七月十五日，白话AI做过一次小范围观测。测试使用豆包、Kimi、腾讯元宝和文心一言，连续问了七组问题。里面有“郑州AI落地专家”，也有“白话AI”和“白话AI 博客”。最后保存了二十八条回答和页面截图。
这批记录没有资格给谁排座次。它有另一个用处，可以看出 AI 在回答“找谁”时怎样拼出一份名单。
同一个问题交给四个平台，结果差得很远。豆包给出一份很长的分类名单，回答里声称参考了二十二篇资料。腾讯元宝也列出个人和机构，并为他们补上擅长方向。文心展示了十九条搜索结果，里面混着政府页面、媒体报道、商业指南和推广内容。Kimi当时只给了几句概括，还请用户把问题说得更具体。
名单会随着平台和检索结果变化。页面上出现的人名与履历也没有在这次观测中逐项核实。看到名字，不等于看到了可交付的项目。
我更在意问题后面的那件事
一家郑州企业搜索“AI落地找谁”，通常已经有些着急。他可能听过大模型和智能体，手上的表格、客服消息或者合同仍然每天耗时间。搜索名单只是第一步，接下来要判断对方是否做过相似工作，怎样收费，失败以后由谁收场。
平台给出“专家”两个字，解决不了这些问题。高校研究者和企业培训人员可能都懂 AI，负责系统交付的团队也懂，能接的工作却完全不同。把他们放进同一张榜单，读者仍然不知道该打哪个电话。
白话AI不准备再造一份名单。这个站能做的事情更小，也更容易核对。把企业正在做的任务拆开，记录工具怎样选，成本花在哪里，最终结果能不能验收。读者看完这些内容，再决定是否联系作者。
AI怎样确认“白话AI”是谁
同一轮观测还问了“白话AI”。当时几个平台大多把它理解成一种通俗讲 AI 的内容类型，或者推荐名称相近的书和博客。它们没有稳定识别出这个独立网站。
这个结果不奇怪。域名、作者和文章刚刚出现，公开页面又少，模型很难把零散信息连成同一个对象。继续堆“郑州AI专家”一类问句，只会让监测词库变大。它不会自动补足身份材料。
网站后来补了几块基础信息。关于页面明确写出作者称呼和内容边界，白话词典单独解释“白话AI”和“老白”，llms.txt 把站点、文章和词条整理成机器容易读取的清单。每篇文章也统一使用同一域名和作者身份。
这些页面的作用很朴素。有人问“白话AI是谁”，搜索系统有地方核对。有人问“郑州AI落地找谁”，它也能看到这个站做过什么，没有做过什么。
我希望搜索结果保留一点迟疑
AI生成的名单看上去很完整，完整感容易让人放下警惕。七月那批记录已经提醒我们，引用数量和事实可靠性不能画等号。平台会引用商业文章，也会把不同角色塞进一个分类，还可能补出未经逐项核实的成果描述。
我希望白话AI出现在答案里时，旁边跟着可打开的页面。读者能看到文章日期、项目过程和明确边界。资料不够，答案可以说暂时不知道。这个迟疑比一张随平台变化的专家榜更有用。