什么是提问集？-墨子教育咨询

摘要：提问集是把用户可能去问引擎的那些话，固定成一份能反复跑、能判分、能看涨跌的题目集合；它不是给客户看的 FAQ，也不是选题库。站内已经把监测频率与入口、台账与趋势解读、分子分母口径、问句怎么捞都写完了，本篇只占三件更靠工具本身的事：一是配额——核心生意、比较竞品、条件限定、地名时点、独有说法这五格各该有几道，缺哪一格就在哪个方向上盲，二十道题全挤在概念题上跑出来的画面通常好看但不解决问题；二是题目的失效与换题规则——问法会磨损、内容会变、平台会换，多数团队只加不减，测的其实是几年前的问法，本篇给出三种失效形状与并行换题、版本化、归档的具体动作；三是题目反作用在口径上——设一道题就得先把它的合格答案最少包含哪几项写死，这一步逼着团队把含糊表述定下来，提问集因此是一台把口径要求具体化的装置。另附六步落地、四种走形、两个自查核查、四个不合并读数与三个个别例子；与 ChatGPT 的关系落在：题面是自然语言，同一句话在不同引擎里被理解的实体边界并不相同，跨家的结果不能直接相加。文中片段均为个别例子、不代表普遍结果，不构成对被引用、被提及、被收录、排名、询盘或任何效果的承诺。

一、先把这词指的东西说准：它不是"一批问题"，是一件有结构的工具

提问集这个词的日常用法是"我们整理了一份问题清单，定期去问一遍"。这句话里的重点被放在"定期"上，实际上起作用的是另一头：那份清单有没有结构。没有结构的提问集，跑一年也只是把同一类问题问了一年。

什么叫有结构？不是题数多，不是覆盖广，而是这套题里同时装着几种不同性质的考察——有的题在测"你的生意话说不说得清"，有的题在测"和别人比你会不会被提到"，有的题在测"带了条件与地点之后你还剩不剩得下"，有的题在测"只有你会那样说的那句话有没有被说出来"。这四五种题各占几道，才构成一个能用的提问集。它们测的是完全不同的东西，缺哪一格，你就在那个方向上是盲的，而盲区不会因为题数变多而缩小。

这个词条站内命中三十八篇，几处近邻先把分工说清：监测机制那篇讲的是"抽查和监测差在哪"——固定题库、固定入口、固定频率、能看涨跌的台账，它管的是这套机制怎么跑起来；提及率统计那篇管的是比值本身，分母怎么框、分子怎么判、多入口怎么合并、四个失真陷阱；问题矩阵与选题库那篇管的是问句从哪儿来、怎么摆成能填空的资产，那是选题侧的账；问法覆盖那篇 与 高意图与长尾那篇管的是真实问法怎么建底账；召回那篇里我写过一批"只有你会那样说的独有问句"作为痕迹装置；可见度那篇 与 被提及不等于被引用那篇管的是读数解释。这些篇把"多久问一次、怎么记、比值怎么算、问句从哪来"讲完了。中间少的是三件更靠工具本身的事：一是配额——一套提问集里那五格性质不同的题各该有几道、缺哪一格会在哪个方向上盲，这件事从来没被写成结构；二是题目的失效与换题规则——题会过期（没人这么问了、平台改了说法、你自己把内容改了以至于这道题不再考任何东西），而换题会断趋势，多数团队只加不减，题库越跑越宽、测的却是三年前的问法；三是题目反向作用在口径上——设一道题就得先写死"这题的合格答案最少要包含哪几个要素"，写这个动作本身会把你说不清的口径逼出来，所以提问集不只是测量工具，它是一台把口径要求具体化的装置。本篇只占这三层。

三条边界先划住：一，本篇不讲台账列怎么设计、频率怎么定，那是监测机制那篇；二，本篇不讲提及率怎么算，那是统计口径那篇；三，本篇不教你怎么捞真实问句，捞来的问句怎么排成选题资产另有专篇——本篇假定你已经有一堆问句，讲的是怎么把它们收成一套能测东西的题。

