SEO2026第209期 | SEO从业者AI使用行为规范及标准（三）：AI事实核验、来源分级与引用证据链搭建流程

索未 · AI 实践｜AI 工具实测

GEO 实战

一篇文章看起来资料丰富、引用完整，并不代表其中的事实已经得到证明。

AI 可能引用真实存在的网页，却错误理解原文；可能找到权威机构的网站，却引用了已经过期的页面；可能把公司声明写成独立结论，也可能把行业观察、个人推测和官方事实混合在同一段文字中。

对于 SEO 从业者而言，这类错误尤其危险。

Google 文档更新、排名系统公告、结构化数据要求、抓取规则、Search Console 功能、AI 搜索变化和技术 SEO 建议，都具有较强的时间敏感性与执行风险。一条错误结论不仅会降低内容可信度，还可能误导网站修改、影响页面收录，甚至让企业对外发布不存在的"Google 重大更新”。

因此，SEO 团队不能只要求 AI“提供来源”，而应建立一套完整的：

• 事实分类制度；
• 来源分级制度；
• 主张核验流程；
• 引用证据链；
• 冲突处理机制；
• 人工审核标准；
• 发布后纠错机制。

这套制度的核心目标不是让每句话后面都出现一个链接，而是确保：

· · ·

在 AI 内容生产中，引用错误通常不只表现为虚构链接。

更常见的情况是：

1. 来源真实存在，但并不支持正文结论；
2. 来源只支持部分事实，AI 却扩大了结论；
3. 引用的是转述文章，而不是原始出处；
4. 来源发布时间晚于事件，但正文混淆了两个日期；
5. 来源已经更新，AI 引用的是旧版本；
6. 来源属于企业自身声明，却被写成第三方验证；
7. 多个网站相互转述同一个错误信息；
8. 引用位置距离主张太远，无法判断支持哪句话；
9. AI 把搜索结果摘要当成完整原文；
10. 来源支持事实，但不支持 AI 进一步推导出的因果关系。

因此，事实核验至少要完成三个独立判断：

需要确认网页、文件、公告、研究或数据记录确实存在，并能够被访问和识别。

需要判断来源主体、发布时间、原始性、专业能力、利益关系和适用范围。

即使来源真实且权威，也必须检查原文是否与正文主张在主体、时间、范围和语义上保持一致。

有来源、来源权威、来源支持结论，是三个不同问题。

· · ·

NIST 发布的《生成式人工智能风险管理框架概要》是 AI 风险管理框架的跨行业配套文件，旨在帮助组织将可信性要求纳入生成式 AI 产品和系统的设计、使用与评测过程。其管理逻辑不是假设模型天然可靠，而是要求组织识别具体使用场景中的风险，并建立持续测量和管理机制。

OpenAI 在 2025 年关于语言模型幻觉机制的研究说明中指出，传统评测如果只奖励回答正确而惩罚“不知道”，可能反而鼓励模型猜测；降低幻觉不仅需要更好的模型，也需要让评测体系奖励合理表达不确定性。

Anthropic 的官方技术文档也建议，通过允许模型明确表示“不知道”、先提取直接原文、为具体主张提供引用，并撤回找不到证据的结论，降低事实错误风险；同时强调，这些方法只能减少幻觉，不能彻底消除，关键事实仍需人工验证。

这些官方资料共同说明：

事实核验不能被简化为选择一个更强模型。

企业还必须调整工作流，使模型：

• 可以承认信息不足；
• 必须区分事实和推断；
• 需要为主张寻找证据；
• 无法找到证据时撤回结论；
• 在高风险任务中接受人工复核。

· · ·

Google 明确建议网站在使用生成式 AI 制作内容时，重点关注准确性、质量和相关性，这一要求不仅适用于正文，也适用于标题、Meta Description、结构化数据和图片替代文本等可能出现在搜索结果中的内容。

