先给结论：不要追求每次回答完全相同，要追求每次测试都能解释

AI 搜索结果出现差异，并不自动说明某一次测试失败，也不能直接说明页面内容发生了作用。生成式产品的公开界面通常只展示问题、回答和部分来源，模型版本、检索索引、排序策略、会话状态和实验配置并不一定全部可见。因此，一次测试最可靠的产物不是“这次出现了 ZenLeak”，而是一条能回答以下问题的记录：在什么条件下提交了什么问题，页面当时是什么版本，回答中看到了什么来源，哪些判断经过了核查，以及哪些因素仍然未知。

可复测的 GEO 实验也不等于把所有变量都控制住。实际目标是把变量分成三类：操作者能够提前冻结的条件、平台或网络带来的外部变化、以及当前无法观察的未知因素。只要这三类没有混在一起，下一轮即使得到不同回答，也能知道差异应如何记录，而不是凭印象选择更有利的一次结果。

本文的范围

本文讲人工可复测的 AI 搜索观察方法，不提供任何平台的排名公式，也不承诺页面会被检索、引用或推荐。国内平台的样本设计见国内 AI 引用实验方法；回答、来源和页面版本的归档见引用证据归档方法。本文不把构造示例当成真实平台结果。

结果为什么会变化：先拆原因，再谈内容

“同一个问题问两次，回答不同”是一个观察，不是一个原因。原因需要证据支持。测试前可以把可能影响结果的因素列出来，并标注哪些已经固定、哪些只是在界面上可见、哪些无法确认。下表中的“可能影响”不是某个平台公开的完整规则，而是实验设计时需要记录的混杂因素。

因素实验中如何记录不能直接推出什么
产品与模型产品入口、可见模型名、模式和版本；界面没有显示就写“未披露”。不能凭语气、长度或回答风格猜测后台模型版本。
联网与检索记录界面显示的联网、搜索或研究模式；保存来源区域。答案很新不等于已经联网，出现来源也不等于每句话都由来源支持。
索引与来源记录回答生成时间、来源 URL、打开时间和来源页面版本。今天打开的页面内容不能自动证明平台当时读取的就是同一版本。
地区与语言固定时区、界面语言、地区和设备环境，至少写明已知值。一次在某地区看到的结果不能外推到所有地区。
账号与会话记录匿名或登录状态、是否新会话、是否有上一轮追问。同一问题在带有历史上下文的会话中不再是同一测试。
问题文本保存逐字原文、问题集版本、标点和提交顺序。“意思差不多”的问题不能作为严格复测。
观察时间使用含时区时间，区分采集、来源核查和报告发布时间。不同时间的结果变化不能直接归因于页面改稿。

这张表的作用是防止过早归因。例如，页面发布后第一次回答出现了本站链接，第二次没有出现。若两次使用了不同模式、不同会话或不同时间窗口，最多只能报告“两个条件下观察到不同结果”，不能写成“页面优化导致 AI 稳定引用”或“平台取消了对本站的引用”。

冻结测试环境：把能控制的条件写成协议

环境冻结不是把测试做得复杂，而是把下一次测试中最容易被遗忘的条件提前写下来。建议为每一轮实验生成一个版本号，例如 AI-VAR-2026-09-30-W1，并在提交第一道问题前锁定以下字段。实际无法做到的字段不应删除，而应标记为未知或未披露。

协议字段推荐记录变化后的处理
平台对象公司、产品入口、网址、可见模型或模式。入口或模式改变时，建立新测试对象，不覆盖旧记录。
问题集问题 ID、逐字文本、语言、提问顺序和是否允许追问。问题改动超过排版修正时，升高问题集版本。
页面对象目标 URL、canonical、发布时间、修改日期和内容摘要。定义、证据、标题或核心段落改变时，生成新的页面版本。
运行状态联网模式、地区、时区、设备、登录状态和新会话规则。任何已知条件改变，都在报告中单列为新窗口。
时间窗口开始时间、结束时间、时区、轮次编号和复测日期。跨窗口比较时保留原始日期，不把样本合并成一个时间点。
判定规则提及、来源、页面引用、内容采用、准确和完整的定义。规则修订时重新分析旧样本，并保留旧版报告。
未知不是失败

