步骤一：把模糊需求改成可判分任务
原问题只有“科技馆怎么玩”，三种渠道都能给出一堆正确废话。测试前补齐条件：周六出行、孩子6岁、单程不超过60分钟、预算300元，需要确认预约方式、开放时间、儿童规则、交通和闭馆风险。再设五个得分点，每项20分。这样测的是解决问题的能力，不是谁写得更热闹。
百晓生对比复盘：一道出行题怎么测
做百晓生对比，最怕拿几张精挑细选的截图互相较劲。下面用一个可复现的模拟案例，测试“周六带6岁孩子去科技馆”的信息查询任务，并把百晓生、搜索引擎和官方渠道放进同一流程。案例不代表任何同名产品的固定表现，重点是教你怎样设题、计时、核验和算返工成本。
步骤二：同一题分别提交并保留原记录
把完全相同的题目交给待测的百晓生，并在搜索引擎使用“科技馆名称＋预约＋开放时间”等关键词，同时进入场馆官方账号或网站。记录首次出现有效信息的时间，不中途给某一方补充提示。模拟结果表只填四类数据：耗时、覆盖项、来源链接、待确认项，不用“感觉不错”这类无法复核的评价。
步骤三：逐项追到直接发布页面
百晓生若给出开放时间和票价，要点开来源核对发布日期；搜索结果若显示旧攻略，继续寻找场馆公告；官方页面如果只写预约规则，没有交通建议，就允许其他渠道补充。这里会看到三者分工：整理型服务胜在汇总，搜索胜在发现线索，官方渠道负责最终确认。任何一方都不该因为单项领先拿满全场分。
步骤四：加入返工成本重新计分
假设某渠道五项覆盖齐全，却有两项没有日期，核验共花12分钟；另一渠道只覆盖三项，但都能直接验证，补齐剩余内容花8分钟。后者可能更实用。评分可按准确性40分、覆盖度25分、来源透明度20分、总耗时15分计算。明显事实错误每项额外扣15分，避免“答得多”反而占便宜。
步骤五：形成能执行的百晓生对比结论
复盘结论不要写成谁永久第一，而应标明任务边界：做行程草案时可用百晓生快速列项，找分散经验时用搜索，出发前再以官方预约页面和临时公告为准。换成论文、就医或合同任务，渠道权重必须重算。你真正需要保留的是评分表和原始记录，下次版本更新后重测，才知道体验是稳定提升还是偶然发挥。
推荐阅读
常见问题
- 百晓生对比为什么要使用同一道题？
- 题目条件不同会直接影响答案质量。统一对象、时间、地区、预算和输出要求，才能避免某个渠道因获得更多提示而占便宜。
- 百晓生对比只看回答速度可以吗？
- 不可以。应计算从提问到完成核验的总耗时。回答很快但来源难找、错误多，实际返工成本可能比慢一些的渠道更高。
- 一次案例能证明百晓生长期好用吗？
- 不能。单次案例只能展示测试方法。建议再选事实、时效、分析三类任务重复测试，并在版本或收费规则变化后重新评估。