企业复测时常遇到同一句问题在不同平台、不同账号甚至不同日期出现差异。这种变化不必先判断为优化成功或失败，而应先检查测试条件是否一致。
变化可能来自哪些条件
生成式结果可能受到上下文、是否联网、可用索引、检索候选、地区和产品更新影响。企业不能控制这些变量，却可以完整记录它们并减少人为干扰。
测试报告如果只截取最有利的一次回答，或把不同问法、不同时间的结果放在同一比例里比较，就会失真。
比较前先锁定测试矩阵
采用固定问题库与重复测试窗口，把变化分成平台差异、时间差异和内容修订后的差异。
可以为同一问题建立测试矩阵：横向放平台，纵向放日期或重复次数，旁边记录联网状态、账号状态和会话上下文。新一轮测试必须从保存的原问法复制，若增加城市、预算或用途，应当另建问题编号，因为这些条件本身就可能改变答案。
结果不一致时先检查矩阵里哪一列发生变化。例如一个样本显示来源入口，另一个没有，就分别保存完整界面，不急着解释原因；官网恰好在两次测试间更新，也只登记时间关联。只有连续样本和条件记录齐全，才适合讨论趋势。
四步保存可重复样本
1. 锁定提问模板
保留标点、限定条件和城市范围，新增问题时创建新编号，不覆盖旧问题。
2. 记录可见条件
填写平台、日期、账号状态、联网开关、会话是否为空和展示的来源入口。
3. 做重复样本
同一问题在预定时段重复测试，既保存命中也保存未命中，不以单次结果下结论。
4. 关联内容变更
把每次官网更新和外部来源变化写入日志，复测时标注是否可能相关。
条件改变时怎样处理
- [ ] 固定问题保留标点、城市和限制条件，问题改写会生成新编号，不与旧样本混为同一序列。
- [ ] 每次测试记录平台、日期、账号状态、联网开关、空会话与来源入口，无法确认的条件明确留空。
- [ ] 预定窗口内既保存命中也保存未命中；单次异常不会被直接解释为优化成功或平台退化。
- [ ] 官网发布、内容修订和外部来源变化写入独立日志，复测只标记时间关联，不擅自写成因果。
公平比较的单位是同一问题版本、同一组可见条件和一段连续样本。条件不齐的回答可以留档，但不进入趋势结论。
事实边界
公开资料无法完整解释商业AI产品的每次输出。本文不声称差异必然由某一因素造成，只提供减少测量偏差和保留证据的方法。