如果界面没有显示具体模型版本、检索时间或地区，写“未披露”或“未知”。不要用“应该是联网”“看起来像某个模型”填补空白。未知值会降低结论强度，但保留未知比制造确定性更有研究价值。

设计重复采样：重复的目的不是凑次数

重复测试是为了观察结果是否在相同协议下稳定出现，而不是为了挑出一条最好的回答。最小设计可以从“同一问题、同一平台、同一窗口重复三次”开始；更稳妥的研究再增加不同日期窗口和多个非品牌问题。每一次提交都保留独立记录，不能只记录一个“出现过”状态。

设计层级最小做法能回答的问题不能回答的问题
同条件重复同一平台、同一问题、独立新会话，连续 3 次。本窗口是否出现明显的回答或来源波动。不能说明平台长期规律或页面带来的因果效果。
时间窗口重复相同协议在 T+0、T+3、T+7 等时间再次测试。观察结果是否随索引和产品状态变化。不能隔离平台内部未披露的所有变化。
页面版本对照冻结旧版和新版，分别测试相同问题与环境。描述两版在指定样本中的差异。少量样本不足以证明改稿造成了变化。
跨平台复制相同问题集应用到多个产品入口，并分别保存证据。比较不同平台在同一研究协议下的可见表现。不能把一个平台的结果外推为行业平均。

三次都没有出现本站，并不等于平台永远不会引用；三次都出现本站，也不等于已经形成稳定流量。报告应该写清楚“重复次数”和“窗口范围”，例如“在 2026-09-30 10:00 至 10:20 的新会话三次提交中，观察到 1 次来源列表出现本站，2 次未出现”。这比“引用率 33%”更不容易被脱离语境误读。

拆分判定维度：不要把一个链接当成 GEO 成功

AI 搜索结果通常同时包含正文、来源卡片、脚注和推荐内容。不同区域的信号不能混为一个分数。建议至少使用以下六个字段，字段值可以是“是、否、未知、不适用”，并保存每个判断的理由。

维度成立条件典型误判
品牌被提及回答正文出现 ZenLeak 或可确认的品牌别名。品牌出现不等于回答读过本站页面，也不等于正面推荐。
出现来源回答显示了来源名称、来源卡片、脚注或可打开链接。来源存在不等于来源支持回答中的全部结论。
页面被引用来源明确指向本站的具体页面 URL，而不只是一个域名。域名出现在来源集合中，却无法对应到具体句子时不能强判。
内容被采用回答使用页面中的独有定义、步骤、数据或限制，并能定位原文。主题相同、通用常识相同或词语相似，不足以证明采用。
引用准确页面能够支持相邻声明，且回答没有扩大范围、改变条件或忽略时间。链接能打开不等于语义支持准确。
回答完整回答覆盖问题核心、适用条件、重要边界和下一步。文字很多、链接很多不等于已经完整回答。

“内容被采用”和“引用准确”尤其需要分开。回答可能准确链接了一个页面，但没有使用该页面的独有内容；也可能复述了页面内容，却把页面只适用于某类网站的建议扩大成所有网站的规则。审核时把回答拆成声明，再逐条关联来源，才能看出差异在哪里。

保存证据包：原始回答、来源和页面版本必须相互可追溯

一张截图只能证明截图里可见的部分，不能单独说明问题原文、完整回答、测试条件和来源版本。每个“平台 × 问题 × 轮次”建议保存一个独立证据包。W3C PROV 将来源信息组织为实体、活动和参与者之间的关系，这个思路适合用来检查 AI 观察是否能从结论回到原件，但不等于任何平台的官方认证。

records/
  AI-VAR-2026-09-30-W1-DP-001/
    record.json              # 平台、问题、时间、条件、状态
    prompt.txt               # 逐字问题原文
    answer.txt               # 完整可见回答
    interface.png            # 来源区域和模式状态
    sources.json             # 来源 URL、打开时间、最终地址
    target-page.json         # 本站 URL、版本和核查摘要
    claim-review.json        # 声明级支持判断与理由
    public-redacted.md       # 对外脱敏副本
    manifest.sha256          # 文件摘要清单

原始采集件、转写件、脱敏件和报告应分层保存，后续修订不能直接覆盖原件。若回答无法复制，可以保留截图并把 OCR 结果标为转写件；如果来源无法访问，记录访问时间、状态和失败原因，不把“打不开”改写成“没有来源”。公开材料还要检查账号信息、私有会话、个人数据、平台条款和第三方内容授权。