Google 同时说明，生成式 AI 可以用于研究主题和组织原创内容，但如果利用 AI 大规模生成缺少用户价值的页面，可能触及规模化内容滥用政策。

在 Google 关于有用、可靠、以用户为中心内容的指南中，原创信息、完整描述、深入分析、合理使用其他来源以及可信度，均属于网站应当自我评估的重要内容质量问题。

这意味着，SEO 团队不能把"AI 生成速度”当作内容生产的最终指标。

对于需要发布到网站、微信公众号、客户报告或企业知识库中的内容，至少还要判断：

• 信息是否准确；
• 来源是否原始；
• 结论是否超出证据范围；
• 是否存在独立分析；
• 是否真正增加了用户价值；
• 是否能够说明哪些是事实、哪些是判断。

· · ·

建立事实核验制度前，企业应统一以下概念。

主张是内容中可以被证明、反驳或核验的具体陈述。

例如：

这是一个可以核验的事实主张。

而下面的表述：

属于分析或推断，不是同一类型的事实。

来源是提供信息的网页、文件、数据库、视频、公告、研究、访谈、日志或其他记录。

来源是承载证据的载体，但来源本身不等于证据。

证据是来源中真正能够支持某项主张的具体部分，例如：

• 官方公告中的一段文字；
• 文档中的规则说明；
• 数据表中的具体数值；
• 视频中的原始发言；
• Search Console 中的时间序列；
• 服务器日志中的抓取记录；
• GitHub 提交中的代码变化。

引用是在最终内容中建立主张与来源之间的可见连接。

引用的功能不是装饰，而是让审核人员和读者能够复查证据。

来源追溯信息也可以称为来源谱系或 Provenance，记录某项信息：

• 从哪里产生；
• 由谁产生；
• 在什么时候产生；
• 经历了哪些处理；
• 被谁使用；
• 最终形成了什么内容。

W3C 的 PROV-O 标准提供了一套用于表达和交换来源追溯信息的模型，可以记录信息实体、处理活动和相关责任主体，并支持在不同系统之间交换这些记录。

对于 SEO 团队而言，不一定需要完整部署 W3C 语义模型，但可以借鉴其基本逻辑：

· · ·

来源追溯能够回答：

• 内容从哪里来；
• 是否被修改；
• 使用了什么工具；
• 谁参与了生成；
• 是否可以验证完整性。

但它不能自动证明内容中的事实为真。

C2PA 目前通过 Content Credentials 记录数字内容的来源和变更历史，并利用密码学签名和哈希值帮助验证媒体及其来源信息是否被篡改。

C2PA 2.4 规范的目标是为数字媒体的来源和历史建立技术标准。

由此可以推断：

来源记录能够证明某项内容由特定工具或流程产生，并帮助发现篡改，但不能单独证明其中的观点、数字或叙述一定正确。

例如，一张带有完整 Content Credentials 的图片可以证明它由某个设备拍摄并经过某项编辑，但图片附带的说明文字仍然可能错误；一份具备完整版本记录的 SEO 报告，也可能因为错误分析数据而得出错误结论。

因此，企业必须同时建立两条链：

• 来源追溯链：证明内容是怎样产生的；
• 事实证据链：证明内容中的具体结论为何成立。

· · ·

AI 不应把所有输出都写成确定事实。

建议 SEO 团队为重要主张设置以下七种状态。

存在直接、有效且足以支持该陈述的证据。

例如：

这类陈述应附上对应的官方记录。

某个机构、公司或个人确实作出了这一声明，但声明内容尚未得到独立验证。

例如：

准确写法应保留“供应商表示”“官方测试显示”等归属词，不能直接改写成已经被独立证明的普遍事实。

来自企业自身数据、公开数据集或测量结果的现象。

例如：

必须同时说明：

• 样本范围；
• 时间范围；
• 测量方法；
• 指标定义；
• 是否具有代表性。

证据本身不能直接证明结论，但能够支持一个合理解释。

例如：

必须使用“可能”“表明”“可合理推断”等限定语。

目前证据不足，但值得继续观察。

例如：

不能把假设写成确定原因。

基于经验、风险和业务目标给出的建议。

例如：

建议可以不依赖单一外部来源，但必须说明适用场景与风险边界。

无法获得足够证据，或者可靠来源之间存在实质冲突。

此时正确输出不是选择一个更符合预期的结论，而是明确写出：

· · ·

一个来源是否可靠，取决于它与具体主张之间的关系。

Google 官方文档适合确认 Google 的公开规则，却不能单独证明某项策略在所有网站上的实际效果；某家模型公司的技术文档适合确认其 API 功能，但不能替代独立的模型横向评测；一个网站自己的 Search Console 数据适合解释该网站的表现，却不能自动推广为全行业规律。