二、五格配额：每格测一件不同的事，缺一格就有一个方向的盲区

先给结构，再给配额。五格按"这道题在考什么"划分，而不是按主题划分。

配额的理由比数字更要紧。头一格是基准，缺它后面各格无法解释；比较题之所以要有，是因为用户在比较语境里得到的那一句，最直接影响判断，而它和单家提问的结果往往是两套；条件限定题与地名时点题这两格，是多数团队完全没有的——它们的题面不好看（读起来像挑刺），但它们测的恰好是离成交最近、也最容易出错的部分。独有说法题那三道的价值不在监测，在你设这几道题时必须先回答"我们到底有哪句话是别人不会说的"，答不出这句话，就说明口径还没定型。

两道题之间还有个容易被忽略的分工规则：同一格内的题不要测同一处内容。五道核心生意题如果都指向同一个页面，你测的是那一个页面五次；把它们分摊到你真正希望被说到的几处，一次跑题才等于扫了一遍全景。这件事在题数不变的情况下就能改，是这套结构里最省力的一处调整。

三、题目会过期：三种失效形状与一套不弄断趋势的换题规则

提问集是工具，工具会磨损。磨损不表现为出错，表现为"这道题已经不再考任何东西了"——它每次都通过，于是你永远不会注意到它已经失去意义。三种失效形状：

• 问法失效。你两年前设的题面用的是当时的说法，现在没人那么问了。这道题仍然能跑、答案仍然稳定，但它测的是一个不再发生的提问。形状上很像一台还在打印的机器，纸是空的。
• 内容失效。你把某一处的表述改了，那道本来在考这句话的题就失效了——它要么变得太容易（每次都过），要么变得考不到东西（题目所指的东西已经不存在）。这一种最隐蔽，因为它看起来是好消息：内容改了是进步，题不再通过才是要处理的事。
• 平台失效。某家把答案形态改了（加了来源列表、去掉了、换成了摘要卡片），或者题目里提到的那类东西已经不在它覆盖范围里。这道题还在跑，但它测的已经不是那件事。

这套规则里最要紧的是"只加不减"这一条要戒掉。加题是无成本的，所以多数团队的题库一路从二十道膨胀到七十道，而其中相当一部分已经不再考任何东西；跑一次的工时随之上涨，最后的结果是频率被自己拖低——从每月改成每季，再改成"想起来才跑"。题数与频率之间有一条硬约束：你维护得起的题数，由你能跑的最低频率决定。一人规模的团队，主集二十到二十五道、每季一次，是能长期跑住的形状；四十道以上每季跑一次，多数人在第二次就放弃了。

四、设题的那一步：先把"合格答案最少要含哪几项"写死，再去问

这一层是提问集真正区别于"问一遍看看"的地方。多数人设完题就直接开跑，判分方式是"有没有提到我"。这个判法太粗，粗到跑一季看不出任何东西：提到你了，但说的是三年前那版说法，算过还是算不过？没提到你，但把你要说的那句话原样说给了另一家，算过还是算不过？

可做的动作是：每道题在写下题面的同时，写下这道题的合格答案最少要包含的要素，三到五项，写不出来就说明这道题本身还没想清楚。要素写完之后，判分变成一项项打勾，读数的性质就变了——它不再测"出没出现"，而是测"要件齐不齐"。

所以这一步的价值是双向的：往前，它把你说不清的东西逼出来；往后，它让跑完题之后拿到的不是一个涨跌，而是"缺第二项与第四项"这种能派活的话。要素清单还顺带解决另一个老问题——团队里两个人判同一轮结果时结论不同，因为各人心里对"算不算说到"有不同标准；有清单之后争议只剩"这一项有没有"，不再涉及观感。

