同一批问句跑纽约和上海，AI引用差了四成，我查了时区才发现问题

上周把同一批 200 条问句，在纽约和上海各跑了一遍，结果引用率差了将近四成。纽约那边 68%，上海只有 42%。

第一反应是模型差异，但两边用的都是同一个模型版本。我把两边日志拉出来对了一遍，发现上海这边的采样时间戳全部落在 UTC+8 的凌晨 0 点到 6 点之间——那个时间段我们的内容更新任务根本还没跑完，AI 抓到的全是上一版页面。

这个 case 很有 insight：不是模型不行，是采样窗口和内容更新时间没对齐。

后来我做了三件事：

第一，把 UTC 日志和本地时间统一成一套基准。 之前运维给的日志是 UTC，营销这边看的是北京时间，两边对时间全靠人算，一错就是一整批数据。现在所有跑批记录、内容发布时间、引用日志全部强制用 UTC 打标，谁也别再手动换算。

第二，把采样粒度从「一天一次」改成「按内容更新批次触发」。 之前是每天固定时间跑，但内容更新是异步的，经常出现「跑批的时候新版本还没上线」这种错位。现在改成内容发布后 2 小时内触发采样，批次 ID 和内容版本号绑定，哪个版本对应哪次采样一目了然。

第三，验收窗口写进合同。 我和供应商重新谈了一轮，把「采样时间窗必须覆盖内容发布后 24 小时内」写成了硬条款，不达标的不计入验收数据。之前他们拿半夜的脏数据凑数，分母里混了一堆无效样本，现在这批数据我直接剔掉。

说句实在话，GEO 在国外跑得早，这些口径问题人家早就踩过一遍了。国内很多团队还在拿「跑批次数」当 KPI，但跑批时间不对，跑十次也是白跑。

有个细节值得注意：不同时区的用户问同样的问题，AI 给的答案可能因为采样时间不同而完全不同。这不是内容质量问题，是数据采集的工程问题。

所以我现在看任何 GEO 报告，第一眼先看采样时间戳和内容版本号对不对得上。对不上，数据再好看我也不认。

你们跑批的时候，采样窗口和内容更新时间是怎么对齐的？有没有人试过按时区分别设定采样策略？