面向 AI 引用的写作

一句话总结可引用性包含七项信号，每一项都有对应的改写方法。手册逐项说明改写前后的差别，并提供可复用的章节模板、发布前自检清单，以及最常见的误区。可引用性审计指出哪一项有问题，这里就说明该怎么修改。

微软在 2026 年 2 月直言结构的重要性：「清晰的标题、表格和 FAQ 段落有助于让关键信息浮现出来，AI 系统也更容易准确引用」（Bing AI Performance in Webmaster Tools）。实证见 Aggarwal 等人 2024：实质性改写内容（引用来源、加入统计数据和引述）能以可测量的幅度提升内容在 AI 答案中的可见度，单纯堆砌关键词则没有效果。实证足以支持这一方向性结论；论文给出的具体倍数应视为上限估计，因为竞争会削弱单一站点的提升幅度（C-SEO Bench）。

动手改写之前，必须先满足两个条件：页面能够被抓取（见 AI 爬虫；完整机制见 生成式引擎优化），而且可信度足以通过筛选（E-E-A-T）。结构如果没有实质内容支撑，会被识别为低质内容并被降权（AI 垃圾内容识别）；域名本身权威度不足时，密集堆砌引用同样无法通过可信度筛选。七种改写方法真正改善的是第三个环节，也就是采信。

具体从哪里开始，取决于写作模式。手上已有审计结论时，直接查看对应的 §4.N，完成改写后按 §6 检查一遍即可发布。新写草稿时，按照 §3 → §4 → §5 → §6 的顺序逐节完成。如果是因为内容过期而改写（某条事实已经失准、引擎改变了呈现方式，或竞争页面在这条查询上的排名超过了当前页面），就在「写作对象」一栏注明原因，再按新写流程完整重做有问题的章节。复查节奏见 内容新鲜度。

七种方法适用于各类呈现端，区别只在于不同呈现端会更看重其中一两项，详见 §8。微软用一句话说明了应如何判断内容粒度：「价值的最小单位正在从文档转向可采信的信息：离散、可佐证、有清晰出处的事实」（Bing：索引角色的演变，2026 年 5 月）。写作时应以段落为最小单位，而不是整页。

4. 七种改写方法

每个 H3 都按同样的五部分展开：预期结果、作用原理、改写步骤（编号）、改写前后对照、常见误区，便于比较七种方法。

4.1 自包含的内容块预期结果。段落脱离上下文后仍能独立成立：主语已经再次写明，代词都能在本段内找到所指，也没有依赖相邻段落才能理解的指代。

作用原理。采信的最小单位是可以独立采用的段落；引擎会检索和选择内容块，而不是整页内容。如果一段文字必须依赖上一段才能讲通，单独抽取后就不符合 可引用性 §4.1 的要求。

改写步骤。

每一段都用主语明确的句子开头；再次写明本节讨论的对象，不要用代词回指上一段。每一个代词都要能在同一段内找到先行词；如果指向的是三句之前的内容，就改用它所指的名词短语。把「如上所述」、「如前文所言」、「前面提到」之类的指代语，替换为它们所指的具体内容。跨章节引用时，在括号里补充具体规则：「依据上面那条优先级规则（长路径胜出）」，而不是只写「依据 §2 的优先级规则」。改写前。「如上所述，是适用的；但正如我们在 §2 提到的，优先级规则可能会覆盖。」

改写后。「robots.txt 的 Disallow 指令对该 user-agent 块下列出的每一个 URL 都生效。两条规则冲突时，路径较长的那条胜出；完整的优先级检查方法见 §2。」

常见误区。过度拆分段落：为了满足第 1 项，把每一段都切成只有一句话的碎片。Google 在 2026 年 5 月的立场很明确：「并没有要把内容切成小碎片以让 AI 更好理解的要求」（AI 优化指南）。第 1 项考察的是在意思完整的前提下，段落能否独立成立，而不是把内容切碎；一句一段与代词指向不明一样，都不符合第 1 项。大规模制作内容时，过度拆分为何会让内容显得低质，见 AI 垃圾内容识别。

