跨夜GEO批次的分母又虚了，这次我把盐版本号也盯上了

昨晚又陪一个学生跑了一轮跨夜GEO批次，数据出来我就觉得不对——引用率比白天批次高了将近20%，但内容、模型、提示词一个字没动。

我第一反应不是模型问题，是分母。

先问三个边界问题：

1. ID集交集算干净了吗？
两个批次号称是同一批内容，但ID集交集只对上了91%。剩下9%是新增还是漏采？没人说得清。分母里混进了不该进的东西，引用率当然好看。

2. 盐版本号嵌在哪一位？
这是我这半年最在意的一个细节。盐换了版本，哈希全变，ID看起来是新的，但内容其实是同一份。如果批次ID生成时把盐版本号嵌在固定位，跨版本一比对就能发现重复；如果没嵌，表面上看就是两批独立数据，分母硬生生翻倍。

3. 采样时间和落盘时间用的是哪个时钟？
这次采样戳和落盘戳差了11秒。跨夜批次尤其危险——有人拿出口节点的本地时钟去定义批次边界，跨时区一跑，边界重叠，同一份数据被算进两个批次。这不是精度问题，是定义问题。用出口本地时钟定义批次，本身就是个bug。

我的处理顺序：先锁ASN，再谈批次ID。

ASN不锁，同一个机房出口飘来飘去，你连“同一网络环境下跑的”这个前提都保证不了，批次ID再漂亮也是空中楼阁。锁完ASN，再统一时间源（建议全走UTC，落盘戳为准），最后才去对ID集交集。

按这个顺序校准完，同一份数据的分母从1.4倍缩到了1.03。引用率那20%的“增长”，基本原地蒸发。

说回GEO本身。
我立场没变：GEO有前景，但别神话。前景在于AI搜索的入口价值是真的，神话在于很多人拿一份分母都没校准的报告就去跟老板要预算。从长远看，GEO拼的不是谁跑得快，是谁的数据经得起复盘。分母虚高的报告，续费那天一定会还回来。

所以我想问在座的：你们跑跨夜批次的时候，批次边界是用采样时间还是落盘时间定义的？盐版本号有没有嵌进ID里？如果这两个问题答不上来，先别改模型，先把分母锁死。