AI 不是在"记得"你，它是在"找"你

我是醒醒，AI共学社主理人，30岁程序员转型一人公司践行者。闲鱼+小红书变现五位数，已帮500+人用AI为工作提效。不教你追工具，只帮你用AI解决问题、赋能业务。长期主义者，专注让AI真正落地到你的工作里。

GEO 实战笔记 · 第 04 篇 你现在在哪：第 2 阶 · 看懂 这一篇带你去哪：弄明白 AI 到底是怎么挑内容的，知道劲儿该往哪儿使

上周一个做工业配件的老板加我微信，第一句话是：

「我官网做得应该算细了，产品页三千多字，参数、认证、案例全堆在上面。AI 肯定能读到吧？」

我没回答，让他先做一件事：

打开 AI，问一句「XX 配件哪家做得好」，然后低头看答案底下那几行来源。

十分钟后他回来了，语气有点闷：

「一条都不是我的。」

五条来源里，两条是竞品的页面，一条是行业媒体，还有一条——他说他压根没听过那家公司。

这不是个例。

这是绝大多数企业第一次做 AI 体检时的标准反应。

而且它背后不是"你内容写得不够好"这么简单。

今天这一篇，我把这个黑盒拆开一层。

先破一个误解：AI 不是"知道"你，是"现场去查"你

大多数人脑子里的 AI，是个背过书的考生。

以为它读过一遍互联网，把你的信息"记住"了，然后你一问，它从记忆里翻出来回答你。

不是。

它更像个开卷考试的考生——只带了一个检索框进考场，答案是从它当时能翻到的书里，现摘的。

这不是我猜的。

GEO 这一行最重要的那篇论文（Princeton 和 IIT 德里做的，KDD 2024 发表），把这类系统叫"生成式引擎"，给的机制定义就是两步：

先去检索一批相关资料，再让模型依据这些资料，写出答案。

论文里那个实验引擎的做法很直接：拿 Google 排前 5 的页面当资料，然后据此生成回答。

所以"AI 提到我"这件事，本质不是一次记忆，是一次现场检索的结果。

而"现场"这两个字，藏着一个很多人没意识到的事实——

它每次翻到的书，可能不一样。

有个覆盖百万级 AI 回答的观测研究，测出来一个比例很扎眼：

ChatGPT 一次检索的页面数量，大约是它最终引用的 6 倍。 被它翻到的页面里，85% 一条引用都没拿到。

翻六本，只用一本。

这才是"AI 提到你"的真实竞争强度——不是"你够不够好"，是"你在它翻到的那几本里排第几"。

上面倒进去的，是它翻到的一大堆；下面漏出来的，只有一张。被翻到，和被用上，中间隔着五次漏斗。

这里要停一下，说清一件容易混的事。

上上篇（第 02 篇）我讲过三个动作：被提到 → 被引用 → 被说对。

那三个动作，是你已经进了答案之后的分级。

这一篇讲的，是它之前的事——你连答案都还没进去。

因为在那之前，还有一道更早的漏斗。

它挑内容，看的是三道关

一个页面想从"被翻到"走到"被用上"，要过三道关。

关卡	行话怎么说	说人话
第一关 · 翻得到	可抓取、可索引、在信源池里	你的书在不在图书馆架子上，门开没开
第二关 · 信得过	权威度、多源印证	有没有别人也这么说
第三关 · 摘得走	结构化、可摘录性	能不能整段撕下来直接用

三道关竖在那儿。它不会替你难过——过不去就是过不去，答案里没有你就是没有你。

三道关的失败，原因完全不同。

所以对策也完全不同。

下面三节，一关一关说。

第一关：门被关上了，你自己还不知道

这一关最扎心的地方在于：大部分人的问题，根本不是内容不行。

是压根没被读到。

想弄明白这件事，先要知道 AI 的爬虫其实分三类（下面这张表，是我建议你存下来的一张）：

类别	干什么用	代表
训练爬虫	内容拿去喂模型，影响"模型本身对你的印象"	GPTBot、ClaudeBot、Google-Extended、CCBot
检索爬虫	让 AI 回答时能把你当来源，影响"答案里有没有你"	OAI-SearchBot、PerplexityBot、Claude-SearchBot、Googlebot
用户触发爬虫	AI 正在读你这一页（有人让它看了）	ChatGPT-User、Claude-User

