你同一天问了两次，第二次比第一次少提了一截。第一反应是内容出了问题，或者赶紧再改一版页面。先别动。两次结果差，多数时候不是内容变了，是这两次根本不是在同一套条件下问出来的。
平台会限流，会按账号和地域给不同答案，会把上次的答案存着再发一遍，隔一阵又换了模型版本。这四样里只要有一样在两次之间动过，你相减得到的那个差就是假的。数据生成条件没稳，指标变化这句话本身就不成立。
拿到一份对不上的数据，按这个顺序问
三步其实是同一句话的三种问法，先判数据生成条件是否稳定，再谈指标变化。条件那一步容易被跳过，因为它不产生数字，只产生记录。可偏偏少了它，后面两步算得再细也没用。
| 第几步 | 先问的一句 | 不成立就 |
|---|---|---|
| 一 | 这两次的条件是不是同一个 | 条件没记全，先把平台、账号、地域、会话、版本补齐，别急着算差 |
| 二 | 这轮是采全了还是被截断的 | 只留完整轮次重算，被拒和超时的那条不进比较 |
| 三 | 重复的那几条是不是同一份答案 | 按答案指纹去重，再看波动还在不在 |
本站踩过同型的坑
做抓取侧复盘时撞过一模一样的事。4.4 万行访问日志里，状态码字段被序列化成字符串，命中率一栏全显示成零；另一处脚本把已经算好的字典覆盖掉，图上曲线正常，文字全错。还有一次把 301 当成故障报出去，其实那是旧链收口，属转移不是失败。44 组 UA 逐个列开放行，18 种 UA 实测全返回 200，这些数字都真，错的是读法。
后来定了条规矩，凡是要给人看的数字，把渲染后的文字逐项对回原始记录。提问侧同理，只是那边的条件在日志侧之外还多一层。本站尚未开展跨平台提问实测，所以这边只给判断法，不给任何本站取值，别把别处的数字套过来。
别人怎么做，按证据分三档
一档有规范原文或官方口径撑着，可以当依据。2026 年 8 月发布的可信传播团体标准中关于信息生态治理的原则性要求，提到大模型输出本身有随机性，测量要先固定口径；平台也会公布速率限制与使用条款，判断限流按平台现行公布的范围比，不靠猜。这档写文字出处，不加链接。
一档是行业里普遍在做、却拿不出公开验证的。买一套监测工具按分数看趋势，把某一次提问的截图当基线，拿一个平台的答案代表全部。这类只归纳做法，不当依据，不写量化的涨跌幅，不点名任何服务商。
还有一档已经有公开反例或明确争议。公开研究指出同一组提示重复跑，出来的品牌列表高度不稳定，一次截图当不了基线；把抓取活跃直接写成被引用也是这档。抓取稳定只证明技术底座健康，被引用要另做提问实测，这层不能省。
什么时候不必这么做
手上只有一张截图、没有任何逐轮记录的，做到把条件那一步补上就够了，别硬凑三步。拿不到原始响应、只看得见工具合成分数的，四类里大半验不动，先把日志接回来再谈。平台没公布版本与速率说明、账号与地域又固定不住的，重复采样得不到独立样本，看绝对记录比看差值实在。这套判断法只判数据能不能用，不判某个动作有没有用，想证明做法有效得另立实测。
一句话的判断标准
别问两次差了多少，先问这两次是不是同一套条件下生成的。条件对不齐，那个差就不算数，先补齐记录再谈变化。
想把四种情形各配一套识别动作和记录字段，数据不可信的四种情形技术文档给了对照表和可复制的数据可用性检查清单，可以拿自己的记录复算一遍。