← 返回博客

为什么你的内容在 AI 里"不存在"

去年年底，我注意到一个很诡异的现象。

我有一个关键词，在 Google 上排名第一，稳了快一年。每天从 Google 过来的流量很稳定 —— 直到我发现 ChatGPT 搜索里，我的内容从来没有被引用过一次。

而另一个网站，Google 排在第三页，却在 ChatGPT 的回答里频繁出现，甚至被直接引用为信息来源。

我问了一圈同行，发现这根本不是个例。传统 SEO 排名好，不等于 AI 会引用你。

AI 搜索引擎的工作原理完全不同

要理解为什么，得先搞清楚 AI 搜索引擎怎么工作的。传统搜索引擎（Google、Bing）的核心逻辑是"索引 → 匹配关键词 → 按排名算法返回链接列表"。你优化标题标签、堆外链、做技术 SEO，就能慢慢爬上去。

AI 搜索引擎（ChatGPT Search、Perplexity、Claude、Google AI Overviews）的逻辑是"理解问题 → 检索候选源 → 评估权威性 → 综合生成答案"。它不会原样把你网页的内容吐出来，而是把你的内容当原材料，合成一个新的答案。

关键区别在于：

传统搜索引擎	AI 搜索引擎
匹配关键词	理解语义意图
看链接数量	看引用权威性
文本密度越高越好	结构化程度越高越好
页面质量 = 排名	页面质量 = 被引用的概率
优化机器可读性	优化 LLM 可理解性

换句话说，AI 要的不是一篇"关键词密集的 SEO 文章"，而是一块清晰、可验证、结构化的知识积木，它能拿过去拼到答案里。

AI 引用的 6 个核心维度

在分析了几百个 AI 引用案例后（包括我自己的几个站），我总结了 AI 引用内容时实际在评估的 6 个维度。

1. 内容可结构化程度

AI 最喜欢什么？不是你妙笔生花的散文，而是能直接解析成数据结构的段落。

比如，一篇文章如果包含清晰的 "问题 → 答案" 对、分步骤的列表、用表格组织的对比数据，AI 就很容易提取并使用。反之，一堆没有层次、没有分段的长文本，即使内容再好，AI 也很难在里面找到"能引用的那句话"。

可操作的做法：

• 每个 h2 小节开头用一句话概括本节核心观点（像本文这样）
• 关键信息用表格或列表呈现，而不是藏在段落里
• 数据、结论、定义 —— 三样东西单独成句，不要混在一起

2. 权威度信号

在传统 SEO 里，权威度约等于外链数量。但在 AI 引用里，被谁引用比被多少网站链接重要得多。

举个例子：一个在 GitHub README 中被链接的页面，对 AI 来说比 20 个普通博客的链接更有分量。为什么？因为 GitHub 是 AI 训练数据中的"高信任域"。同样地，Wikipedia 中的引用、学术论文中的引用、知名媒体中的引用，都是极强的权威信号。

可操作的做法：

• 如果你的项目是开源工具，把文档链接放在 GitHub README 和项目 wiki 里
• 在 Wikipedia 相关条目里补充你的内容作为引用源（前提是内容确实有价值）
• 在 Stack Overflow、Reddit 的 r/相关subreddit 中用你的内容回答问题 —— 不是发链接，是用内容本身回答问题

3. 语义相关性（不是关键词匹配）

AI 不是用 TF-IDF 算你页面上某个词出现了几次。它是用向量嵌入来理解"这段内容和这个问题在语义上到底有没有关系"。

这意味着你不能靠堆关键词来骗 AI。你需要做的是：覆盖一个主题的完整语义空间。如果你写了一篇关于"GEO 优化"的文章，却只讲技术步骤，没提业务价值、没提风险、没提和传统 SEO 的对比 —— AI 会判定你的覆盖度不够，转而去引用另外一篇"更全面"的文章。

可操作的做法：

• 写文章前列出用户可能问的所有相关问题，用 h2/h3 一一覆盖
• 每个概念给出定义、原因、怎么做、注意什么四个维度
• 避免空洞的"行业趋势分析" —— 给具体数据、代码、截图、案例

4. 内容新鲜度

AI 搜索引擎对"最近更新过"的内容有明显偏好。因为 AI 知道，技术领域的信息半年就可能过时。

我用 GetCiteFlow 扫描自己的站点时就发现了这个问题：几篇写得很好的技术文章，因为没有标注更新日期，AI 认为它们可能已经过时，引用率明显低于标注了更新日期的同类文章。

