开看才反应过来：第一次是首问，第二次是用户追问了一句「那我该先学什么」，第三次是追问了「有没有反例」。也就是说，同一个问句在不同的追问层级下，AI的意图判断是三种不同的东西。我之前的跑批口径把这三层混在一起算引用率，第一跳的引用率被后面两跳稀释了，数据根本没法看。

我现在改成先固定三个口径：

1. 首问引用率 = 首问答案里有品牌引用的条数 / 首问总条数；
2. 追问引用率 = 追问层级≥1的答案里有品牌引用的条数 / 追问总条数；
3. 不管第几跳，答案里出现品牌名但没给链接的，单独标「弱引用」，不混进强引用里。

改完重跑，首问引用率是38%，追问引用率只有11%，差了快三倍半。要是按原来混着算，整体引用率大概25%左右，看起来还行，但实际首问的占位是够的，追问环节基本在丢阵地。这跟我之前看别人说的「第一跳引用率不能直接当KPI」对上了，但我更想知道的是：追问环节的引用率低，到底是内容深度不够，还是AI在追问时更倾向引第三方？

我现在卡在归因上：我拿不到AI的检索日志，只能从答案的引用链接反推。大佬们有没有试过用「追问层级」做分层跑批的？你们的分母是怎么定的，是按问句条数算，还是按对话轮次算？求大佬指点。