为什么这个区分特别重要？

因为它们俩常被一起屏蔽。

很多站长为了"不让我的内容被白拿去训练"，在后台点了"屏蔽 AI 爬虫"。

结果把检索爬虫一起关了——等于主动从答案里退赛。

而这在 2026 年已经成了默认值，不是个别现象：

• Cloudflare 从 2025 年 7 月 1 日起，新接入的域名默认屏蔽 AI 训练爬虫，而且是网络层强制的，不看你 robots.txt 里写了什么
• 一份 2026 年 8 月的公开普查（按 Tranco 榜单前 100 万名加权）显示：约 14% 的站点在 robots.txt 里完全屏蔽了 GPTBot；屏蔽训练类爬虫的站点比例（15.9%）是屏蔽检索类（7.6%）的两倍

一半以上的人，关错了门。

更隐蔽的还有一层。

robots.txt 只是一份"请求"，不是"执行"。

你可以让它写着"欢迎 GPTBot 光临"，但如果你站前面挡着一道 CDN 或者防火墙，它照样进不来，而且你不会收到任何通知。

同一份数据里还有个对照：

大站里真正在 robots.txt 里写死屏蔽 GPTBot 的，只有约 11.7%。 但 Cloudflare 网络上，AI 爬虫的请求只有 63.7% 能正常拿到 200 —— 14.6% 被挡回 403，还有 2.6% 被限流。

两个数字说的不是同一件事。

而它们之间的那条缝，就是大多数"我明明内容很好，为什么 AI 不提我"的答案。

最后补一刀，这是本篇最该记住的一条：

Googlebot 属于"检索爬虫"这一类。 什么概念？你屏蔽了它，AI 概览那块地方，你连候选资格都没有。

第一关不是积分赛，是资格赛。

过不了，后面两关根本没机会考。

（怎么一项一项查出来？这是第 13 篇的活儿，会把清单直接给你。）

第二关：它更信"别人口中"的你

假设你的门开着，它翻到你了。

接下来它要判断：敢不敢用你。

这里藏着整篇最反直觉的一个数字。

有个研究盯了 102 个品牌、102,025 条 AI 回答、149,912 条引用，跨五个引擎，看这些引用到底指向哪儿。

结论是：

只有 2.9% 的引用，指向品牌自己的域名。 75.2% 指向的是企业页和竞品页——就是那种你自己没有登录权限、改不了一个字的页面。

换句话说：

97% 的"依据"，不在你自己手里。

左边是你自己的网站，几乎整片是暗的。右边是别人的页面，密密麻麻全是亮的。

剩下的那部分非企业来源，排在前面的是：视频（约 4.2%）、科技与商业媒体（约 3.8%）、Reddit 这类社区（约 3.3%）、维基百科（约 2.6%）、G2 和 Capterra 这类评测站（约 1.1%）。

看出重点了吗？

视频、媒体、社区、评测站——全是你自己网站上没有的东西。

打个比方。

你去应聘，简历上写"我特别专业"。

没人在乎。

但如果三个前同事在外面说"这人专业"，招聘方立刻就信了。

AI 就是那个一定会去背调的 HR。

如果你只把官网做得漂漂亮亮，等于只在一个 3% 的战场上使劲。

那 97% 的地方，你一次都没去过。

这也解释了另一半：为什么"一致性"比"华丽"更重要。

同一件事，如果三个不同的地方说法一样，AI 敢用。

只有一个地方说过，还是你自己说的——它多半不用。

孤证不采信。

这一节我必须在最后补一段。

上面那组数据来自一份 2026 年 6 月上传的研究，它的作者，正好就是做 AI 可见度监测的那个商业平台的运营者。它是一个单一作者、只在预印本平台公开、未经同行评审的研究，样本也偏 SaaS 和零售执行类品牌。

所以那 2.9%、75.2%，不能当成人口普查数字来用。

但它的方向——"绝大多数 AI 引用来自第三方，而不是品牌自己"——和别的研究是对得上的。

方向拿来用，比例记个大概。这就是看数据的正确姿势。

（顺便，这也是第 02 篇那句"大公司更容易被提到、小主体更容易被引用"的另一面。）

第三关：好不好被"整段撕走"