因此，来源分级应以“主张适配度”为核心，而不是简单按域名大小排序。

· · ·

包括：

• Google Search Central 正式文档；
• Google Search Status Dashboard；
• Google 官方文档更新日志；
• 搜索引擎官方博客和开发者文档；
• 法律法规原文；
• 标准组织正式规范；
• 企业自己的 Search Console、GA4 和服务器日志；
• 产品官方 API 文档；
• 官方财务报告或监管文件。

一级来源距离事实最近，通常是核验产品规则、事件时间和系统状态的首选。

但一级来源仍需检查：

• 是否适用于当前地区；
• 是否为最新版本；
• 是否只是营销声明；
• 是否存在明确限制条件；
• 是否与具体主张完全一致。

包括：

• 同行评审论文；
• 研究机构原始报告；
• 公开数据集；
• 实验记录；
• 会议完整视频或文字记录；
• 原始访谈；
• GitHub 原始提交；
• 网站变更记录；
• 专利和技术标准。

这类来源适合支持研究结论、技术机制和历史变化。

需要检查：

• 样本数量；
• 研究方法；
• 研究时间；
• 统计显著性；
• 利益冲突；
• 结论是否被错误外推。

包括：

• 有编辑审核机制的专业媒体；
• 能够链接原始出处的行业报道；
• 具有明确研究方法的咨询报告；
• 包含原始采访的调查文章。

这类来源适合用于：

• 发现事件；
• 补充背景；
• 呈现行业反应；
• 确认原始采访内容。

但对于 Google 规则和算法确认，不能用专业媒体替代官方来源。

包括：

• 有明确身份和专业记录的 SEO 从业者；
• 公开案例研究；
• 真实数据截图；
• 会议演讲；
• 经验证的技术实验；
• 对官方资料的专业解释。

这类来源能够提供实践价值，但通常属于：

• 个案观察；
• 专业观点；
• 初步判断；
• 尚未普遍验证的行业信号。

正文中应明确归属，不得把个人观察改写成搜索引擎官方结论。

包括：

• Reddit；
• SEO 论坛；
• 社交平台；
• 用户评论；
• 社群聊天记录；
• 匿名爆料。

这类来源可以帮助发现异常、收集案例和识别新问题，但不适合单独支持高风险结论。

包括：

• 没有原始出处的新闻聚合页；
• 自动摘要网站；
• AI 搜索回答；
• AI 生成文章；
• 转载但不链接原文的内容；
• 批量采集网站。

六级来源只能用于发现线索，不应作为最终事实证据。

AI 输出不是事实来源。

即使 AI 在答案中引用了资料，也必须继续检查原始页面。

· · ·

同一个来源在不同主张中可能属于不同等级。

例如：

某公司发布的新模型功能公告，对于“该公司是否宣布此功能”属于一级来源。

但对于“该模型是市场上最准确的模型”，同一公告只能被视为企业自身声明，需要独立测试支持。

某位 SEO 专家公开的 Search Console 截图，对于“该网站在某时段出现了流量变化”可能是一手观察。

但对于"Google 已经实施某项全球算法更新”，该截图只能作为行业信号，不能替代官方确认。

因此，审核人员不应只问：

而要问：

· · ·

每一个重要来源都可以从以下维度审核。

能否确认发布主体是谁？

来源距离原始事件有多近？

是直接发布者、原始研究者，还是第三次转载？

来源是否仍然适用于当前时间？

发布者是否具备判断该问题的专业能力？

来源是否独立于被评价对象？

其他审核人员是否可以访问原文、数据或实验过程？

来源是否保留了完整上下文，还是只截取一句话、一个截图或一个搜索摘要？

这七个维度不必机械地计算为一个总分。

更重要的是发现来源的结构性缺陷。

例如，一个官方来源可能身份真实、接近事件，却缺乏独立性；一个研究报告可能专业性高，但数据已经过期；一个社交帖子可能非常新，却无法复核。

· · ·