字段示例作用
record_idAI-VAR-2026-09-30-W1-001让一次提交和后续判断拥有稳定身份。
observed_at2026-09-30T10:20:00+08:00区分回答观察时间、来源核查时间和报告时间。
prompt_versionquestions-v1.0证明问题没有在看到结果后临时修改。
page_version页面 URL + 修改日期 + 内容摘要避免把旧回答倒推到当前页面。
answer_artifact原文、截图或平台导出文件让审核者回到实际看到的回答。
source_mapping回答第 2 段 → S1 → 页面第 4 节说明来源与声明之间的具体关系。
missing模型版本未披露、来源打不开保留不确定性，避免空值被误读为否。
review判断、理由、审核人、复核时间把人工解释和原始事实分开。

比较不同轮次：先对齐对象，再计算结果

比较前先确认两轮是否真的测试了同一个对象：平台入口、问题版本、页面版本、运行模式和判定规则是否一致。若有一项发生变化，仍然可以比较，但应将它定义为“不同条件下的观察对照”，而不是严格复测。

比较情况推荐写法不应写成
同平台、同问题、同模式，不同日期“两个时间窗口的可见回答存在差异。”“平台改变了引用规则。”
同问题、不同平台“在本协议下，平台 A 和 B 的来源展示不同。”“平台 A 比平台 B 更喜欢本站。”
同平台、不同页面版本“页面版本 V2 在指定样本中的观察结果与 V1 不同。”“V2 一定导致引用提升。”
题目、环境和分母不一致“两组样本不可直接合并，分别报告完成数和缺失数。”“把两轮结果相加计算总体引用率。”

指标必须带分母。假设计划测试 15 个组合，只完成 9 个，其中 2 个出现本站页面链接，应该写“完成 9/15，页面引用 2/9 个已完成组合；其余 6 个未执行或无法审核”，而不是写成“页面引用率 13.3%”并隐藏缺失样本。对于跨窗口研究，最好同时给出计划数、完成数、可判定数、未知数和缺失原因。

解释结果边界：把观察、推断和结论分层

高质量 GEO 研究不是用更肯定的语气包装不确定结果，而是让不同强度的说法对应不同证据。可以把报告中的句子分成三层：事实观察、有限推断和行动建议。

  1. 事实观察。描述界面实际显示的内容，例如“本窗口三次提交中有一次来源列表出现本站具体 URL”。这需要原始回答或截图支持。
  2. 有限推断。说明在当前样本中可能存在的关系，例如“结果在相同问题下出现波动，单次回答不足以证明稳定引用”。这需要重复样本和条件记录支持。
  3. 行动建议。提出下一步，例如“增加下一日期窗口并保留当前页面版本”。建议是编辑判断，不应伪装成平台规则。

下面这些结论通常超出了单次测试能够支持的范围：平台永远不会引用某站、某次改稿一定造成引用、页面被收录就一定会被 AI 采用、出现品牌名就证明平台读取过页面、同一 Token 或同一域名就证明额度属于同一个统计口径。它们若没有额外证据，只能保留为假设。

推荐句式

“在【平台/入口】、【问题版本】、【时间窗口】和【页面版本】条件下，我们观察到【可见事实】。该观察支持【有限范围的判断】，但不能推出【明确排除的更强结论】。下一轮将保持【固定条件】，增加【重复次数或观察窗口】。”

自动化与人工审核：机器做记录，人做判断

自动化适合处理重复、结构化和容易漏记的工作：生成记录 ID、保存含时区时间、校验问题版本、计算文件摘要、检查 URL 是否属于目标站点、汇总计划数与完成数。它不适合在没有证据的情况下自动判断“内容被采用”或“引用准确”。

适合自动化必须人工复核原因
环境字段、时间、问题原文和版本号是否真的使用了联网模式界面状态和平台内部检索不一定完全可见。
来源 URL 提取、跳转记录和 HTTP 状态来源是否支持相邻声明链接可访问不等于语义上相关或准确。
域名匹配、重复 URL 检查和样本计数内容是否被采用主题相同或词语相似不能证明采用了页面独有信息。
缺失字段提醒、SHA-256 和报告目录结论强度与外推范围结论需要结合问题、样本、证据和研究限制。

