展会上的产品演示往往只有几分钟，却可能影响后续选型。要让不同展商的表现真正可比较，关键不是多看几次，而是让测试条件尽可能一致，并使他人能够依据记录复现过程。这里的“可复现”不是要求每次输出一字不差，而是能说明输入、环境、操作步骤与评价标准，并判断差异来自产品能力还是演示条件。
测试前应把业务任务写成明确的验收目标：系统需要完成什么、哪些要求不可遗漏、什么情况算失败。随后统一输入材料和追问方式，并记录账号、功能或模型版本、网络条件，以及工作人员是否介入。若某家展商只能使用预设样例，或不允许修改输入，不应勉强将结果与其他演示并列；限制本身就会影响可比性。
评价时要把“答案好不好”拆成可观察的项目，例如任务是否完成、关键条件是否满足、错误是否暴露、人工介入是否必要。对于智能体，还应记录执行步骤、工具调用及失败后的处理，而不只看最终页面上的成功提示。一次顺利演示只能说明该次条件下的表现，不能证明系统在其他输入、权限或异常情境中也可靠。
现场记录宜保留原始输入、操作顺序、输出结果和未解决的问题，并标明哪些内容已核实、哪些只是口头说明。会后由另一位同事按记录重做，若无法复现，就先查明缺失的环境条件或操作细节，再讨论产品优劣。
可复现评估的价值不在于给展商排出绝对名次，而在于把印象转成可复核的证据。展会适合初筛和定位风险；涉及真实数据、系统对接与交付责任的结论，仍需在适当环境中进一步验证，并以书面材料确认。