门开了，它翻到你了，也信你了。

最后一步：它要把一段话拿走，放进答案里。

这一步的机制，很多人想错了。

它不是"读完整篇文章再自己总结"。它是摘句子。

所以，你哪一句话能被整个撕下来直接当答案，你就有机会。

有一项观测研究专门去测"它到底从文章的哪个位置撕"：

• 44.2% 的引用，来自一篇文章前 30% 的内容；中段（30%-70%）占 31.1%，最后一段只有 24.7%，越靠近文末越陡降
• 放到段落层面，53% 的引用来自段落的中间——不是第一句，也不是最后一句

第二条特别值得琢磨。

意思是：光有一句漂亮的开场白没用。那一段本身得有干货。

再看它偏爱什么样的句子：

• 使用"下定义"式表达的句子（"X 是……"这种），被引用的概率约是普通句子的 2 倍
• 含问号的段落，被引用的概率也约是 2 倍。而且——78.4% 跟问题相关的引用，来自"一个标题 + 紧跟着的那段回答"

78.4% 这句话，是这一整节最值钱的一句。

翻译过来就是：

AI 会把你的小标题，当成用户在问的问题。 然后把紧跟在小标题下面的那段话，当成答案。

所以，如果你的小标题写的是《行业现状分析》，下面第一段还在铺垫背景……

那正好，在两个都不会被摘的位置上，各放了一段不会被摘的话。

被点亮的只有最上面那一小段。剩下的再厚，它也不翻到底。

还有一条也很有意思：被大量引用的内容里，专有名词的密度是 20.6%，而普通英文语料只有 5%-8%。

说人话：少说"很多企业""各种工具"，多说具体的名字。

有名字、有数字、有出处的句子，它才敢摘。

翻成三条可以直接上手的写法：

别这么写	这么写
用一个漂亮的开场白铺垫半天	把最重要那句放在最前面
小标题写《行业现状分析》	小标题直接写成用户会问的那句话，下面第一段就把答案说完
"很多企业已经开始做"	"某机构 X 月的数据显示……"

具体的五个动作，是第 08 篇的活。这一篇只负责让你明白：为什么这么写更容易被摘。

（说明：这一节的数字来自第三方分析师的观测研究，由媒体转载报道。它是相关性观测，不是因果实验——具体比例会随平台和时间变，别把它当固定参数。）

最后一张表，可能有点扎心

讲到这里，我得把最难听的那组数字也摆出来。

同一份研究还测了一件事：在不带你品牌名的问句下（也就是"XX 行业哪家好"这种真正的战场上），不同体量的品牌，第一次被提到的概率：

品牌体量	首轮被提到的概率
最大的一批（11 个）	72.9%
中型（36 个）	43.6%
最小的那批（55 个）	11.4%

每一级差大约 30 个百分点。

看到这儿的第一个反应，大概是：那还做什么，小品牌没机会了。

先别下这个结论。有三件事必须说清楚。

第一，这是"起点"，不是"终点"。

它测的是第一次被提到的概率。而它之所以存在，恰恰是因为那些大品牌已经有太多地方提过它们了——不是它们的技术比你好。

第二，这个分层是按维基条目、媒体报道、融资情况人工编出来的。

说白了，它量的是"网上有多少地方提过你"这件事，不是天生属性。

第三，也是最关键的：那 97% 的引用来自第三方。

第三方，是可以一个一个铺出来的。

你不能让 AI 突然"认识"你，但你能让第五个、第十个地方开始提你。

大品牌的 30 分优势，不是技术优势，是时间优势。

所以小主体现在最该做的，不是羡慕那个 73%。 是先去数一数：今天，外面有几个地方提过你。

数完那个数字，比看这张表有用得多。

最后，把这一篇出现的词一次性翻成人话。这张表你随时回来查：

术语	说人话
信源池	AI 回答时，可能去翻的那一堆页面
可抓取	爬虫能不能进到你的页面
可索引	进来了，有没有被收进"可查的名单"
训练爬虫	把你的内容拿去喂模型，管"它认不认得你"
检索爬虫	让它回答时能引用你，管"答案里有没有你"
多源印证	同一件事有好几个地方都说过
可摘录性	你那一段能不能被整个撕下来用