写要素时有两条约束：一，要素必须是能在答案文本里指认的东西，"体现专业度"这类不能算要素；二，要素里至少有一项是限定的（条件、范围、有效期、适用人群），这一项专门用来抓"说歪了"——只写名字与优点的要素清单，测多久都发现不了前提丢失。这两条写下来的清单一般不会超过五项，超过五项说明这道题实际在考两道题。

五、落地：六步把一堆问句收成一套有配额的题

下面六步按顺序走，一人可完成，每步留实物。

六步里最容易被跳过的是 3。跳过它的后果不是数据不准，而是整套机制在半年内自然死亡——因为没有一道题能给出"下一步做什么"，跑完只拿到一个涨跌，团队很快就会觉得这件事没有产出，然后停掉。要素清单让每一次跑题都产出一行能派活的结论，这是这套工具能长期活着仅有的一条原因。

第 2 步里那句"宁缺不堆"要单独说明：常见做法是先建一个五十道的大题库，跑一次发现耗时太多，改成半年一次，此后就悄悄停了。正确顺序是先把配额压到你跑得动的量，让头两季顺利跑完，之后加题只在别的格里补空缺——加题的动力应当来自"某一格空着"，不应当来自"我又捞到几句有意思的问法"。

六、为什么这件事重要，以及它不算什么

三条理由：

1. 它决定后面所有读数的可解释性。分子分母、合并口径这些技术处理，都建立在"这套题的结构稳定"之上；一套没有格、随意增删的题库，算出来的比值再精细也解释不了任何事，因为它每次测的对象都不同。
2. 它是离成交最近的一个观测点。比较题、条件限定题、地名时点题这三格覆盖的正是用户在决策阶段会问的东西；而这三格恰恰是自然形成的题库里最容易空的——因为捞来的问句多数是泛问概念的那一类。
3. 设题这一步本身在做口径治理。要为一句话写要素，就得先确定这句话到底怎么说、哪几项必须带着；这一步经常是团队头一回被迫把含糊的表述定下来。监测是它的副产品，定口径才是主要收益。

它不算什么，四条：不算监测机制——频率、台账列、趋势解读另有专篇；不算统计口径——比值怎么算、多入口怎么合并另有专篇；不算内容排期——要素缺项指向要改的内容，但排期按问法覆盖与优先级那套走；也不算效果承诺——一套设计良好的提问集仍然只是观测装置，它记录的是当期别人怎么答，不保证你接下来会被说到、被说准。文中片段均为个别例子，不代表普遍结果。

还要澄清一句常见误读：提问集不是"给客户看的那份 FAQ"。两者题面经常相似，但用途完全不同——FAQ 是替人解答，写法要完整；提问集是替你自测，写法要能判分，甚至可以故意问得刁。把两者混成一份，结果通常是 FAQ 里塞满了挑刺的问法，而自测题问的全是自己答得最好的那几道。

七、提问集 和 ChatGPT 是什么关系：这一家的题要另配一份判分表

一句话答：提问集这件事在 ChatGPT 上的难点不在题目，在判分——这一家的答案形态、来源呈现与版本更新方式，和中文那几家不是一套，同一道题在这边判"有没有提到"和在那边判"有没有给出出处"是两件不同的事。所以拿一份在中文引擎上跑顺的题库直接过去跑，最常见的结果是连续几季全过或者全不过，而两种结果都读不出东西。四格说清：

与近邻的分界：ChatGPT 那一词条的专篇已经讲了这一家为什么值得中文团队关心、哪些事实能观察哪些不能观察、多语言与实体一致在跨境场景最容易坏的一环，以及写法上的三处针对性调整；多引擎监测那篇讲的是覆盖哪几家、各看什么指标、频次与手工工具的分工。本篇补的是三句：一是题库按语言与入口分开建，不做翻译、不做合并；二是要素清单里要有一项专门管名称写法，否则"没提到"里混着一批"被拼错"；三是跨引擎的数据不许放进同一条趋势线，改版季要单独标注。

