同一个问题问两遍，答案为什么不一样

昨天晚上你问 AI：某消费公司这两年毛利率的变化趋势是什么样的，为什么。它给了你一段挺顺的分析，你觉得有道理，顺手记进了自己的研究笔记。

今天你想再确认一下细节，把同一句话又问了一遍。这回它给的说法变了——重点不一样了，有一个数字对不上，甚至连「主要原因」都换了一个。

你的第一反应大概是：哪一次是对的？

这个反应很自然，但它把整件事引向了一条死路。因为在多数情况下，正确答案是「两次都不能直接用」。而更有价值的问题是另一个：它凭什么会变？ 你能把这个问题想透，就等于白捡了一个可靠性检测工具——不用花钱，不用装东西，只要多按一次回车。

这一节讲的就是这件事。

生活层：它不是在「查」答案，是在「抽」答案

先把投资放一放，看一个日常场景。

你身边有两种人。一种是真的去过那个地方的人，你问他三次「那家店在哪」，他三次给的路线是一样的，可能措辞不同——「过了红绿灯右拐」「路口右边」——但拐的方向、走的米数不会变。另一种是特别会讲故事的人，他没去过，但他听人说过、也见过很多类似的街景，你问他三次，他三次都能给你一段听起来很像样的描述，问题是三次的细节对不上：第一次说在二楼，第二次说在街角，第三次多了个招牌颜色。

他不是在骗你。他是在「生成」一个最像样的答案，而不是在「回忆」一个存在的答案。

这类语言模型，工作方式更接近第二种人，而且是被明确设计成这样的。它每写一个字，实际做的事情是：先算出「下一个字可能是什么」的一张概率表——「毛利」后面接「率」的可能性很高，接「空间」也有一些可能，接「上升」「下滑」各有一点——然后从这张表里抽一个出来，而不是每次都死板地挑那个可能性最高的。抽到什么，就往下接着写，接下来的整段话都会被这一次抽签带着走。

一开始那点小小的差别，写到三百字之后就可能变成完全不同的两段结论。这就像走岔路口：第一个路口偏了半米，走到终点差出一条街。

所以答案会变，不是故障，是这台机器的正常工作方式。指望它像计算器那样每次给出一模一样的东西，是对它的误解。

投资层：变与不变的那条线，正好是你最想知道的线

现在把这件事挪回你的研究桌上。

同一份材料喂进去，同一个问题问三遍。你会发现输出里有些东西几乎不动，有些东西每次都在漂。这条分界线，对你极其有用：

几乎不动的部分，通常是有东西撑着的。 材料里白纸黑字写了的、行业里翻来覆去说过一万遍的常识，它每次都会稳定地复现出来——因为这些内容在那张概率表里占的比重压倒性地高，怎么抽都会抽到它。

每次都在漂的部分，通常是当场生成的。 一个具体的百分比、一句「主要原因是……」的因果判断、一个精确的排名，如果三次三个样，那说明在那个位置上，模型手里根本没有一个压倒性的答案，它只是每次都从几个都还说得过去的候选里抽了一个交差。

把这话说得再狠一点，也是本节最该记住的一句：

一个结论如果换个问法就变了，那它不是从材料里推出来的，是生成出来的。

为什么这件事在投资里特别要命？因为投资的错误反馈来得很慢，慢到你根本等不到它纠正你。一个编出来的毛利率数字，你可能三个月后才在别处撞见真数字，而这三个月里你已经拿它当过决策依据了。这类数字长什么样、为什么你当场发现不了，在 编造的财务数字长什么样，以及你为什么发现不了 里有更细的拆解。

还有一层更隐蔽的危险：你会替它挑答案。

三份答案摆在面前，其中一份正好符合你已经形成的看法，另外两份跟你的想法拧着。你会留下哪一份？绝大多数人会留下第一份，而且会真心觉得那份「写得更好」。这就是确认偏误——人会不自觉地偏爱那些支持自己既有观点的信息，并且给它找出一堆理由。

于是「多问几遍」这个动作，本身就有两副面孔：它可以是一次严格的检测，也可以是一次高效的自欺——你不停地问，直到问出你想听的那句话为止。 区别只在一件事上：你有没有在看到答案之前就把判读规则定好。

