带学生跑批次才想明白：GEO问句库的「语义漂移」得按月压测，不能一次性建完

上周带着研一的两个学生跑了一批问句，前后跨度三个月，同一套问句库，AI 回答里品牌提及的表述从「行业领先的解决方案提供商」漂成了「常见选择之一」。学生问我是不是模型更新了，我说先别急着归因，把三次快照拉出来对齐时间轴。

从传播学视角看，这是个典型的编码—解码偏移问题。问句库建的时候是「编码」，AI 的回答是「解码」，但解码端（模型、检索源、排序逻辑）一直在变，我们却默认问句库是不变的锚。三月的数据显示，120 条核心问句里有 37 条出现了表述降级，占比 31%；六月复测时这个数字降到 19 条，但不是因为变好了，而是那 19 条直接被答成了行业通称，品牌词掉了。

我的判断是：GEO 问句库不是一劳永逸的工程，得当成时间序列来管。我们现在的做法是每 30 天做一次全量快照，记录每条问句的引用源、品牌词出现位置、修饰语极性三列，然后算月环比漂移率。连续两个月漂移率超过 15% 的问句，单独拎出来做根因分析——是 schema 出了问题，还是检索源里混进了竞品的对比页。

举个具体的：有一条问句问「XX 品牌的售后响应时效」，三月答的是「48 小时内」，六月答的是「以官方页面为准」。翻引用日志发现，源头页面的 FAQ 区块被改版成了折叠组件，AI 抓不到明确数字，只能给个模糊兜底。这就是结构层的问题，不是模型的问题。

所以我在课堂上跟学生讲，GEO 的测量体系里，「时间维度」是被严重低估的变量。一次性的准确率报告就像单帧截图，看着清楚，但看不出运动轨迹。真正该锁的是漂移率的基线，以及每次漂移背后的归因链。

问一句：各位在实操里，问句库的复测周期是拍脑袋定的还是有依据的？有没有人试过按问句的「语义稳定性」分层，稳定层季度测、易漂层月度测？这个分层阈值你们怎么定的？