AI搜索引擎在生成回答时，优先引用可验证、权威、来源清晰的内容。如果你的知识库混入大量未经核实的二手观点、过时信息或来源不明的数据，被AI引用的概率会显著降低，甚至可能因内容不可靠而被系统过滤。

GEO的核心目标是让AI模型理解并信任你的内容。信任的前提是来源可追溯。一个没有来源标注的知识库，在AI看来只是“一堆文字”；而一个来源清晰、分级明确的知识库，则是“可验证的知识资产”。

分级不是学术洁癖，而是工程实践。它让你在内容生产时有一个明确的取舍标准：哪些信息可以写进正文，哪些只能作为参考，哪些必须删除。没有分级标准，知识库就会变成信息的垃圾场。

第一级：官方文档与标准，作为知识库的基石

官方文档和标准是知识库的最高优先级来源。它们代表搜索引擎、标准组织或监管机构的官方立场，权威性无可争议。

具体包括：

  • 搜索引擎官方文档：Google Search Central文档、Bing Webmaster Guidelines、Google的AI Overviews官方说明。这些文档直接定义了搜索引擎如何抓取、索引、评估内容，是GEO策略的第一依据。
  • 标准组织规范：W3C发布的Schema.org结构化数据规范、HTML标准、robots.txt规范等。这些标准决定了你的页面能否被正确解析和理解。
  • 监管与政策文件：如欧盟的《人工智能法案》、GDPR中涉及数据与内容的相关条款。涉及合规话题时，这些是唯一可靠依据。

管理要求：

  • 保存原始链接，不转载、不转述。
  • 记录发布时间和版本号（如“Google Search Central文档，2024年3月更新”）。
  • 引用时直接链接到官方页面，而非第三方解读。

边界与反例： 官方文档并非永远正确或及时。Google的文档有时滞后于实际算法更新，W3C的规范草案也可能在正式发布前发生重大变化。因此，引用官方文档时需标注版本和更新时间，并关注其更新日志。

第二级：同行评审研究与一手数据，支撑深度内容

官方文档解决“规则是什么”的问题，但GEO知识库还需要回答“为什么”和“效果如何”。这时需要同行评审研究和一手数据。

同行评审研究的价值在于其方法论严谨性。例如，关于AI搜索引擎引用偏好的研究，发表在学术期刊上的结论比博客文章可靠得多。引用时需注明期刊名称、发表年份、DOI或可访问的存档链接。

一手实验数据包括：

  • 自有案例数据：如你对自己网站进行GEO优化前后的对比数据。
  • 行业报告：如SparkToro、Semrush等机构发布的年度搜索行为报告。
  • 公开数据集：如Common Crawl的网页数据、Google的公开研究数据。

管理要求：

  • 注明数据收集的时间窗口、样本量、实验条件。
  • 区分“相关性”与“因果性”，不夸大结论。
  • 一手数据需透明展示条件，否则读者无法判断其适用性。

具体场景： 假设你在知识库中撰写“AI搜索引用偏好”的文章。你可以引用Google官方文档说明AI Overviews的工作原理（第一级），引用一项2024年发表的关于用户点击行为的同行评审研究（第二级），再补充你自己网站的实验数据（第二级）。三者结合，内容既有权威性，又有实证支撑。

第三级：二手观点与博客，仅作补充并交叉验证

行业博客、自媒体文章、播客观点属于第三级来源。它们可能提供有价值的洞察和实操经验，但本质上是个人或机构的解读，而非事实本身。

使用原则：

  • 仅作为补充视角，不作为核心论据。
  • 必须交叉验证：至少找到两个独立来源支持同一观点，才可写入知识库。
  • 明确标注为“观点”而非“事实”，避免误导读者和AI。

典型反例： 某知名SEO博客声称“Google在2024年更新了算法，AI生成内容将被降权”。这个说法在多个平台被转载，但没有任何官方文档或可靠数据支持。如果知识库直接引用此说法，AI在抓取时可能将其当作事实，导致错误传播。正确做法是：找到Google官方对AI生成内容的立场（第一级），再引用该博客作为“行业讨论”的参考，并明确标注。

管理要求：

  • 记录作者背景和过往可信度。
  • 标注发布日期，二手观点的时效性通常低于官方文档和研究。
  • 在知识库中设置“观点”标签，与“事实”标签区分。

如何管理来源：原始链接、发布时间与可复核性

分级标准建立后，还需要一套具体的管理方法，确保知识库中的每个条目都可追溯、可复核。

1. 原始链接管理

  • 每个知识条目必须附带原始链接，不保存无来源的摘录。
  • 使用URL缩短服务或存档工具（如Wayback Machine）保存快照，防止原链接失效。
  • 在知识库中建立“来源表”，记录链接、标题、发布机构、访问日期。

2. 发布时间管理

  • 每条内容标注原始发布时间和知识库收录时间。
  • 对时效性强的信息（如算法更新、政策变化），设置“过期提醒”。
  • 定期检查已收录内容的发布时间，超过一年未更新的需重新审核。

3. 可复核性管理

  • 所有数据、引用、案例必须能在原始来源中找到对应内容。
  • 不引用“据说”“有研究表明”这类无法查证的表述。
  • 在知识库中建立“引用规范”，要求所有事实性陈述附带来源编号。

决策框架： 当你在知识库中新增一条信息时，按以下顺序判断：

  1. 是否有官方文档或标准支持？→ 是，则归入第一级。
  2. 是否有同行评审研究或一手数据支持？→ 是，则归入第二级。
  3. 是否有多个独立来源交叉验证？→ 是，则归入第三级，标注为观点。
  4. 以上皆否？→ 不收录。

建立更新机制，让知识库保持鲜活

知识库不是一次建完就结束的静态文档。搜索引擎算法、AI模型行为、行业标准都在持续变化，知识库必须同步更新。

具体做法：

  • 季度审查：每季度检查所有第一级来源是否有更新，如Google文档版本变化、W3C规范修订。
  • 年度清理：每年清理一次第三级来源，删除已失效链接和过时观点。
  • 变更日志：记录每次更新的内容、时间和原因，确保知识库的演变过程可追溯。
  • 反馈闭环：当发现知识库中的某条信息被AI错误引用时，追溯来源，修正或删除。

一个可执行的方法： 在知识库中为每个条目设置“最后审核日期”字段。每次审核时，如果来源已更新，则同步更新条目；如果来源已失效，则寻找替代来源或删除条目。这样，知识库的“新鲜度”是可量化的，而非凭感觉。

Q&A

如何判断一个来源是否可靠？

优先选择官方域名（如google.com、w3.org、gov.cn），可查证的作者或机构，有原始数据和发布时间的内容。对二手观点，至少找到两个独立来源交叉验证。无法验证来源的信息一律不收录。

如果你希望进一步了解如何将分级标准落地到具体的GEO内容建设中，可以参考天行GEO的研究方法和GEO专题专栏，其中包含更多关于知识资产建设的实操案例。

内容质量与用户价值原则可参考 Google Helpful Content 官方文档。