还有一点在跨境场景特别实用：这一家的答案通常更长、更爱给理由，因此"整句复述判定"这一档判法在这边更容易成立——它常常会把你要被说的那句话以更完整的形式带出来；而在以摘要为主的引擎里，句子被压短、前提先被砍掉，同一项要素在两边的命中率本来就不该横向比较。这一处的判法差别，比"哪家分数高"这件事有用得多。

八、这一项上四种常见走形，每种看起来都在认真监测

• 走形一：题库只加不减。每次捞到新问句就加进去，三年后七十多道，跑一次一整天，于是频率被自己拖到半年一次，再拖到停跑。这一种走形的根因不是懒，是没有退休规则——加题有成就感，减题要判断，而判断需要那张五格表。
• 走形二：全部题目挤在同一格。二十道题里十八道在问概念（"什么是某类服务""某类服务有什么用"），比较、条件、地名这三格一道没有。跑出来的结果通常很好看，因为概念题最容易被泛泛答到。这一种比空着更糟——它给出一个稳定通过的画面，让所有人以为监测已经做了。
• 走形三：判分凭当场的感觉。没有要素清单，跑完由看的人判断"这算说到没说"。两个人跑同一轮给出两份结论，第三个人来看时把差异归成"环境变化"。判分不可复现时，趋势线就失去意义，因为它同时记录了题目、答案与判分人的心情。
• 走形四：换题不留并行期。觉得某题该换了，下一季直接用新题。趋势在那一季断掉，从此没人知道涨跌来自哪里；再往回追也追不到，因为旧题的答案没再跑过。这一种走形的成本要过两三个季度才显出来，显出来时通常已经无法解释。

四种走形的共同点是都在"跑题"这件事上花力气，而不在"维护这套题"上花力气。提问集的产出主要由维护质量决定：结构对不对、题目还考不考东西、判分能不能复现。跑题本身只是执行，执行再勤快也救不了一套已经空转的题。

九、和相邻几件事的分界：七行各自归位

十、两个自己就能做的核查，加四个不合并的读数

这两个核查都不用跑题，只看你手上那份题库本身，半小时能做完；它们的产出是"改哪几道题"，不是评价这套机制好不好。

核查一：把现有题库按五格重新分一遍，只看空格

拿现在那份题（不管几道），逐题问一句"这道题在考什么"，归到五格之一；归不进去的单独放一栏，那一栏通常就是"当初随手加的"。分完数三个数：最挤的一格有几道、空着的格有几个、归不进去的有几道。多数团队头一回做完的结论是概念题占了一半以上、比较与地名两格为零。这一个动作产出的下一步动作，通常比再跑一轮题更值钱。

核查二：随机抽五道题，看能不能立刻说出它的合格答案要素

抽五道，逐题限时二十秒回答"这道题的合格答案至少要包含哪几项"。答得上的题不到三道的，说明你这套题只是在问，不在测。这一轮的产出是补写要素清单——补的过程会顺带暴露另一件事：有些题的要素根本写不出来，因为你自己还没决定这一件事怎么说，那就不是补题，是要回去定口径。

四个读数都不许相加，也不许和结果侧的比值换算。题库的结构好坏，与提及率高低是两件事：结构烂的题库也能跑出一个好看的比值，那正是走形二的表现。反过来，一套结构完整的题库跑出来的数字可能一直很难看，那才是它真正的价值——它让你知道难看的方向具体在哪一格。

十一、三个实际遇到的情形（个别例子，不代表普遍结果）

例一：三十几道题跑了一季，全过，什么结论也没有

A：有一家跑完把结果贴出来，"表现很好"。按核查一重编，发现三十多道里二十七道在问概念，而真正贴近成交的比较与条件题一道没有；按核查二抽查，只有四道题写得出要素清单。做的事不是加频率，是把概念题砍到六道、腾出的配额换成条件与地名题，并给每道题补要素清单。下一季跑出来的数字明显变难看，但那一年头一回有了能派活的任务清单——缺哪一项、在哪一格。这个例子最反常识的一课是：一个全过的提问集往往不是好消息，而是量具失灵的信号。

