AI 引擎真正引用的，是一个页面还是一段文字？

看看独立研究者不得不怎样搭建他们的量具。2026 年一篇预印本基于 602 条受控 prompt、21,143 条搜索层引用和 18,151 个被抓取页面，需要一个衡量“一个被引页面究竟在多大程度上塑造了一条答案”的指标，而它构造出来的分数把重复引用记 0.20、出现位置靠前记 0.15、段落覆盖率记 0.20、TF-IDF 余弦相似度记 0.25、n-gram 重合度记 0.20。¹ 五个成分里有三个是在拿答案的片段和来源的片段作比较。这样的量具在页面粒度上根本搭不起来，因为在页面粒度上没有东西可比。

同一篇论文把机制写成了一个值得原样引用的假说：一个页面“之所以对生成式引擎有价值，是因为它能够被拆解成可复用、语义上对齐的信息单元”，而且它指出，定义、统计、对比、步骤序列这类证据体裁“创造出可复用的支撑单元，而问答式排版只是一层表面包装”。¹ 作者称这项工作是描述性的，把确证性分析留待日后，所以请把这个框架当作一个被表述得很清楚的假说，而不是一项结论。

独立的准确性文献在同一个粒度上测量，指向了同一个方向。2023 年那项可验证性评估是拿句子去对引用打分的，发现 51.5% 的句子被完全支撑，74.5% 的引用支撑了它所对应的句子。² 2026 年一项对 Google AI Overviews 的审计把答案拆成 98,020 条原子主张，发现其中 11.0% 得不到旁边所引页面的支撑。³ 这些失败对一个品牌意味着什么是另一个问题，合成与归因那一篇在回答它。它们在这里确立的东西更窄也更有用：每一次认真研究“来源到答案”这条链路的尝试，都不得不下沉到页面之下去做。

把那一段复制到一个空白文档里，冷读一遍。三个问题就能定案。读者能不能在不往任何地方滚动的情况下说出这一段讲的是什么？任何会改变意思的限定条件，是不是都出现在他们眼前的这段文字里？这一段六个月后还成立吗，还是说它需要一个它并没有带上的日期？三条里有任何一条不过关，那都不是文笔差；那是只有待在原位才成立的写法，这是另一种缺陷，而且是看不见的缺陷，因为你的分析后台不会报告一段从未获得资格的文字。

一个 B2B 文档团队把定价页和集成页过了一遍这个检验，找出了通常都会出现的那个模式：限定条件全都漂移到了每个页面顶部的一个共用段落里，于是十二个各自准确的小节，每一个都既可被引用又不完整。把一句限定挪回各自的小节里，没有改动任何事实，每个页面多了大约四十个词。这种修改很便宜；同时也应当直说，该团队无法把之后引用上的任何变化归因于它，因为一个没有对照组的单站点，分不开一次改动和同一时间窗里动过的其他一切。

值得点名的失败是相反的那种。有个团队读了同样的证据，把一篇长指南剁成三十个问句开头的碎片，结果丢掉了让这篇指南值得被引用的那些连贯推理，最后得到三十段各自在复述一个另外二十个地方都有的定义。支撑本文段落证据的那篇论文预见到了这个结果：在它的体裁表里，问答格式是唯一与更低平均影响力相关的一类，0.0947 对 0.1005，作者的解读是它只是一层表面包装，什么活都没干。¹

页面不再是你优化的那个东西，而变成你组装出来的容器。一篇 2,500 词的文章，在选择阶段大约是二十个各自独立的参赛项，其中大多数永远不会对任何东西构成候选；在列提纲的阶段，真正有用的问题是：你到底希望哪四五段被引用，以及它们每一段是不是在回答某个人真的会那样问出来的问题。这种重新取景改变提纲的程度，远大于它改变句子的程度。

它允许你做的事，比看上去少。刻意重塑文字去赢得选择，恰恰是那个反复测出零效果的干预：NeurIPS 2025 一项对十种对话式 SEO 方法的基准测试报告称，在 54 个案例中只有三个出现了统计显著的排名提升。⁴ 疑问句式的小标题有两条互相独立的支持线：一项 55,393 条查询的研究测得 Google AI Overview 在疑问句式查询上的触发率为 64.7%，非疑问句式为 9.5%³；而那份段落数据集发现以问句开头的段落被复用的频率大约是两倍。本文其余的一切都是带着论证的假说，有证据的内容杠杆那一篇会逐条给它们评级。