如何验收 GEO 交付：同时检查样本、引用和内容版本

收到一组 AI 推荐截图，很难直接评价服务效果。至少还缺三类信息：问题是怎样选的，没成功的回答有多少，截图中的介绍是否正确。

下面讨论一份验收记录可以包含什么。它是方案建议，不代表已实现的系统。

固定样本口径

把平台与问题原文组成一个测试单元，提前约定重复次数、测试时段和判定方法。执行中若修改问题或检索条件，应留下记录，不把新旧结果直接并在一起。

重复测试只是减少依赖单次截图，并不自动保证统计代表性。问题如何选取，仍决定结果能说明多大范围。

将“出现”和“准确”分开

建议分别记录品牌是否出现、是否有引用、关键事实是否正确。

例如，品牌出现在答案里，但产品参数错误，不宜只记成成功。网络失败或平台未返回回答，也应单独记状态，不当作一次普通的未提及。

若计算提及率，可将其定义为“提及品牌的有效回答数／有效回答总数”。有效回答的条件须预先确定，失败请求另报数量。事实准确率则应说明检查了哪些事实、如何处理无法判断的项目，避免不同项目使用相同名称却计算不同内容。

保存能复查的上下文

涉及账户信息、客户资料时，应脱敏并控制访问，不为追溯而公开敏感信息。

对问题记录逐条复查

如果模型说错了参数，先查引用页面，再查页面所依据的产品版本。纠正后保留复测记录，报告已解决和仍存在的问题。

不要把复测成功的截图覆盖原失败样本。前后记录都保留，才能知道改了哪里、在哪些测试中观察到变化。观察到改善，也不能仅凭时间先后就证明某一项动作产生了全部效果。

作者实际采用这套方案后，可补充一条脱敏的错误定位过程和复测记录。没有实际记录时，文章应继续以“验收设计”呈现。