跑批脚本跑了三天才发现「引用来源」字段存的是域名不是URL，样本全废

求大佬指点，今天这个坑不吐不快，可能也有新手跟我一样栽在字段定义上。

先说背景。我们组在做一个GEO入门项目的基线测量，目标很简单：看我们客户品牌在AI搜索结果里的「引用位置」分布——就是品牌被提到时，是在答案开头、中间还是结尾。我写了跑批脚本，从后台日志里把每条AI答案的「引用位置」和「引用来源」两个字段导出来，跑了三天，样本大概1200条。

问题出在「引用来源」上。我一直以为这个字段存的是被引用页面的完整URL，结果今天随手点开一条日志核对，发现它存的是域名，比如 example.com，而不是 example.com/product/xxx。这意味着我前面按URL做的归因全歪了——同一个域名下不同页面的引用，在我这里全被合并成了一个来源。

更麻烦的是，我拿「引用位置」和「引用来源」做交叉分析的时候，发现有些记录里位置标的是「开头」，但来源域名对应的页面内容明明是产品规格页，按常理AI不会把规格页放开头。我怀疑是跑批脚本在解析JSON的时候，把嵌套的citation数组顺序搞乱了，位置字段取的是数组下标而不是实际渲染顺序。

现在回头想，我踩了两个坑：

1. 没先固定字段口径就开跑。 我应该在跑批前把「引用位置」和「引用来源」两个字段的定义、取值范围、单位写成一张小卡片，跟技术确认一遍。结果我是跑完才去翻文档，发现文档里写的是「来源标识」，没说是域名还是URL，我自己脑补成了URL。

1. 样本量上来之前没做小样本对账。 其实前50条我手动点开过几条，但只看了「引用位置」，没交叉验证「引用来源」。如果当时抽10条把两个字段都点开对一遍，三天时间就省下来了。

现在的补救方案是：重新导原始日志，把「引用来源」的域名和路径分开存两个字段，然后拿20条样本手动标注「引用位置」的真值，跟脚本跑出来的结果对一遍，算个准确率。如果准确率低于90%，说明解析逻辑有问题，得回去改脚本。

求大佬指点：你们跑批前一般怎么固定字段口径？有没有那种「字段定义清单」的模板可以抄一下？另外，「引用位置」这种跟渲染顺序相关的字段，你们是从日志的哪个层级取的，是citation数组下标还是另外有渲染序号？我这边日志里两个都有，但值对不上，不知道该信哪个。