吾一AI 引擎如何挑选信源：生成链路五步与信源权重
本系列共 8 篇，从认知、机制、内容、技术、分发、测量、落地到研究，构成一套完整的生成式引擎优化框架。可顺序阅读，也可按当前要解决的问题跳读。
生成式引擎给出一段答案的过程分五步：查询改写、检索召回、重排择优、答案生成、引用归因。理解这五步的分工，就能明白为什么"内容写得好"和"被引用"是两件需要分别解决的事——结构性因素决定能否被召回，正文证据决定能否被采用。
一、五步链路与各环节的决定因素
| 环节 | 决定因素 | 你能控制的部分 |
|---|---|---|
| 查询改写 | 意图识别、场景扩展、子问题拆解 | 覆盖场景化与口语化的问法 |
| 检索召回 | 索引覆盖度、爬虫可达性、语义相似度 | robots 与 WAF 放行、站点结构、标题与摘要 |
| 重排择优 | 权威度、时效性、结构完整度、实体清晰度 | 证据密度、发布时间、实体一致性 |
| 答案生成 | 片段可摘取性、段落自包含程度 | 结论前置、表格化、问答化 |
| 引用归因 | 溯源清晰度、来源可验证性 | 出处标注、作者署名、数据口径说明 |
二、结构驱动检索，证据驱动引用
这是 GEO 实践中最需要记住的一条机制判断。延世大学 2026 年发布的 SAGEO Arena 研究首次把完整的"检索—重排—生成"链路纳入测试，得到两组方向相反的数据：
| 优化方式 | 检索命中 | 重排位置 | 被引用 |
|---|---|---|---|
| 只优化正文内容 | 约 -9% | 约 -16% | 约 -6% |
| 优化标题、meta、结构化数据 | 约 +22% | — | — |
数据来源：SAGEO Arena（延世大学，2026，arXiv:2602.12187）。该研究的另一项发现是电商产品页在各类优化方法下引用反而下降，说明不同页面类型需要区别对待。
实操含义很清楚：只改正文不动结构，页面可能连候选池都进不去；只堆结构化数据不动正文，进了候选池也拿不到引用。两件事需要同步做。
三、三类爬虫，三种控制方式
把爬虫当成一类来处理，是技术配置最常见的错误来源。
| 类型 | 代表 UA | 目的 | 控制方式 |
|---|---|---|---|
| 训练爬虫 | GPTBot、ClaudeBot、Google-Extended、CCBot、Bytespider | 进入模型语料库 | 可 Disallow 退出训练，与是否被引用无直接关系 |
| 检索爬虫 | OAI-SearchBot、Claude-SearchBot、PerplexityBot、Bingbot | 建立答案索引 | 必须 Allow，否则无法被引用 |
| 实时抓取 | ChatGPT-User 等 | 用户当场要求读取某页 | 行为接近真人访问，难以用 robots 精确区分 |
一个额外前提：Bing 索引是 Microsoft Copilot 与 ChatGPT Search 的底层数据来源。Bing 收录异常会连带影响两个入口的可见性，这个环节经常被漏掉。具体配置方法见第 04 篇技术底座。
四、信源权重：第三方内容占主导
多伦多大学 2025 年的研究（arXiv:2509.08919）分析了多个 AI 引擎的引用来源构成，发现引用高度偏向第三方内容（earned media），品牌自营内容的占比明显偏低。
| 引擎 | 第三方内容在引用中的占比 |
|---|---|
| ChatGPT | 约 90%–95% |
| Claude | 约 82%–93% |
| Gemini | 约 63%–67% |
| Perplexity | 约 53%–74% |
口径说明：数据来自 2025 年 9 月 arXiv 预印本，测试环境以英文生态为主。中文引擎是否呈现同等偏向，需要用本地 Prompt Set 自行验证，方法见第 06 篇。
同一项研究还发现，社交平台内容在 AI 搜索中的被引比例远低于传统搜索中的表现。这解释了为什么一个在社交平台上声量很大的品牌，可能在 AI 答案里毫无存在感——两套系统的信源池不同。
五、AI 偏爱的引用信号
- 带年份与口径的具体数字，例如"同比提升 34%"优于"显著提升"
- 有署名机构或专家的直接引语
- 可溯源的出处，包含报告名称、发布方、时间
- 规范的定义句，便于直接摘取成答案
- 对比表格与步骤清单，结构清晰便于切块
- 明确的更新日期，时效可判断
- 实体清晰、无同名歧义的主体名称
六、机制层面推出的三条结论
- 技术可达性是天花板。爬虫进不来的站点，内容质量带来的差异归零。
- 自有阵地单独做不够。信源池以第三方为主，内容需要进入媒体、垂类平台与社区，具体布局见第 05 篇。
- 写法影响的是最后一公里。证据与结构的价值，体现在进入候选池之后的采用环节。