AI 事实核验失败的常见原因，是一次核验整个段落。

例如：

这句话实际包含四项不同主张：

1. Google 更新了文档；
2. 文档要求网站修改结构化数据；
3. 不修改会影响排名；
4. 不修改会影响 AI 搜索曝光。

一份官方更新日志可能只支持第一项；文档正文可能支持第二项；第三项和第四项则可能完全没有证据。

因此，内容审核必须先拆分成最小主张。

建议以以下原则拆分：

• 一个主语；
• 一个主要动作或判断；
• 一个明确时间范围；
• 一个清晰适用范围；
• 一个可以独立验证的结论。

经过拆分后，每一项主张都应单独确定：

• 是否需要来源；
• 使用哪个来源；
• 来源支持程度；
• 是否需要限定语；
• 是否允许发布。

· · ·

主张台账是引用证据链的核心。

建议至少记录以下字段。

主张台账的价值在于：

文章修改后，证据不会与正文失去对应关系。

· · ·

一条完整的证据链应至少包含六个节点：

在更成熟的系统中，还可以继续记录：

这样，当内容发生争议时，企业可以回答：

• AI 最初生成了什么；
• 使用了哪些资料；
• 哪位员工核验过；
• 哪个版本最终发布；
• 错误发生在哪个环节；
• 是否需要修正其他同类内容。

· · ·

来源讨论的对象是否与正文对象相同？

例如，Google Ads 的规则不能直接用于证明 Google 自然搜索的规则。

来源是否真正支持正文中的动作或判断？

"Google 正在测试”不能被改写成"Google 已经全面上线”。

来源中的时间、地区、产品和用户范围是否与正文一致？

“部分美国用户可用”不能被写成“全球所有用户已经可以使用”。

只有三项都匹配，来源才能被认定为完全支持主张。

· · ·

审核人员不应只有“有引用”和“无引用”两个选项。

来源能够直接证明正文主张，且没有遗漏重要限定条件。

来源只支持主张的一部分，或者正文的语气强于原文。

处理方式：

• 缩小正文结论；
• 增加限定词；
• 补充其他来源。

来源与正文结论相反，或者多个可靠来源之间不一致。

处理方式：

• 暂停发布确定结论；
• 明确呈现分歧；
• 进一步查找原始资料。

来源与正文主题相关，但不能证明该句话。

相关不等于支持。

这是 AI 引用中最容易被忽略的问题。

· · ·

SEO 资讯经常同时存在多个日期：

• 官方公告发布日期；
• 功能开始上线日期；
• 排名更新开始日期；
• 排名更新结束日期；
• 文档最后修改日期；
• 媒体报道日期；
• 审核人员访问日期。

例如，一篇行业媒体文章在 7 月 10 日报道某项功能，并不代表功能在 7 月 10 日上线；官方文档在 7 月 12 日修改，也不代表政策从 7 月 12 日开始生效。

因此，主张台账应分别记录不同日期。

最终内容中也应尽可能明确：

不能只写一个模糊的“近日”。

· · ·

搜索结果摘要可能：

• 截断原文；
• 拼接不同段落；
• 保留旧缓存；
• 忽略否定词；
• 缺少适用条件；
• 与当前页面内容不一致。

因此，AI 或审核人员找到搜索结果后，必须打开原始页面，检查：

• 页面主体；
• 标题；
• 正文；
• 日期；
• 上下文；
• 页面是否已更新；
• 关键结论是否仍然存在。

对于 PDF、图表、视频或图片资料，还要查看对应页面、表格或时间戳，不能只依赖自动提取的文字摘要。

· · ·

以下 SEO 主张原则上必须追溯到直接来源：

• Google 正式算法更新；
• 垃圾内容政策变化；
• 抓取和索引规则；
• Robots 控制规则；
• Canonical 处理方式；
• 结构化数据资格变化；
• Search Console 指标变化；
• 搜索结果功能上线；
• 模型 API 价格和能力；
• 法律法规和数据合规要求；
• 网站实际流量和转化数据。

