同一个问题为什么要重复采样：从截图到可解释测量

单次结果的解释边界

生成式系统并非确定性数据库。即使用户问题相同，检索触发、引用组合和措辞也可能变化，因此不能用一次结果代表稳定表现。

建议保存的运行条件

每个快照需要保留足够的运行信息，才能在复测时判断是否仍然属于同一测量口径。

• 精确问题文本与哈希
• provider、surface 与模型标识
• 国家、语言、时区和运行时间
• 是否触发搜索、来源与重试谱系

报告应该展示 n/N

单题优先报告出现次数，而不是伪精确排名。跨问题汇总时，也应显示样本量、区间和对照变化。