可操作的做法：

• 每篇文章标注 datePublished 和 dateModified（通过 JSON-LD Article Schema）
• 定期更新文章，即使只是修正拼写、补充一个新段落，也把 dateModified 改成当前日期
• 在页面显眼位置展示"最后更新于 XXXX 年 XX 月 XX 日"

5. 来源多样性

AI 引用的来源集中度非常高。数据表明，57.9% 的 AI 回答会引用外部来源，而这些引用集中在不到 1% 的网站中。

这意味着什么？如果你只在自己的网站上发布内容，AI 很可能注意不到你。但如果同样的内容（或者你作为专家被引用）出现在多个权威平台上 —— 比如你的网站 + Medium 博客 + GitHub + 行业媒体采访 —— AI 就更容易把你当作"这个领域的可靠来源"。

可操作的做法：

• 把你的核心文章在 Dev.to、Medium、HackerNoon 等平台交叉发布（用 canonical 标签指向原始版本）
• 接受行业播客、Newsletter 的采访邀请
• 在 GitHub 上开源相关工具或文档

6. 页面可访问性

AI 爬虫能不能顺利抓取你的页面，比 Googlebot 能不能抓取更重要。这里的"可访问性"不仅仅是 200 状态码，还包括：

• 不依赖 JavaScript 渲染核心内容（大多数 AI 爬虫不执行 JS）
• 服务器渲染（SSR）或静态生成（SSG）优先，而不是客户端渲染（CSR）
• 页面加载速度合理（AI 爬虫有超时限制）
• robots.txt 明确允许 AI 爬虫（Google-Extended、GPTBot、ClaudeBot 等）

我做了一个实验：把一个 React SPA 页面迁移到 VitePress（SSG），其他内容不变。两周后，这个页面在 AI 引用率提升了 3 倍。原因很简单 —— 之前 AI 爬虫看到的只是一个空的 <div id="root">。

具体怎么做？7 个立即可执行的操作

说了那么多理论，下面是我实际在做的 7 件事。每一项你都可以在今天开始。

1. 添加基础结构化数据（JSON-LD）

这是性价比最高的操作，因为 JSON-LD 是 AI 最优先解析的内容块之一。

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "你的文章标题",
  "description": "一句话描述文章内容",
  "author": { "@type": "Person", "name": "你的名字" },
  "datePublished": "2026-07-08",
  "dateModified": "2026-07-08",
  "mainEntityOfPage": { "@type": "WebPage", "@id": "https://你的网站/文章路径" }
}
</script>

除了 Article Schema，FAQ Schema 和 HowTo Schema 对 AI 引用也非常有效。FAQ 的问答结构是 AI 生成答案最直接可用的格式。

2. 创建 llms.txt 文件

llms.txt 是 AI 领域的 robots.txt。OpenAI、Anthropic、Perplexity 等 AI 平台都在读取这个文件来理解你的网站内容。

在网站根目录创建 /llms.txt：

# 网站名称
> 一句话描述你的网站做什么

## 核心页面
- [页面标题](https://你的网站/页面路径): 一句话描述这个页面的内容
- [另一个页面](https://你的网站/另一个路径): 另一个描述

## 文档
- [API 文档](https://你的网站/docs): 开发者文档

还可以创建 /llms-full.txt 提供每个核心页面的 Markdown 版本，让 AI 在生成答案前就能完整理解你的内容。这样即使 AI 不实时抓取，训练数据里也有你的完整信息。

3. 把标题和 Meta Description 优化为"答案格式"

传统 SEO 的标题公式是"关键词 + 修饰词 + 品牌名"。GEO 的标题公式是"用户会搜的那个问题 + 明确的答案承诺"。

传统 SEO 标题： "GEO 优化指南 | 2026 最新 | 某品牌"

GEO 优化标题： "如何被 ChatGPT 引用？AI 品牌可见性实操指南"

看到区别了吗？前者像搜索结果的"陈列商品"，后者像 AI 回答里的"信息来源"。AI 在检索候选源时，标题和 description 是它判断"这段内容能不能回答用户问题"的第一道关卡。

可操作的做法：

• 标题使用疑问句或"如何/为什么/什么是"开头
• Meta description 用 1-2 句话概括文章的核心答案，而不是描述文章"包含什么内容"
• 每个 h2 标题都设计成可独立被引用的"摘要"

4. 在权威平台建立引用链

这是最难但也是回报最高的一项。AI 引用的权威度信号追根溯源，最终落在真实的人和机构对你的认可上。

具体做法：不是去交换友情链接，而是让你的内容真正出现在这些地方：

• GitHub: 开源你的工具，README 里链接你的文档
• Wikipedia: 在相关条目中引用你的研究或文章作为参考源
• 行业媒体: 接受采访、投稿、或者被知名媒体引述
• 学术论文: 如果你有技术发现，写成论文发表。AI 对学术引用的权重极高

