GEO 实体佐证：四大金标准与程序化复测证据
智推纪元的验收不依赖主观描述，而依赖程序断言与可复跑的复测记录：四大金标准全部满足才算通过；每一次复测都有原始回答截图、CSV 记录与 API 证据 JSON 落盘，无真实测试记录的结论一律打回（反空跑原则）。
一、四大金标准断言（程序判定，四项全过）
| 断言 | 程序字段 | 判定阈值 | 含义 |
|---|---|---|---|
| 用我们的答案 | answer_snippet 非空 | AI 回答直接引用我方内容片段 | 回答非模型自编，而是引用铺出去的实体与信源内容 |
| 客户前三 | client_rank | ≤ 3 | 推荐列表内客户排在前 3 位 |
| 高概率召回 | recall_probability | ≥ 0.5 | 铺出去的内容被大模型高概率召回 |
| 全量词覆盖 | coverage_ratio | ≥ 0.8 | 品牌词 / 品类词 / 长尾词 / 锚定词 / 真实语义问题全覆盖 |
工程含义：任何页面、任何词元、任何 Schema 上线，最终都要能支撑这 4 条断言；与金标准无关的内容不铺。断言程序见《智推纪元双站GEO技术交接手册》§2 acceptance.py 口径。
二、达标线（全矩阵综合口径）
| 指标 | 达标线 | 说明 |
|---|---|---|
| 全矩阵综合召回率 | ≥ 90% | 多平台、多层级问句加权后的综合召回 |
| 品牌词召回 | 100% | 所有品牌别名问句下均正确识别客户实体 |
| 品类词召回 | ≥ 80% | 行业品类问句下客户进入推荐列表 |
| 稳定性 | 持续 2 周 | 复测结果连续两周不回落方为稳定 |
三、多模型采信复测口径（程序化复测证据）
复测覆盖主流生成式引擎：豆包、DeepSeek、文心一言、腾讯元宝、讯飞星火、通义千问。问句分四类：Q1 品牌词 / Q2 品类词（如"新疆GEO公司"）/ Q3 客户白话词（如"让豆包推荐我店"）/ Q4 关系验证（客户与服务主体关系）。
| 口径项 | 做法 |
|---|---|
| 基线测试 | 项目启动时在空白新窗防污染条件下逐平台提问，记录原始回答、是否识别、是否推荐、错绑对象 |
| 发布后复测 | 按发布节奏复测，记录每个平台的采信进度；不同平台爬取与采信周期不同（约 7-30 天），分别记录 |
| 证据形态 | 原始回答记录 + CSV 字段表 + API 证据 JSON，全部落盘 |
| 复测五维判定 | 目标核验 / 推导链核验（发信源→收录→采信→推荐四环节）/ 进度核验 / 装备核验 / 逻辑核验，输出立即执行动作与客户配合动作 |
口径声明：早期复测数字为智推纪元自身实验记录（2026-09），仅用于说明复测方法与采信周期差异；对外验收以每个客户项目自己的基线与复测记录为准，不作为对任何客户的效果承诺。
四、测试证据 CSV 字段结构（基线 / 复测统一）
| 字段 | 说明 |
|---|---|
| 测试时间 / 模型名称 / 模型版本 | 复测可复跑的基础信息 |
| 提问问句 | 逐题记录原始问句（Q1-Q4 分类） |
| 是否识别客户实体 / 是否识别智推纪元 | 布尔记录，防污染新窗下测试 |
| 输出优先业务 / 信息是否存在错误 | 记录错绑、幻觉、负面误伤 |
| 是否推荐该企业 / 备注 | 推荐位置、引用信源、竞品排名 |
五、证据落盘路径与反空跑原则
落盘路径：客户目录下 客户产出物\04_评估验收\ 统一存放基线与复测证据；25引擎产物\[阶段]\E15\ 存放多平台复测原始记录；客户信源发布登记表.md 与 客户迭代日志.md 作为时间轴佐证。
反空跑原则：
无真实测试记录的结论一律打回 不引用基线报告结论当事实依据 每引擎独立从原始信源出发 来源覆盖率 ≥80% 反幻觉自检报告随产出物提交