AI 搜索管线的五个阶段是什么？

你对第三、四、五阶段拥有输入，对第一、二阶段则完全没有。理解发生在触碰任何文档之前，输入只有用户的措辞、对话历史和引擎自己的先验。扇出是引擎依据它自己对子话题的模型，从那个意图生成的。这两个阶段都不读你的站点，所以任何号称能改善它们的技巧，不是贴错了标签，就是空的。

在第三阶段，你的输入是收录、可抓取性和相关性。Google 对自己的界面直接写明了准入规则：页面"必须已被收录，并且有资格带摘要出现在 Google 搜索里，满足搜索的技术要求"，并补充说，不需要任何特殊文件或 schema.org 标记才能出现。¹ 它的 AI 优化指引点明了这条规则背后的机制：检索增强生成之所以能改善答案，是"依靠我们核心的搜索排名系统，从我们的搜索索引中检索出相关且时效性好的网页"。⁶ 在第四阶段，你的输入是段落结构，也就是某个具体子问题的答案是否坐落在一个可整块抬走的段落里。在第五阶段，你的输入是措辞。

还有很大一部分管线你完全没有输入，而它并不是一个阶段：它是别人的页面。第三和第四阶段跑在一个由整个网络构建的索引之上，所以在多数商业问题上，被检索出来的候选大多是第三方评测、榜单和讨论帖。2026 年一项覆盖四个品牌、跨三个引擎、共 47,097 条引用的厂商研究，把"被引用材料中品牌自有的比例"估在约 2%；四个品牌只能算示例而非常数，但量级本身就是重点。⁹

第五阶段的技巧之所以会输在第三阶段，是因为一次让段落更可引用的改写，可能同时让页面对"本来会把它检索出来的那条查询"变得更不相关，而管线是把这两个效应相乘，不是相加。KDD 2026 的一项基准测试搭出了一个端到端环境：171,003 份文档、2,700 条查询，并把检索与重排重新纳入，共测试了十种"只改正文"的策略。取平均后，前 20 位出现率从 0.58 降到 0.53，重排后前 10 位出现率从 1.00 降到 0.84，引用率从 0.50 降到 0.47；最差的一种策略把前 20 位出现率压到 0.37，把引用率压到 0.39。³ 综述的解读很精确：一次改写"可能在被注入之后表现良好，同时却让该文档在上游更难被检索、更没有竞争力"。²

另外两项基准从不同方向落到了同一个地方。NeurIPS 2025 数据集与基准赛道的一篇论文，在它自己描述为"超过 1.9k 条查询和 16k 份文档"的语料上"总共测试了十种方法"，结论是这些方法"不仅在很大程度上无效，而且可能产生与预期相反的效果，拉低文档排序"："在 54 个案例中，我们只发现三例排序提升具有统计显著性"，而问答任务上一例也没有。⁴ 在"位置"这件事上它保持定性、不给倍数：把一份文档放到上下文窗口的第一位，"在 LLM 回答中带来的引用排名收益，远大于"它测过的任何一种内容改写方法。⁴ 而开创这个领域的 2024 年 KDD 论文报告的收益要大得多，但那是一个自定义指标、一个专门搭建的两步引擎，而且被测页面本来就已经在那五份文档的上下文里；这正是综述把对该数字的流行推广称为"在某个特定配置下、某一个指标上的相对最大值"的原因。⁵² 两个结论都诚实；但只有一个真正跑过检索这一步。《GEO 建议错在哪》把这两项基准完整拆开讲。

把各阶段分开测量，因为一个混合出来的可见性数字没法告诉你是哪个阶段失守，而每个阶段的修法都是不同的人做的不同的活。综述把顺序讲得很直白："做出一个相关、全面、可核查、结构清晰、且技术上可被检索的页面；然后分别测量检索、引用与保真度。"²

那项把完整管线恢复出来的基准测试为每种策略报告三个数字而不是一个：检索后进入前 20 的出现率、重排后进入前 10 的出现率，以及成稿答案里的引用率。这三个数字各走各的。给同一批文档加上结构化信息，平均前 20 位出现率从 0.58 升到 0.71，而引用率几乎没动，只从 0.50 变到 0.52。³ 一个混合评分只会给你看到一个小小的正数，把这两件事同时藏起来。

创业者版本不需要任何仪器，一个下午就能做完。第三阶段：用普通请求抓一次页面，确认答案正文就在 HTML 里，再确认页面已被收录、有资格带摘要出现。¹ 第二与第三阶段：搜索你这个话题会扇出成的那些子问题，看你有没有东西排得上。第四阶段：读一读引擎从"被引用的那些人"那里摘走的段落。第五阶段：把那些措辞和你的对照。四项检查，四种不同的失守，而只有最后一种才是写作问题。