行业媒体可以帮助发现和解释变化，但不能替代原始来源。

例如，Search Engine Roundtable、Search Engine Land 或其他专业媒体可以用于说明行业观察，但正文需要明确区分：

• Google 官方确认；
• 媒体报道；
• 从业者观察；
• 本文推断。

· · ·

“任何事实都必须有两个来源”听起来严格，但在实际工作中并不总是合理。

例如：

• 某官方文档是否增加了一段文字，原始文档本身可能就是最直接证据；
• 某网站自己的 Search Console 点击量，只能由该网站数据确认；
• 某公司是否发布了新 API，官方文档通常是第一来源。

真正应该执行的是：

• 来源就是事件主体；
• 主张只描述该主体的公开行为或声明；
• 原文清晰；
• 没有重大争议；
• 正文保留了准确归属。

• 来源存在明显商业利益；
• 主张涉及效果、优越性或市场地位；
• 结论可能造成重大业务决策；
• 来源内容存在争议；
• 事件范围不清楚；
• 多个来源出现冲突；
• 需要从个案推广到普遍规律。

交叉验证的目的不是增加链接数量，而是减少单一来源偏差。

· · ·

如果十篇文章都转述同一条社交平台消息，它们本质上仍然只有一个信息源。

判断来源是否独立，需要追踪：

• 最初消息从哪里出现；
• 后续文章是否自行核验；
• 是否采访了不同主体；
• 是否使用了不同数据；
• 是否只是互相引用；
• 是否存在共同新闻稿。

因此，主张台账中应增加“原始出处”和“独立来源”字段。

否则，AI 很容易把大量重复报道误认为“多源证实”。

· · ·

当两个看似可靠的来源出现冲突时，不应让 AI 通过多数投票决定事实。

建议按照以下顺序处理：

很多冲突来自讨论对象、时间或地区不同。

谁更接近原始事件？

后发布的来源是否包含修正或新信息？

一个来源可能适用于特定产品版本，另一个适用于全部用户。

研究方法、样本和指标是否不同？

如果无法解决，应明确写出：

不要为了让文章显得完整而强行选择一方。

· · ·

AI 非常容易把两个同时发生的现象写成因果关系。

例如：

这个结论至少包含：

1. 流量确实下降；
2. Google 更新确实发生；
3. 两者时间重合；
4. 更新导致了流量下降。

前三项可以通过数据和时间记录核验。

第四项属于因果推断，还需要排除：

• 网站技术变化；
• 季节性需求；
• 竞争对手变化；
• 页面删除；
• 跟踪代码异常；
• 品牌需求波动；
• 搜索结果展示变化；
• 广告和渠道变化。

因此，证据链中应把“事实共现”和“因果解释”分开记录。

· · ·

AI 文章中出现数字时，应记录：

• 原始数据；
• 样本量；
• 分母；
• 时间范围；
• 计算公式；
• 是否四舍五入；
• 是否经过筛选；
• 是否可以复现。

例如：

需要明确是：

• 从 50% 提高到 70%，即提高 20 个百分点；
• 还是从 50% 提高到 60%，相对提高 20%。

“百分比”和“百分点”不能混用。

如果数字来自图表，还应确认：

• 坐标轴是否截断；
• 数据是否为估算；
• 图表是否展示全部样本；
• 单位是否一致。

· · ·

逐字使用原文。

要求：

• 保持原意；
• 不删除改变含义的上下文；
• 标注具体出处；
• 控制引用长度；
• 避免不必要的大段复制。

用自己的语言总结原文。

要求：

• 不扩大结论；
• 保留重要限定条件；
• 不把“可能”改成“确定”；
• 不把“部分用户”改成“所有用户”；
• 不把“相关”改成“导致”。

事实核验系统中应记录：

• 原文证据；
• 发布文案；
• 二者之间的对应关系。

· · ·

一段文字末尾放置多个来源，容易让读者无法判断：

• 哪个来源支持哪句话；
• 是否所有来源都支持整段；
• 哪些内容是作者判断。

更合理的方式是：

• 在重要事实后立即引用；
• 不把多个不相关主张放在同一个引用下；
• 推断与事实分段；
• 作者判断使用明确提示语。