5. 每个关键段落前加"一句话总结"

这是我从实战中发现的最简单有效的技巧之一。

AI 在引用内容时，通常不是引用整段，而是提炼一段话的核心意思。如果你在每个 h2 小节的开头，自己先提炼好了一句总结，AI 大概率直接采用这句话作为引文。

就像这段话本身 —— 一个清晰的加粗总结句，后面跟上解释。这就是 AI 最喜欢的引用格式。

这种写法和传统 SEO 写作完全不同。SEO 写作讲究"关键词自然融入"，AI 引用讲究"核心观点显式标注"。

6. 定期更新内容并标注日期

前面提到内容新鲜度对 AI 引用的影响，这里给出一个具体的维护节奏：

• 核心文章每 3-6 个月 review 一次
• 更新时即使只改一个小错误，也更新 dateModified
• 在文章顶部或底部显示"最后更新于 YYYY-MM-DD"
• 如果你的技术栈支持，自动从 Git 提交日期生成更新日期

7. 用工具监测 AI 可见性

你不能优化你看不见的东西。

我一开始是手动去 ChatGPT、Perplexity、Claude 里搜自己的关键词，看自己的内容有没有被引用。但几十个关键词下来，效率极低，而且不同时间搜出来的结果还不一样。

后来我做了 GetCiteFlow，也就是我自己的 AI 品牌可见性监测工具。它做的事情很简单：定期扫描你的网站在 ChatGPT、Claude、Perplexity 等 AI 引擎中的引用情况，给出一个"AI 可见性得分"，让你知道哪些关键词被引用了、哪些被竞争对手抢占了。

如果你暂时不想用任何工具，至少先手动做一个基准测试。现在就去 ChatGPT 搜索里搜 10 个你最想被引用的关键词，记录下：

• 哪些网站在被引用？
• 你的网站有没有出现？
• 和你的内容相比，被引用的那篇文章有什么不同？

把这个作为你的 GEO 基线数据。

GetCiteFlow：从发现到解决，我做了什么

做 GetCiteFlow 这个项目的过程很有意思，因为它本身就是一条 GEO 实践的案例。

2024 年初，我在优化自己的几个网站时，发现 AI 搜索引擎的引用逻辑和传统 SEO 完全不一样。市面上的 SEO 工具几十上百，但没有一个能告诉你"我的网站在 ChatGPT 里的可见性如何"。

我先用 Notion 做了一张手动追踪表，每周去各个 AI 引擎搜一遍关键词，手动标记引用情况。两周后我就放弃了 —— 太慢了。

我意识到这需要一个自动化系统来做三件事：

1. 扫描：在所有主流 AI 搜索引擎中检索你的关键词
2. 分析：判断你的品牌有没有被引用，引用了什么内容，偏向正面还是负面
3. 对比：和竞争对手的 AI 可见性做横向对比

于是就有了 GetCiteFlow。目前提供了一个免费扫描器，可以检测你网站的 AI 可见性基础得分。如果你在考虑做 GEO 优化，先用扫描器跑一遍，至少知道自己现在站在哪里。

说真的，被 ChatGPT 引用这件事，和跟 KOL 吃饭不一样——没有捷径。数据和工具可以帮你发现问题，但根本解法还是产出 AI 真正想引用的内容。两者缺一不可。

结语：AI 搜索是新的"未被定价的流量"

2005 年的 SEO、2012 年的移动端优化、2018 年的语音搜索……每一次搜索范式的变化，都带来一段先发优势窗口期。

现在，同一个窗口又敞开了。AI 搜索引擎的流量正在以指数级增长，但在大部分行业里，针对 AI 引用的优化几乎还是一片空白。少数网站已经悄悄吃到了这波红利。

我的判断是：现在开始系统性地做 GEO 的人，会在未来 2-3 年里占据"AI 引用红利"的先发位置。

以下是我建议的起步清单：

1. 今天：运行你的 AI 可见性基线测试（去 ChatGPT 搜 10 个核心关键词）
2. 这周：给网站加上 JSON-LD 结构化数据
3. 这周：创建 /llms.txt 和 /llms-full.txt
4. 下周开始：按本文的 7 个步骤逐一优化
5. 每月：复查 AI 可见性数据，调整策略

不要等到"GEO"变成又一个热门缩写、每个 SEO 代理机构都在卖 GEO 服务的时候再开始。那时候窗口已经关上了一半。