4.2 倒金字塔章节预期结果。每个 H2 和 H3 都以本节结论开头；铺垫、论证和附加条件全部放在结论之后。

作用原理。实时抓取型引擎（典型如 ChatGPT search）更看重页面或章节开头的直接答案。采信环节更容易选中开门见山的段落，因为检索时只能看到章节开头的部分内容，模型必须据此决定引用哪一段。

改写步骤。

把答案写在每个 H2 和 H3 的第一句。把铺垫和论证全部放到结论之后。如果不先写两段铺垫就写不出那句结论，说明结论本身还没有打磨到位。如果一节以「让我们来想想……」「有几个因素需要考虑……」「首先，重要的是要理解……」开头，就需要改写。第一句本身就要能被原样引述；在 §4.7 中，这句话也就是本节「可整段引述的句子」。改写前。「理解 robots.txt 时需要考虑几个因素。许多从业者讨论究竟该按路径长度还是具体程度决定优先级。权衡两者之后，最终还是路径较长的规则胜出。」

改写后。「robots.txt 中两条 Disallow 指令冲突时，路径较长的那条胜出。本节其余部分会说明优先级规则，并分析这条规则不成立的两种边界情况。」

常见误区。在同一节重复内容：先用一句「TL;DR」换一种说法复述 H2 标题，却没有提出新论点，随后又把相同内容写一遍。开头句应该直接提供新的实质信息，而不是预告本页将讨论什么。整页的 TL;DR 已经写在 frontmatter 中并由模板自动呈现，正文不要再用引用块复述。

4.3 问答型标题预期结果。把 H2 和 H3 写成问句；只在页面本身采用问答形式时这样处理（FAQ、故障排查、「我什么时候应该……」、「为什么 X……」），而且必须是用户真实会问的问题。

作用原理。问答型标题与原查询扩展出的子查询相对应（见 Answer Loop §3.1）。Google AI Overviews 和 Gemini 的网页采信流程尤其看重标题与查询是否一致，因为对于依赖索引的引擎，标题是检索阶段最强的信号之一。

改写步骤。

只在页面采用问答形式时把 H3 写成问句。定义型参考页不会因为每节都改成问句就成为问答页，反而会更难浏览。按照真实查询拟定问题：素材可以来自 Search Console、客服工单、销售通话记录，或者引擎自己的「相关问题」面板。凭空编造的问题属于 §7 所列的错误做法。答案的第一句（第 2 项）即使把标题去掉也要能独立成立；引擎有时会在没有标题的情况下引述这一句。一个标题对应一个问题；除非答案确实能用一句结论同时覆盖两者，不要把「X 和 Y，选哪个？」塞进一个 H3。改写前。「

关于爬虫优先级规则的若干考虑」

改写后。「

两条 robots.txt 规则冲突时，哪一条胜出？」

常见误区。滥造 FAQ：为了满足第 3 项，在每一页底部都列出十几个凭空捏造的问句标题。这种内容会被识别为模板套话，并因质量低而降权；大规模使用还会被 AI 垃圾内容识别 检出。页面该有多少问答型标题，取决于这一页确实能回答多少条真实的用户查询：可能是五个，也可能一个都没有。

4.4 步骤列表预期结果。用编号和祈使语气描述过程：一步只写一个动作，每一步都能独立理解，不必依赖前后正文。

作用原理。引擎可以把完整的有序过程作为一个独立单元抽取；当用户查询的是某个过程（「我怎么……」、「……的步骤是什么」）时，引擎更容易引用带编号、使用祈使语气的列表。同样的内容如果把步骤埋在正文里，各家引擎都会更难抽取和引用。

改写步骤。

任何过程都用编号列表，绝不要把步骤埋在正文里。每一步只写一个动作，并使用祈使语气：「执行 X」，而不是*「你应该执行 X」或「X 需要被执行」*。每一步都要能独立理解；不要只写「这一步取决于上一步」，却不说明上一步得出了什么结果。过程出现分支时，拆成两个子过程。不要在一份列表中嵌入条件分支；「若 X 则跳到第 5 步」正是第 4 项要识别的问题。改写前。「首先要考虑文件是否已经存在，然后可以下载当前版本，接着编辑相关指令，最后重新部署并核验。」