自动化脚本还应保留原始响应，不能只输出一个布尔值。比如“找到 ZenLeak 域名”可以作为筛选提示，但不能直接写入“页面被引用且引用准确”。人工审核后仍应保存判定理由，便于第二位审核者复核或在规则变更后重新编码。

ZenLeak 实验协议：先建立基线，再观察变化

ZenLeak 当前国内 AI 引用基准使用 5 个国内 AI 平台、12 个固定中文问题和多个观察窗口。这个体系的价值不在于制造一个看起来精确的总分，而在于把问题、平台、环境、回答、来源和缺失样本放进同一个可复核框架。新一轮复测应继续使用已有问题集版本，除非明确建立新版本，不在看到结果后临时替换题目。

对本网站自身页面，建议把“页面发布或更新”与“AI 引用复测”分成两个动作：发布时记录页面版本、来源和内链；复测时固定问题和平台，保存回答原文或截图，再逐条核查来源。这样即使搜索引擎尚未收录、平台没有展示来源或某个组合无法访问，记录仍然有明确状态，不会把技术可访问误写成 AI 已引用。

阶段动作输出
发布前冻结问题集、平台入口、页面版本和判定规则。协议版本、问题清单、页面摘要。
第一窗口按固定顺序提交，保存完整回答、来源和时间。逐条原始记录与缺失原因。
人工审核区分提及、来源、页面、采用、准确和完整。声明级判断、证据位置和审核状态。
重复窗口保持问题和条件，按预定日期重新测试。新记录，不覆盖旧记录。
发布报告公开分母、完成度、未知值、限制和下一轮计划。可读报告、脱敏证据包和机器可读索引。

这个流程适合用来研究页面可理解性，但不能替代搜索引擎收录、服务器抓取或站长平台数据。AI 回答出现本站来源，只是引用观察的一部分；页面仍需单独检查 HTTP、robots、canonical、sitemap、索引状态和真实抓取证据。

常见问题

同一个问题问三次，答案不同，说明模型不可靠吗？

不能仅凭三次差异得出这个结论。你可以说在指定条件下观察到了回答波动；要评价可靠性，还需要预先定义任务、正确性标准、样本量和审核方法。

出现了 ZenLeak 链接，就算 GEO 成功了吗？

不算。它最多证明本次回答的可见来源中出现了本站具体 URL。还要核查页面是否支持相邻声明、回答是否采用了页面内容，以及结果是否能在后续窗口重复出现。

可以把同一平台的不同模式合并统计吗？

只有在研究协议明确把它们定义为同一观察对象，并且条件和判定规则一致时才可以。更稳妥的做法是先按产品入口和模式分别统计，再说明是否具有可比性。

如果平台没有显示模型版本，应该怎么填？

填写“未披露”或“未知”，并保留界面证据。不要根据回答风格猜模型，也不要为了让表格完整而填入未经确认的版本号。

页面更新后，旧的 AI 回答还有效吗？

旧回答仍然是旧窗口的观察，但不能直接代表新页面版本。页面更新后应生成新的版本标识，保留旧记录，并用相同问题和条件开展新一轮测试。

自动脚本能不能直接判断引用准确？

脚本可以提取来源、定位 URL 和提醒缺失，但引用准确涉及声明与页面内容的语义关系，通常需要人工审核并保存理由。

复测前检查清单

  • 平台入口、模式、可见模型版本和联网状态已记录，未披露字段没有猜测。
  • 问题原文、问题集版本、语言、地区、时区、账号和会话规则已冻结。
  • 本站页面的 canonical、发布时间、修改日期和内容版本已保存。
  • 每次提交都有独立记录 ID、含时区时间和完整回答原件。
  • 来源 URL、最终地址、打开时间、响应状态和回答中的位置均可追溯。
  • 品牌提及、来源出现、页面引用、内容采用、引用准确和回答完整分别记录。
  • 无法访问、未执行、未披露和未知没有被自动改成“否”。
  • 重复次数、观察窗口、计划数、完成数和各类分母已写入报告。
  • 自动化结果经过人工审核，原始回答没有被摘要或脱敏副本覆盖。
  • 结论只描述当前样本，并明确不能推出的平台规律、因果关系和长期排名。