本节动作

现在轮到你动手。

这个动作我特别推荐，因为做完你会拿到一张清单——不是感受，是待办。

第一步：挑一个你行业里真人会问的问题。

不要带你的品牌名。要像一个真人在做决定前会问出口的那种。

比如：「XX 行业哪家做得比较靠谱」「XX 该怎么选才不踩坑」。

第二步：把这个问题丢给 AI，然后看它的来源。

大多数 AI 回答的下面或者句子里，会带可点开的小标签——那些就是它翻的书。

把它们一条一条抄下来。

第三步：分三栏。

1. 我自己的——我的网站 / 我的公众号 / 我的其他页面
2. 同行的——竞品、同行、同区域的对手
3. 第三方的——行业媒体、社区论坛、评测站、视频、百科……

第四步：回到第三栏，问一句：

「这些都是第三方。那哪些，是我现在就能去出现的？」

五分钟。

做完你手里就有了两样东西：

一张地图（现在 AI 是从哪儿打听你的行业的），

和一张待办清单（我该去哪些地方出现）。

注意——它不是"我要做 GEO"这种空话，它是几个具体的地点。

截图存好，这是你的第四份基线。

• 第 01 篇：测「有没有被提到」
• 第 02 篇：测「有没有被说对」
• 第 03 篇：测「是从哪儿被提到的」
• 这一篇：测「它翻的书在谁手里」

四份凑齐，你就不只是知道规则了——你知道该往哪儿站。

GEO 实验日志 · 第 04 期

先报状态：还是 0。

三个固定问句、六个平台，目前没有一条回答里出现过我。

这一期不加新问句，不加新平台。

只加一栏。

上一期（第 03 期）我定的是"怎么捕捉第一次被提到"。这一期要补的是——捕捉到之后，看什么。

因为这一期我学到了一个数字：97% 的引用来自第三方。

所以这一栏的价值，比前面四栏加起来还高：

日期	平台	问句	提到我？	✅ 新增：它引用了谁
—	豆包	问句 A	○	—
—	元宝	问句 A	○	—
—	DeepSeek	问句 A	○	—
—	文心	问句 A	○	—
—	通义	问句 A	○	—
—	Kimi	问句 A	○	—

是空的。全部是空的。

我知道这张空表看起来有点可笑——六个圆圈，加上一列破折号。

但它是我这一期唯一想做的事，理由很直白：

这一栏只要填上第一行，我就拿到了一个"我该去哪儿"的具体地址。 而这一栏是空的，我就永远只能停留在"我要做 GEO"这种废话上。

第一栏记"我有没有被提到"，是记结果。 第五栏记"它引用了谁"，是记路径。

结果要靠运气的成分，路径不用。

下一次公布：第 05 篇文末。

写在最后

这一篇讲了一个动作：把 AI 的黑盒拆开一层。

拆完之后，它长这样：

它不是"知道"你。它是每次都在现场去查你。

而它查的时候，要过三道关：

• 翻得到吗——你的门开着吗
• 信得过吗——有没有别人也这么说
• 摘得走吗——你能不能整段被拿走

三道关，三道完全不同的问题。

如果你看完有点不舒服——那是好事。

不舒服说明你意识到：你过去所有的力气，可能都花在了第三关上，而第一关的门是关着的。

这不是你的错。没人告诉过你这三道关的存在。

但有一件事得你自己做：先去看门。

今天带走一句话就够了——

AI 不是在"记得"你，它是在"找"你。 你要做的不是喊得更响，是让它更容易找到、更愿意相信、更方便引用。

---

觉得有用就点个赞、在看吧，下次被AI概念绕晕的时候回来看看。

这一篇读完，你应该能做到： 说出 AI 挑内容要过的三道关，讲清"训练爬虫"和"检索爬虫"的区别，并用一张"信源地图"看出自己现在卡在哪一关。

下一篇预告： 第 2 阶 · 第 5 篇《六个平台口味完全不同，一套内容打不了天下》——为什么同一个问题，问不同的 AI 会得到完全不同的答案；以及那张可以直接存下来的「六大平台信源偏好对照表」。