这也是下面这套做法必须按顺序执行的原因。

机制层之一：为什么把旋钮拧死也做不到完全一样

有人听到这里会说：我知道有个参数能控制随机性，把它调到最保守那一档不就行了吗？

这个想法方向是对的，但它解决不了你的问题，原因有三层。

第一层，正经项目确实会这么做，而且默认就这么做。 开源 AI 投研项目 Vibe-Trading 里，控制采样随机性的那个参数（业内叫「温度」，值越低输出越保守、越倾向于每次都挑最有把握的那个词），默认值就设成了最保守的那一档，配置里还专门校验它的取值范围，超出范围直接拒绝。这个选择本身就是一条信息：一个要拿输出去做严肃分析的系统，第一件事就是把随机性往下压。

第二层，这个旋钮不一定拧得动。 还是这个项目，它的模型调用层里写了一段专门的兼容逻辑：有的模型接口根本不接受这个参数，你传过去它直接报错；于是代码的做法是——接到这类报错就把这个参数从请求里摘掉，再重试一次。也就是说，「调低温度」这条路在一部分模型上压根不存在。你在网页聊天框里就更别提了，那里通常连这个旋钮都没暴露给你。

第三层，就算拧死了，也只是「更像」而不是「一样」。 输出还受另外几件事影响，而这几件事你都控制不了：服务方随时可能更新背后的模型；带联网检索的问答，每次取回的网页可能就不同；对话里塞进去的系统设定、当前日期这些东西也在变。所以你今天问和下个月问，答案不同，未必是随机性，可能是它背后的东西已经换了。

结论很实在：别把精力花在「让它别变」上，把精力花在「用它的变来做检测」上。 变化是免费送到你手上的信息，扔掉太可惜。

机制层之二：三种重复，各检测一件事

重复提问不是傻问三遍。三种问法测的是三件不同的事，建议按顺序做。

第一种，原样重复。 一字不改，问三遍。关键动作是：每一遍都必须新开一个对话。在同一个对话里连问三次，它会看到自己前面写过什么，然后本能地保持一致——这时候你测到的不是它的稳定性，是它的自我一致性，那玩意儿一文不值。测的是：这个答案里哪些成分是随机抽出来的。

第二种，改写重复。 意思一模一样，措辞换掉。比如「这家公司的毛利率为什么下滑」换成「哪些因素影响了这家公司近两年的毛利率水平」。注意后一种问法里没有「下滑」这个预设。测的是：你的问法里带了多少诱导。如果去掉预设之后结论跟着变了，那原来的结论有一半是你自己喂进去的。

第三种，翻转重复。 把立场反过来问：先问「支持买入的理由」，另开一个对话问「反对买入的理由」，最好再来一个「为什么现在什么都不做才对」。测的是：它到底有没有立场。如果三次都能给出同样自信、同样工整、同样长的论证，那这套论证的产出跟事实关系不大，跟你的提问方式关系很大。这一条几乎每次都能戳破点什么。

三种做完，你手上有五到七份答案。接下来才是重点：怎么读。

机制层之三：三档判读，每档对应一个动作

把几份答案并排放着，逐项对照，分三档处理。判读规则要在问之前就定好，不能看完再定。

数字层——只要不一致，一律作废。 具体金额、百分比、增速、排名、日期、条款编号，只要几份答案对不上，这个数字就是不可用的，不存在「取多数」这回事。三次里有两次一样，也可能是同一个错误被抽中了两次。唯一的动作是：回原始文件查，年报、公告、交易所披露，查到为止；查不到就当这个数字不存在，别写进你的笔记。更要紧的是——几份答案完全一致的数字，也只是「值得一查」，不是「可以直接用」。这一层的详细核对清单，本卷里 AI 说得有鼻子有眼，可那个数字是编的 那篇给得比这里全。

结论层——不一致的，降级成问题清单。 「主要原因是渠道结构变化」这种因果判断，如果三次给了三个不同的主要原因，正确的处理不是选一个，而是把这三个原因全部记下来当成待查项：渠道结构、原材料成本、产品结构，一个一个回财报里找证据。你会发现这时候 AI 的价值反而变大了——它一次给你一个答案是在帮倒忙，一次给你三个方向是在帮你列提纲。它产出问题清单是可靠的，产出结论是不可靠的。

措辞层——不一致是正常的，别管它。 段落顺序、详略、用词、小标题怎么起，这些每次都不同完全正常，不构成任何信号。别在这一层浪费注意力，很多人做完对比之后感慨「变化好大」，其实变的全是这一层。