例如：

第一句需要官方来源。

第二句属于分析，应使用“可能”“本文判断”等标识，不能让同一个引用看起来同时证明两个结论。

· · ·

在内容生产和审核阶段，可以统一使用以下内部标签。

由搜索引擎、监管机构、标准组织或直接责任主体明确发布。

来自网站数据、实验或公开数据集。

来自专业媒体、研究机构或从业者解释。

基于事实和经验形成的分析、推断或建议。

内部审核完成后，不一定需要保留全部标签，但最终文章必须在语言上保持同样的边界。

· · ·

不同内容不能使用相同标准。

建议至少区分：

• 新闻和更新解读；
• 技术 SEO 指南；
• 数据报告；
• 内容营销文章；
• 产品和服务页面；
• 客户诊断报告；
• 自动生成的 Meta 信息；
• Schema 和代码；
• 内部知识库。

#### 低风险

文字格式、一般背景知识、非关键描述。

#### 中风险

行业数据、SEO 建议、竞争分析、内容策略。

#### 高风险

官方政策、算法更新、技术配置、客户数据、法律合规、生产环境操作。

高风险主张必须进入主张台账。

把草稿拆成最小可核验单位，并分配 Claim ID。

区分：

• 已核实事实；
• 主体声明；
• 数据观察；
• 推断；
• 假设；
• 建议；
• 未确认信息。

先定义“什么来源才有资格证明这句话”，再开始搜索。

不要先拿到一个来源，再调整正文去迎合它。

推荐顺序：

1. 官方原始资料；
2. 原始研究和数据；
3. 高质量专业媒体；
4. 专家分析；
5. 社区线索。

确认：

• 发布主体；
• 页面标题；
• 发布日期；
• 更新时间；
• 具体段落；
• 适用范围；
• 限制条件；
• 是否存在后续修正。

只提取真正支持主张的段落、数据、页码或时间戳。

Anthropic 的引用功能文档将引用的价值描述为：让模型回答能够关联到支持具体主张的原文片段，从而便于验证和展示来源。

企业即使不使用特定模型的原生引用功能，也可以采用同样的设计原则：

标记：

• 完全支持；
• 部分支持；
• 冲突；
• 不支持。

记录来源版本、发布日期、事件日期和访问日期。

对高风险、争议性和效果类主张寻找独立证据。

根据证据强度决定使用：

• 已确认；
• 官方表示；
• 数据显示；
• 观察到；
• 可能；
• 尚不能确认。

审核人员应同时检查：

• 事实；
• 来源；
• 日期；
• 引用位置；
• 结论边界；
• 是否遗漏反向证据。

保存主张台账、来源快照、提示词版本、模型版本和审核记录。

对于动态信息，设置复查时间和更正机制。

· · ·

企业可以使用第二个模型完成：

• 提取主张；
• 检查引用格式；
• 识别缺少来源的句子；
• 对比正文与证据；
• 标记可能的范围扩大；
• 检测日期冲突。

但第二个模型仍可能：

• 错误理解原文；
• 忽略否定条件；
• 对熟悉表达产生偏好；
• 与第一个模型共享相似错误；
• 过度相信权威域名。

因此，模型核验只能作为第一层或第二层检查。

高风险主张仍需专业人员查看原始证据。

· · ·

负责：

• 整理资料；
• 提取候选事实；
• 生成初稿；
• 标记不确定内容；
• 提供候选来源。

负责：

• 拆分主张；
• 检查来源是否存在；
• 比较主张与证据；
• 检查日期；
• 检测无引用数字；
• 检测过度确定的语言；
• 标记高风险内容。

负责：

• 判断来源是否适配；
• 处理来源冲突；
• 判断因果关系；
• 审查业务风险；
• 批准最终发布；
• 承担最终责任。

三层结构的重点不是让 AI 互相投票，而是让不同层承担不同职责。

· · ·

可以按任务建立，而不是建立一个全公司通用名单。

例如，"Google 规则核验”白名单可以包括：

• Google Search Central；
• Search Status Dashboard；
• Google for Developers；
• Google 官方产品博客；
• 官方文档更新日志。