改写后。

常见误区。给本来没有先后顺序的内容编号（「1. 重要背景 2. 另一个考虑点 3. 一条小贴士」），只是为了满足第 4 项，并让引擎一次性抽取整段。编号意味着执行顺序，把它当作视觉强调反而会使结构传达错误信息。没有先后顺序的内容应使用无序列表，或者写成连贯的正文。

4.5 自标注表格预期结果。表格上方有一句话完整说明比较对象；表头使用完整的名词短语，单元格中的内容写成完整子句，每一行都能单独引用。

作用原理。表头本身已经说明含义时，每一行都能单独引用；引擎只需抽取一行，不必依赖周围段落补全意思。微软说得很直接：「清晰的标题、表格和 FAQ 段落有助于让关键信息浮现出来，AI 系统也更容易准确引用」（Bing AI Performance）。

改写步骤。

每个表格上方都要用完整的句子说明比较对象（「robots.txt 中两条 Disallow 规则冲突时，路径较长的那条胜出。」），不能只写一个标签。表头使用完整的名词短语（「胜出的那条规则」，而不是*「胜?」），让读者不用反复对照表头，也能理解每个单元格。每个单元格写成完整子句，不要用一个字作答。单写一个「是」无法被引用；「依 RFC 9309 §2.2.2，路径较长的那条胜出」才可以。随机抽取一行做抽取测试：把这一行单独贴进一个新的引擎会话，问「这一行在讲什么？」*。如果引擎回答得含糊，说明这一行依赖了相邻行，需要重写。改写前。

改写后。

4.6 标题层级规范预期结果。H2 → H3 层级清楚，不跳级，没有装饰性标题，每页只有一个 H1（来自 frontmatter 的标题）。

作用原理。清楚的标题层级有助于准确定位段落：引擎按节检索和引用内容，标题则会最清楚地说明每一段的内容。标题跳级或使用装饰性标题，会使章节边界难以检索，不符合第 6 项的要求。

改写步骤。

一页只有一个 H1（来自 frontmatter 的 title 字段，由模板渲染为 H1）。正文里不要再重复它。只使用 H2 → H3，不跳级（不要为了拿到更小的字号而直接跳到 H4）。每个标题都要准确概括下方的一组内容。如果一节内容无法用一句话总结，这个标题就只起装饰作用，应该删除或与上一层合并。标题界定本节要说明的内容，下面的第一句话必须直接说明标题所指的内容（第 2 项与第 7 项通常由同一句话满足）。改写前。H2 → H4 → H3（跳级）；装饰性 H3 例如*「

切入正题！」、「### 一起来看」、「### 顺便一提」*。

改写后。全文按照 H2 → H3 → H3 形成清楚的层级；标题直接说明主题（「

两条规则冲突时」、「### 优先级模型的隐含前提」）。

常见误区。只为视觉节奏而使用 H3：即使一节只有一句话也单独加上 H3，理由是「让页面看上去更舒服」。如果 H3 下只有一句话，应把这句话并入上一节。这类标题只起装饰作用。

4.7 可整段引述的句子预期结果。每个 H2 至少有一句简洁、可独立引用且出处明确的论断；通常就是 §4.2 倒金字塔方法放在最前面的那一句。

作用原理。可引用性的最小单元是脱离上下文后仍然成立的一句论断。模型更容易引用简洁、能独立成立的句子；采信环节会滤掉表意含糊、从句层叠或没有实质要点的句子。

改写步骤。

每个 H2 都写一句可以原样引用的句子，把动词或主语放在前面，不要让论点埋在从句中。删除一切含糊语气。*「在某些情况下，X 未必会 Y」无法满足第 7 项；「X 确实会 Y」*则符合要求。句子本身要说明出处：把来源直接写进句中（「依 RFC 9309 §2.2.2」、「Aggarwal 等人提出」），不要放在脚注里，因为检索时可能无法保留脚注。即便把 H2 标题去掉，这一句也要能独立成立；引擎有时会在没有标题的情况下引用这一句。改写前。「在某些情况下，检索到的内容未必会得到实际采用。」

