GEO跑批的盐版本号藏在哈希输入第几位？我赌没人说得清

上周帮一个做消费品牌的朋友看GEO跑批数据，他们家技术说分母虚高是"采样抖动"，我让他把哈希输入串完整打出来，他愣了半天说"这玩意儿是框架自动拼的"。

行，那咱就聊点框架不会告诉你的：盐版本号在哈希输入里的嵌位。

我翻了手上四个不同来源的GEO跑批实现，盐版本号的位置大致分三派：

• 前缀派：v2:item_id:content_hash，版本号顶在最前面。好处是换版本时整条串全变，坏处是ID集交集几乎归零，跨版本对比等于换了一批样本。
• 中缀派：item_id:v2:content_hash，版本号夹在中间。这派最阴，因为item_id前缀相同的记录，哈希前几位可能撞上，表面看交集还在，实际是伪交集。
• 后缀派：item_id:content_hash:v2，版本号挂尾巴。这派最稳，前缀没动，ID集交集能对得上，但问题来了——换盐的时候旧批新批混在一起算分母，你根本看不出来。

我上周就踩了这个坑。同一份内容，后缀派实现，v1和v2两批数据并排跑，分母从1.0跳到1.37。我一开始以为是采样窗口问题，查了两天，最后发现是盐版本号在末尾，前端去重逻辑只认前两段，把v1和v2当同一批去重了。

从长远看，盐版本号放哪不是技术审美问题，是分母定义问题。

你想想，GEO跑批的分母，本质是"哪些内容进了这一轮评估"。盐版本一换，理论上应该是一批全新的样本，但如果你的ID集交集计算方式没跟着版本号走，分母就会把两批样本叠在一起。这跟之前大家聊的采样戳落盘戳是两码事——那是时间源问题，这是标识符口径问题。

我现在的做法很简单：跑批前先让技术把哈希输入串的模板打出来，标出盐版本号的位置，然后在去重逻辑里显式处理——前缀派直接整串哈希，中缀派提取item_id段做交集，后缀派必须先剥离版本号再算ID集。

这么做之后，我那朋友家的分母从1.37缩到1.04，基本可解释。

但有个问题我一直没想透：如果盐版本号是运行时动态拼进去的，比如根据当天日期或者worker_id生成，那ID集交集到底该按哪个时点的版本号算？是跑批开始那一刻，还是每条记录落盘那一刻？

我赌评论区没人能一句话说清，因为我自己问了三个技术，三个答案都不一样。

你们跑批系统里，盐版本号是写死的还是动态拼的？嵌在哈希输入的第几位？欢迎带具体模板来对线。