例二：一道题悄悄考不到东西了，半年才发现

A：另一家有一道题在考某项服务适不适合零基础，连续几季都过。后来才发现那项服务半年前改版，改版后名称与前提都换了，而题面还是旧说法——模型答的是新那版，判分的人看着旧题面打勾，两边都对得上纯属巧合。做的事：按表二把这道题标为待判失效，与新的题面并行跑一季，然后把旧题归档并在旁边写一句"当年它在考什么"。这一例说明内容失效为什么最难发现：它不表现为错误，只表现为一直通过。

例三：英文题从中文题直译过去，两季数据没法看

A：还有一家在拓展海外市场时把主集翻成英文跑了两季，两季结果都在同一水平线上，团队以为"没变化"。后来把英文题面与当地真实问句对照，发现近半题面根本不是那种问法，而且品牌名被写成两种拼法，判分时两种都算作"提到"。做的事：另起一版英文主集（题面从真实提问里取）、要素清单里加一项名称写法、两套题分开记不再合并成一个比值。这个例子的收益不在数据变好，而在数据变得能解释了。

十二、常见问与答

Q：什么是提问集？

A：为系统化监测而整理出的一组代表性问题，用于定期检测品牌在 AI 答案中的表现。本篇给一个更有用的定义：它不是"一批问题"，而是一件有结构的工具——由五格性质不同的题按配额组成（核心生意、比较竞品、条件限定、地名时点、独有说法），每格配一份合格答案要素清单，带版本号，有失效与换题规则。没有这三样的清单，跑一年也只是把同一类问题问了一年。

Q：提问集 为什么重要？

A：三条理由。它决定后面所有读数的可解释性——比值再精细，只要每次测的对象不同就解释不了任何事；它是离成交最近的观测点，比较、条件、地名这三格覆盖的正是决策阶段的问法，而这三格在自然形成的题库里最容易空；设题这一步本身在做口径治理——要为一句话写要素，就得先决定这句话到底怎么说。

Q：提问集 怎么落地？

A：六步留三件实物。先用五格画空表（格名、拟设题数、实际题数）；按格分题、宁缺不堆，主集压到二十到二十五道；每题配三到五项可指认的合格答案要素，其中至少一项是限定项；定入口与版本号并写明每季第几周跑；跑完按要素打三档（有／无／说歪），只记事实文本；季末做一次新陈代谢，按失效规则标题、排并行期、归档退休题。三件实物是带格号题库、要素清单、换版记录。

Q：提问集 和 ChatGPT 是什么关系？

A：难点不在题目在判分。英文题面与中文题面不是同一道题，不做翻译、分开建；中文品牌名在这一家容易被译写或拼错，所以要素清单里要专门加一项名称写法；不同入口的来源呈现不一样，题目按入口分别跑；模型或形态改版会让判分基础整体变化，某季全线突变时先怀疑环境并把那一季标注为环境变动季。跨引擎的数据不许放进同一条趋势线。

Q：一套提问集多少道题合适？

A：由你能跑的最低频率决定，不由"覆盖够不够"决定。一人规模、每季一次，主集二十到二十五道是能长期跑住的形状；上到四十道以上，多数人第二次就放弃了。宁可先用十八道把两季跑完，也不要先用五十道跑完一季然后停。

Q：题目越多加越好吗？

A：不是，只加不减是这一项上最常见的走形。加题有成就感，减题要判断；而每加一道题，每轮的工时都涨一点，最后频率被自己拖低。加题的动力应当来自"某一格空着"，不应当来自"我又捞到几句有意思的问法"。

Q：题都通过了是不是说明做得好？

A：不一定是好消息，很可能是量具失灵。全过有三种可能：真做好了、题面已经不考任何东西、判分标准太松。区分办法是核查二——随机抽五道题，二十秒内说不清合格答案要素的，多半已经不考东西了。