改写后。「检索使内容进入候选范围；采信决定内容最终能否得到采用。」

常见误区。编造统计：为了让某句话显得「可整段引述」，写出*「47% 的从业者表示……」却不提供出处。没有出处的数字无法通过可信度筛选（E-E-A-T），还会触发 AI 垃圾内容识别。包含虚构数字的引述句比含糊句更糟*，因为页面发布了一条形式看似可靠、实际无法验证的信息。每一项统计都要在同一句中附上来源 URL；这样既便于引用，也有据可查。

使用这份模板时要注意三点。第一句必须能独立引用：遮住标题，单独读这一句，判断它本身是否提出了明确论断。每一段都要通过抽取测试：单独贴入一个新的 ChatGPT search 或 Perplexity 会话，询问*「这一段在讲什么？」。表格上方必须使用完整句，而不是标签；「robots.txt 优先级规则对比」不合格，「robots.txt 中两条规则冲突时，路径较长的那条胜出」*才合格。

这份模板并非僵硬的填空表。章节没有对比对象时，不要为了满足第 5 项而强行加入表格；应该根据页面的实际形态选择适用的方法。中文页面与英文页面对段落长度和章节起句有不同习惯，语言差异见 多语种 GEO。

清单全部通过是必要条件，但不是充分条件。E-E-A-T 仍然决定内容能否通过可信度筛选；缺少实质内容支撑的结构会被识别为低质内容（AI 垃圾内容识别）。清单自上而下排列，顺序也代表优先级：对多数页面来说，第 1 项不达标的代价高于第 5 项；可信度这一组中只要有任何一项不达标，其处理优先级就高于所有结构信号。

Google 在 2026 年 5 月明确总结道：「想出现在 AI Overviews 或 AI Mode 里，没有额外的要求，也不需要做什么特别的优化」（AI Features and Your Website）。§4 的七种方法并非特殊技巧，而是内容写得清楚、有据可查之后自然形成的结构；相关一手资料最终给出的也是同一条建议。

在竞争环境中，单一站点的提升幅度会缩小。无论哪种呈现端，这套方法都能让页面比未优化的版本更容易被引擎采用，但单站基准中的提升倍数并不是保证；一旦竞争对手也采用同样的方法，整体平均提升就会缩小（C-SEO Bench，NeurIPS ‘25 D&B）。评估一种方法时，应该问*「采用这种方法后，这一页是否比原来更容易被引擎选用」，而不是「能不能保证绝对提高 +40%」*。

第一，在线上页面再做一次内容块抽取测试。随机抽取三段（TL;DR、某个 H2 下的第一段、表格中的某一行），原样复制后分别贴入一个新的 ChatGPT search 或 Perplexity 会话，询问*「这一段在讲什么？」*。只要引擎对其中任何一段的回答含糊不清、要求补充上下文，或者自行补充了错误内容，就说明这一段存在可引用性问题；先用 可引用性审计 完整诊断，再按照这份手册中对应信号的方法改写。

第二，把这一页纳入追踪集。把目标查询加入 AI 引用追踪 §3 定义的固定提示词集，等待两个采集周期后再看趋势：单周变化只是噪声。重点观察引用率与平均位置（定义见 GEO 指标），不要只看流量指标。改写后的第一个周期，数据常会短暂回落，因为引擎需要重新抓取和嵌入内容；真正有意义的是趋势。

第三，在报告中分别统计引用与提及。同一页内容可能以链接形式获得引用，也可能在没有链接的情况下被复述（提及）；两者都重要，但需要在不同环节处理，见 引用 vs 提及。内容被提及却没有被引用，通常说明可信度大致达标，但内容与来源的对应关系不清楚。这属于 E-E-A-T 或来源归属问题，超出了可引用性的范围。Liu 等人的实证给出了来源归属的上限：「合成句中能够被引用完全支撑的比例为 51.5%」（Liu et al., EMNLP ‘23）。

何时需要重写，取决于 §2 开头列出的几种情形：某条事实已经失准、引擎改变了呈现方式，或竞争页面在这条查询上的排名超过了当前页面。复查节奏见 内容新鲜度；实际操作时，只需针对有问题的章节重新执行 §2 → §4 → §6。