学长来啰 GEO 诊断报告
双轮采样、平台差异、认知稳定性与获客入口诊断
从被 AI 提到，
到被用户找到。
基于豆包、DeepSeek、通义千问两轮固定题集的 150 条原始回答，观察品牌实体、自然召回、竞争信源与联系入口。
150 条回答，先看到四个相互独立的事实
品牌被提及、被正确识别、被证据支撑、能否被联系，不是同一个指标。
平台召回差异
样本内核心判断
召回集中：37 次提及中，30 次来自豆包。
实体仍弱：指名验证仅 4/30 正确指向目标产品。
证据单一：豆包的目标命中高度依赖同一篇搜狐文章。
稳定分化：17/60 持续命中、40/60 持续缺席，另有 3 个同题翻转。
研究设计
这 150 条回答究竟测了什么，又没有测什么？
重复采样不是为了制造一个“平均分”
它用于区分平台差异、问题差异与同题波动。
问题文本保持一致
观察不同系统的候选集
观察出现 / 未出现是否翻转
结论可回到回答与链接核对
25 个问题覆盖五类自然需求，再加五题指名验证
前 20 题测试“是否自然想到”，后 5 题测试“是否正确认识”。
AI 眼中的学长来啰
AI 看到的是一个清晰产品，还是一个容易混淆的名字？
自然命中时，AI 对产品功能已有较一致描述
但这种功能理解主要出现在豆包与少量 DeepSeek 回答中。
“生考试信息管理平台入口 2. 本地化民间升学规划服务：「学长来啰」微信小程序 这是面向成都及周边城市的一站式初升高规划服务平台，覆盖普高、中职两条升学路径：提供实时更新的本地中考招生政策资讯，可录入成绩换算位次，依托本地历年录取数据智能推荐冲刺、保底院校；同时还提供头部学校的教辅资料供备考刷题，搭配…”
被自然想到，与被指名后正确识别，是两种能力
前者观察需求候选集，后者检验名字能否稳定指向正确实体。
进入自然答案
说明在部分成都中考需求中，品牌已进入候选集合。
正确识别目标产品
大量回答转向同名人物、内容账号或其他实体。
30 次指名验证中，正确识别集中在豆包的两道题
矩阵按 5 个问题 × 3 平台 × 2 轮展开。
““学长来啰”是面向成都市及周边城市的初升高一站式升学规划微信小程序，它主要适合成都市及周边城市的初三学生和学生家长使用，能为这类用户提供本地化择校咨询、志愿填报参考、中考备考刷题、升学政策资讯查询等服务，覆盖普通高中、中职学校两大升学赛道，帮助初三家庭科学规划初升高志愿。 学长来啰｜成都初…”
“根据您提供的参考资料，其中并未提及名为“学长来啰”的应用或平台。 若仅从名称特征及同类校园社区产品的公开定位来看，此类平台通常主要面向在校大学生、准大学生（如高三毕业生）及部分高校学生工作者。其常见服务对象与使用场景一般包括： - 新生/准新生：用于了解专业选择、宿舍生活、选课策略及避坑指…”
“学长来啰”在公开语料中被拆成了多个候选实体
名称可被理解为产品，也可被理解为人物、内容表达或泛化服务。
通义千问的偏差不是漏掉一次，而是两轮持续未建立实体
20 道非指名问题 0 次自然命中；5 道指名问题也未正确指向。
它并非没有回答需求，而是调用了另一套信息生态
“根据您提供的名称“学长来啰”，在公开的高校学生工作中，这通常是对“学长制”“宿舍学长”或“班导生（班主任助理）”等朋辈引导项目的昵称或具体品牌化称呼。虽然该确切名称未在现有资料中直接出现，但结合国内高校普遍实行的同类项目，其主要工作职责可归纳为以下几类： 1. 迎新与报到协助 负责新生入学当天的接站、行李搬运、报到流程…”
品牌、公司、产品与联系入口需要成为一张可解析的关系图
目前这些事实散落在回答和第三方文章里，关系并不完整。
召回与稳定性
37 次出现，是稳定认知还是平台与问题共同作用的结果？