包括：

• 自动采集网站；
• 无作者页面；
• 无发布日期页面；
• 不提供原始出处的聚合内容；
• 曾多次出现虚假引用的网站；
• AI 批量生成且不可核验的内容；
• 伪装成官方机构的网站。

白名单不代表内容自动正确。

它只是提高检索优先级，仍需完成主张匹配。

· · ·

网页内容可能被修改或删除。

对于高风险证据，企业可以保存：

• 页面标题；
• 原始链接；
• 访问日期；
• 关键段落；
• 页面截图；
• PDF 副本；
• 文档版本；
• 文件哈希；
• 更新日志。

但保存快照需要遵守版权、隐私和内部数据管理规则。

来源快照的目的不是重新发布完整内容，而是证明审核时看到的证据版本。

· · ·

不同事实的有效期不同。

例如：

• 模型价格；
• API 功能；
• 搜索功能上线范围；
• Search Console 界面；
• 排名更新状态。

需要频繁复查。

例如：

• 搜索引擎文档；
• 结构化数据要求；
• 工具支持范围；
• 行业统计数据。

应定期复查。

例如：

• HTTP 基本定义；
• W3C 正式标准；
• 历史事件；
• 已完成的研究方法。

可以采用更长复查周期。

建议企业在来源表中设置：

• 有效期；
• 下次复查日期；
• 过期处理方式。

来源过期不一定代表内容错误，但意味着不能继续假设其仍然有效。

· · ·

该指标在正式发布前应为零。

包括：

• 虚构官方更新；
• 错误引用政策；
• 混淆事件日期；
• 伪造数据；
• 引用完全不相关来源；
• 把推测写成事实；
• 对客户形成重大误导。

严重事实错误必须单独统计，不能被平均准确率掩盖。

· · ·

可以采用：

• AI 自动检查；
• 来源抽样；
• 编辑人员最终确认。

应采用：

• 主张拆分；
• 来源分级；
• 关键事实逐项核验；
• 人工发布审批。

必须做到：

• 高风险主张全部进入台账；
• 优先使用一级来源；
• 关键效果结论进行独立验证；
• 所有日期单独核验；
• 无法确认的信息明确标注；
• 专业人员逐条审核；
• 禁止 AI 自动发布。

· · ·

对于"Google 今日是否有更新”这类内容，建议固定检查：

1. Google Search Status Dashboard；
2. Google Search Central 博客；
3. Google 官方文档更新日志；
4. 相关产品官方博客；
5. 主要行业媒体；
6. 一线从业者观察。

最终必须区分：

• 正式排名系统更新；
• 官方文档修改；
• 产品功能变化；
• 界面测试；
• 广告产品变化；
• 未确认排名波动；
• 行业观点。

不能把以下内容包装成"Google 算法更新”：

• Merchant Center 界面变化；
• Google Ads 功能；
• 单个网站排名波动；
• 从业者社交平台截图；
• 旧文档被媒体重新报道；
• 没有官方确认的流量变化。

· · ·

技术 SEO 建议除了来源正确，还要检查可执行性。

例如，涉及：

• Robots.txt；
• Canonical；
• Hreflang；
• 重定向；
• JavaScript 渲染；
• XML Sitemap；
• HTTP 状态码；
• Schema 代码。

应同时完成：

1. 官方文档核验；
2. 代码或语法检查；
3. 测试环境验证；
4. 适用范围判断；
5. 回滚方案设计；
6. 技术人员批准。

一篇文章引用了正确文档，不代表其中生成的代码可以直接上线。

· · ·

对于 GSC、GA4 或爬虫数据分析，应记录：

• 数据导出时间；
• 时区；
• 筛选条件；
• 比较周期；
• 页面范围；
• 查询范围；
• 数据缺失；
• 数据采样；
• 指标定义；
• 异常处理。

AI 不能只根据一张趋势图下结论。

还要检查：

• 是否使用相同日期长度；
• 是否存在节假日；
• 是否更改跟踪代码；
• 是否调整网站结构；
• 是否存在品牌活动；
• 是否只看点击而忽略展示和排名；
• 是否混淆相关性和因果关系。

