GEO合同里不写「采样粒度」，验收时AI答10次有7次对不上版

上周跟一家国内SaaS客户过GEO验收条款，对方运营总监拍着胸脯说「我们每天跑三次问句，覆盖率肯定够」。我让他把过去两周的原始日志拉出来，按小时切分再看——同一个问句「XX系统支持私有化部署吗」，早上8点答「支持，需额外付费」，下午3点答「暂不支持」，晚上9点又变成「请联系销售确认」。三次采样全落在不同时段，分母都没锁死，这rate值谁敢往环比表里填？

这个case很有insight。在纽约做快消客户时，我们跟AI监测供应商的合同里专门有一条：采样粒度必须写到「同一问句在固定时间窗内重复N次，且N≥5，取多数答案作为该时段基准」。当时觉得啰嗦，后来发现这是唯一能挡住「AI答案漂移」扯皮的办法。国内现在很多GEO服务商报价单上只写「每日监测频次」，不写时间窗和重复次数，验收时甲方说「你答错了」，乙方说「你采样时间不对」，来回拉锯两个月。

我的判断依据很直接：AI答案不是静态页面，它受模型版本、检索索引、甚至prompt上下文长度影响。你不把采样粒度写进合同，就等于把解释权让给了对方。我现在的做法是三条前置：第一，合同附件里锁定问句集和采样时间窗（比如工作日9-11点、14-16点各跑一轮，每轮重复5次）；第二，要求服务商提供每次采样的批次ID和模型版本号，缺一项该批次作废；第三，验收指标用「时段多数答案一致率」而不是「单次命中率」，分母写死再谈分子。

踩过的坑也分享一下：有个客户为了省钱，让服务商按「随机时段」采样，结果AI在凌晨低负载时答案更「自信」，白天高并发时反而保守。你拿凌晨的数据做归因，等于用非营业时间的样本推营业时间的因果，这个逻辑我是不认的。

所以问题抛给大家：你们在GEO合同或验收单里，采样粒度具体怎么写的？有没有人试过把「模型版本变更即触发重新基线」写进条款？评论区聊聊，我想看看国内现在实操到哪一步了。