这套动作该卡在你整个流程的哪个位置——是当场做、还是等汇总时做——核对这件事，放到最后做就已经晚了 那篇讲得更细。原则上，越靠前越省事：一个错数字在取数那一步作废只花一分钟，等它进了结论再作废，你要推翻的是半天的活。

机制层之四：一致，不等于对

这一层必须补上，否则前面全套动作会被用歪。

稳定只是必要条件，不是充分条件。 一个说法之所以每次都稳定出现，最常见的原因是它在训练材料里被重复了无数遍——而「被重复无数遍」和「是对的」是两回事。行业里流传很广的错误、早已改口的旧说法、被反复转载的一份错数据，都会稳定地复现出来，而且比真话复现得还稳。

所以正确的用法是这样的：不一致，可以直接判它不可用；一致，只能说明它值得你花时间去核。 前者是快速排除，后者不是放行。这一点跟本卷讲的另一件事完全同构——AI 说得越顺、越符合你已有的印象，越说明这是市场共识，而共识里通常不藏超额收益。这条线索的完整推理在 AI 能不能预测股价，先看清它到底在算什么 里。

顺便说：量化那边早就这么干了

有意思的是，「重复很多次，看结果稳不稳」这个思路，在量化工程里是标准动作，只是没人把它挪到 AI 问答上。

一个例子：Vibe-Trading 的回测校验模块里，判断一条策略的收益是不是运气，用的办法是把同一件事重复抽样跑很多次，看结果的分布，而不是跑一次看一个数——这就是蒙特卡洛的思路，说白了就是「靠大量重复随机试验来估计一件事到底有多大可能」。同一段代码还把随机种子（决定这一串随机数怎么生成的那个起始值，固定住它就能重跑出一模一样的结果）默认写死，为的是让别人能复现。

另一个例子更传神：开源量化框架 freqtrade 在做参数搜索时，如果你没指定随机种子，它会自己随机取一个，然后把取到的值打进日志里。设计者的意思很明白——我承认这一轮结果依赖于随机，所以我把这个随机记下来，你要么复现它，要么换个种子再跑一遍看结论稳不稳。

请把这两件事和你的聊天窗口放在一起看。工程界对随机性的态度是：承认它、记录它、然后用重复去度量结论对它有多敏感。 而你在对话框里做的事，通常是问一遍、看一眼、信了。差的就是「重复」这一步，而这一步是免费的。想把这套思路进一步扩展成对一个模型是否适合做投研的完整测法，可以接着看 怎么自己测一个模型适不适合做投研；想理解重复随机试验为什么能说明问题，概念库里 蒙特卡洛检验 那篇是正主。

什么时候值得做，什么时候不必

最后说点实际的。全套做下来要问五六遍，读五六份，成本不低，所以别对什么都做。

必须做的：这个数字或这个结论要拿去支撑一个决定。要写进你的投资记录、要影响仓位、要说服你自己或别人的，一律做。

做简版的：只做「翻转重复」一条，问一次正面一次反面。这一条性价比最高，两分钟出结果，能筛掉大部分「怎么问都能给你一套说辞」的空话。

不必做的：让它翻译一个术语、把公告整理成表格、按你的框架定位原文段落——这些活儿的输出你一眼就能看出对不对，不需要靠重复来检测。

小结

• 答案会变不是故障：这类模型每写一个字都是从一张概率表里抽一个，起点差半米，三百字后差一条街。
• 变与不变那条线，正好是你最想要的线：几乎不动的部分通常有材料撑着，每次都漂的部分通常是当场生成的。
• 把「温度」拧到最保守只能更像、不能一样：这个旋钮在部分模型上根本不存在，而且服务端的模型、检索结果、上下文都在变。别求它不变，要用它的变做检测。
• 三种重复各测一件事：原样重复（每遍必须新开对话）测随机成分、改写重复测你的问法带了多少诱导、翻转重复测它有没有立场。
• 三档判读，规则必须问之前就定好：数字层不一致一律作废回原始文件；结论层不一致降级成待查清单；措辞层不一致属正常，别理。
• 一致不等于对：不一致可以直接判不可用，一致只说明值得你去核，不是放行。
• 最大的陷阱不是它答错，是你不停地问直到问出你想听的那句——所以「三份里挑一份用」必须被明令禁止。

一句话总结：它每次说的话都不太一样，那些每次都一样的，多半是真有出处；那些每次都变的，基本是当场编的——你只要多按一次回车，就能把这两拨分开。