· · ·

出现以下情况时，内容不得进入发布流程：

• 关键官方来源无法打开或无法核验；
• 引用来源不存在；
• 来源与正文结论无关；
• 高风险主张没有证据；
• 将媒体报道写成官方确认；
• 将个人观察写成普遍事实；
• 数据无法说明来源和计算方法；
• 日期之间存在无法解释的冲突；
• 模型拒绝提供证据却继续输出结论；
• 涉及网站高风险修改但没有专业审核；
• 来源中包含敏感或未经授权的数据；
• 文章存在明显的循环引用。

· · ·

循环引用是指：

• 网站 A 引用网站 B；
• 网站 B 引用网站 C；
• 网站 C 最终又引用网站 A；
• 没有任何一方提供原始证据。

AI 搜索容易把多个相似页面识别为多个来源，但它们可能来自同一个未经核验的说法。

解决方式是不断追问：

如果无法找到原始来源，应降低事实等级，标记为未确认，而不是继续增加转述链接。

· · ·

即使经过严格审核，也可能出现：

• 来源后续更新；
• 官方撤回公告；
• 数据计算错误；
• 页面链接失效；
• 适用范围发生变化；
• 新证据推翻旧判断。

企业应建立正式更正流程。

包括发现时间、影响文章、问题类型和报告人。

区分：

• 格式错误；
• 表述不清；
• 来源失效；
• 部分事实错误；
• 核心结论错误；
• 可能造成业务损失。

必要时：

• 暂停传播；
• 撤下文章；
• 停止自动化工作流；
• 通知客户或内部使用者。

不得只修改正文而保留错误引用。

记录：

• 修改前内容；
• 修改后内容；
• 修改原因；
• 修改时间；
• 审核人。

如果错误来自提示词、来源库或模型工作流，应检查其他使用同一流程生成的内容。

· · ·

尚未建立系统的 SEO 团队，可以先使用一张电子表格。

建议分成四个工作表：

记录文章名称、负责人、风险等级、状态和发布日期。

记录每项重要主张及其核验状态。

记录来源名称、等级、日期、适用范围和可信度备注。

记录发现的问题、处理方式和改进措施。

最低要求是：

• 高风险主张必须有 Claim ID；
• 所有引用必须打开原文核验；
• 所有动态事实必须记录日期；
• 所有推断必须使用限定语；
• 发布前必须由非生成者审核。

· · ·

当内容量增加后，可以进一步建立：

模型识别草稿中所有可核验陈述。

根据主张类型自动选择：

-研究论文；

• 官方文档；
• 数据库；
• 网站内部数据；
• 专业媒体。

保存支持主张的具体段落、页码或数据。

自动比较正文和证据是否存在：

• 主体变化；
• 时间扩大；
• 范围扩大；
• 确定性增强；
• 数字错误；
• 否定词遗漏。

高风险主张自动转交高级审核人员。

保存模型、提示词、来源和文章版本。

动态来源超过有效期后，自动要求复查。

· · ·

任何复杂内容系统都很难承诺永远不会出现错误。

成熟制度的目标是：

• 降低错误发生概率；
• 提高错误被发现的概率；
• 缩小错误影响范围；
• 保证错误可以追溯；
• 确保错误能够及时修正；
• 防止相同错误重复发生。

因此，判断一个 SEO 团队的 AI 治理能力，不应只看其是否曾经出错，还应看：

• 是否知道错误从哪里产生；
• 是否能找到受影响内容；
• 是否能够快速停止错误流程；
• 是否能够更新制度；
• 是否保留真实的更正记录。

· · ·

AI 时代最容易制造的是“看起来像事实的文字”。

它可以使用专业术语、完整结构、精确数字和大量引用，让一篇内容显得非常可靠。

但真正的专业标准不是文字看起来有多确定，而是每一项重要结论能否回答：

引用不是事实核验的终点，而是证据链的入口。

SEO 从业者真正需要建立的，也不是一份越来越长的“权威网站名单”，而是一套能够识别主张、判断来源、匹配证据、控制结论边界并承担发布责任的工作体系。

当一篇内容可以从最终结论，沿着引用、证据、来源、处理过程和审核记录返回原点时，它才具备真正的可验证性。

而这正是 AI 搜索时代，网站内容从“被生产”走向“被信任、被引用和被长期保留”的基础。