为什么不存在 prompt 量级？可以用什么替代它？

有三个问题能把一个诚实的代理指标和一件装饰品分开，而任何厂商只要手上真有数据集，都能各用一句话答完。分母是什么：哪个引擎上的 prompt，哪个时间窗？样本组是什么：谁的行为，多少人，怎么招募的？日期是哪天，毕竟这些系统按月在变？一个说“我们用这条 prompt 所映射到的关键词的搜索量来估计它的需求，测于 2026 年 6 月”的供应商，卖的是一个代理指标，那是正当的产品。失败的不是代理指标本身，而是在它旁边印上量级这个词，让一位创业者围绕一个误差无界的数字规划一个季度。

疑问形式活了下来，而且它是这个领域里被交叉印证得最好的结构性发现。在一项覆盖 55,393 条热门查询、于 2026 年 3 月 13 日至 4 月 21 日之间跨 40 天采集的研究里，Google AI Overviews 在写成问句的查询上触发率为 64.7%，在不是问句的查询上为 9.5%，作者称之为 6.8 倍之差；而全部查询上的触发率是 13.7%。¹ 那个“全部查询”的基线值得慢慢读，因为它本身就包含了那些问句：这正是非问句的比率低于基线、而不是等于基线的原因。论文自己的计数把这个形状讲得很清楚：在采样的 55,393 条查询里，有 4,198 条是问句，占样本的 7.6%，其中 2,716 条返回了 AI Overview。

另一套独立方法指向同一个方向。2026 年 1 月发表的一项厂商研究，基于 1.46 亿个搜索结果页与 190 万条 AI Overview 引用，报告 AI Overviews 出现在 57.9% 的疑问式查询上，而非疑问式结果页为 15.5%，七个词及以上的查询为 46.4%。⁶ 绝对数字与学术研究不同，因为样本与查询总体都不同。方向没有不同，而两种迥异的方法在方向上一致，比其中任一个数字单独拿出来，都更适合作为决策的依据。

你测你自己的面板，那是你唯一掌控得住的分母。把 prompt 清单固定下来，按计划在你在意的那些引擎上跑，记录每条答案里你的域名有没有被提及或引用，再把结果报成这个面板上的一个比例。它和“量级”主张恰好相反：它描述的是一组写明了的问题在一个写明了的时间窗里的表现，而不是一个市场；只要把抽样框和数字一起公布，它就一直是诚实的。

这里真正要紧的算术是重复次数，而不是规模。因为答案会在多次运行之间移动，单次运行报出的是一个点，而背后其实是一个分布。2026 年 3 月一篇预印本对三个生成式搜索平台做了重复采样，发现域名之间许多看起来存在的差异都落在噪声底之内，因而主张可见度指标应当作为带不确定度的样本估计来报告，而不是当成固定值。⁷ 那篇批判性综述把同一件事写成了操作指令：它引用一项跨四个引擎的研究，提出每条 prompt 重复七到八次作为起点，同时提醒这并非通用标准，因为它来自一个很小的瑞士查询集合；综述给出的做法是一直重复测量，直到估计值周围的区间窄到足以支撑你眼前的那个决定为止。⁴

由此有两个习惯。每个季度复用同一套面板，而不是重新拼一套，因为换掉抽样框对数字的影响，比市场本身的变化还大。以及，在把一次波动叫作进展之前，先把区间放到它旁边：在提示词研究这一阶段 推导的那个 40 条 prompt、每条跑 5 次的面板上，每个比率周围的区间宽到足以吞掉好几个百分点的表面变化。