Q：题怎么换才不会把趋势弄断？

A：并行一季。新题与旧题同跑一季，下一季才把旧题移出主集；整套题库带版本号，台账写明这一季用的是哪一版。直接替换会让那一季的涨跌无法归因，而且追不回来，因为旧题再没跑过。

Q：合格答案要素怎么写才不会写歪？

A：两条约束。要素必须能在答案文本里指认——"体现专业度"这类不算；至少有一项是限定项（条件、范围、有效期、适用人群），专门用来抓说歪。写出来超过五项，说明这道题实际在考两道题，应当拆开。

Q：提问集和给客户看的 FAQ 是一回事吗？

A：不是。题面经常相似，用途相反：FAQ 替人解答，写法要完整；提问集替你自测，写法要能判分，甚至可以故意问得刁。混成一份的结果通常是 FAQ 里塞满挑刺问法，而自测题问的全是自己答得最好的那几道。

Q：跑一次要多久？值不值？

A：二十来道题、两三个入口、按要素打勾，一人一轮大约三到四小时，每季一次。值不值不取决于这次数字，取决于它每轮能不能产出"缺哪一项、在哪一格"这种能派活的话——能产出就值，产不出就先回头修题库，别修频率。

Q：多家引擎的结果能合到一起看吗？

A：不能相加，也不能放进同一条趋势线。可比性只在"同一版本题库 × 同一入口 × 同一判分表"这个三元组内部成立，跨引擎时三个条件全变了。可以并排看各家的绝对读数，但合并口径要先解决——那件事在提及率统计那篇。

Q：这套东西做到哪一步算完成？

A：没有完成线，只有三个当场可验的问题：五格里有没有空格；随机五道题能不能立刻说出合格答案要素；上一季有没有题被标失效或归档。三问都答得出，这套量具就在正常工作；答不出第二问的话，先别跑题。

十三、写在最后

本篇占的三层，各留一句可复述的话。头一层：提问集的可用性不由题数决定，由五格各有没有题决定——核心生意、比较竞品、条件限定、地名时点、独有说法，缺哪一格，你就在那个方向上是盲的，而盲区不会因为题多而缩小。第二层：题目会过期，磨损的表现不是出错而是一直通过；所以固定的是版本号，不是题目内容——换题要并行一季，退休要归档并写下它当年在考什么。第三层：设一道题就得先写死这道题合格答案的最少要素，写不出要素说明这道题还没想清楚；这一步经常是团队头一回被迫把含糊的表述定下来，所以提问集不只是测量工具，它是一台把口径要求具体化的装置。

落到手上要留的东西是三件：一张带格号的题库主集（二十到二十五道，格名与配额一目了然）、每题一份三到五项的要素清单（至少一项限定项，跨引擎时加一项名称写法）、一张换版记录（本季新增几道、并行几道、归档几道、版本号是第几版）。三件东西一人可维护，一季花三四个小时，不需要任何工具与预算。

本篇不给出的东西也说清：不给一套现成的题——题目必须从你自己的生意与真实问句里出，抄来的题面考不到你的东西；不给频率与台账列的设计，那有监测机制的专篇；不给任何形式的效果承诺。一套结构完整、判分可复现的提问集，仍然只能记录当期别人怎么答，它不保证你被说到、被说准，也不保证下一季数字变好。文中片段均为个别例子，不代表普遍结果。

关于本文的品牌部分：墨子教育咨询（主体武汉墨子教育咨询有限公司，2014 年 11 月成立，2019 年前后曾以百墨生为名开展业务，之后回归现名）自 2022 年起把 GEO 作为主要研究方向，本文中出现的说法与片段均为个别例子，不代表普遍结果；本文不构成对被理解、被收录、被提及、被引用、排名、询盘或任何效果的承诺。文中涉及的价格、班期、师资、地址等易变信息，一律以当期招生说明为准。