夜雨聆风一句话总结：AI 搜索的变化，不只是它会搜更多，而是它开始替用户决定“该去哪类网站找”。
过去我们理解搜索，通常是输入一个问题，然后等待系统把相关网页排出来。
这套模型默认搜索引擎会尽可能扩大结果面，再用排序把最有用的内容推到前面。
但 AI 搜索正在增加一个更隐蔽、也更重要的步骤：在真正搜索之前，先决定去哪些地方搜索。
搜索框后面，出现了一个“来源选择器”
Simon Willison 最近注意到，ChatGPT Search 的检索行为似乎发生了明显变化。
Promptwatch 对部分 ChatGPT Search 请求做了自动化跟踪。数据显示，包含 site: 限定的 fanout 查询，过去一段时间大约只占 0.3%—0.5%；在 8 月初短暂下降后，8 月 8 日左右跳到了 16%—17%。
这个样本并不能代表所有 ChatGPT 查询，也不能单独证明系统提示词发生了什么变化。但它至少说明了一件事：AI 搜索越来越像一个会先分配“检索边界”的系统。
它不一定真的把用户输入的 site: 原样传给搜索引擎。更可能的内部形态，是一个类似这样的工具调用：
search(query, recency, domains)
区别在于，过去用户自己决定要不要限定网站；现在，模型可能在背后替用户做这个决定。
对内容团队来说，竞争规则变了
传统 SEO 的核心问题是：怎样让页面在一个更大的结果池里排得更靠前。
AI 搜索增加了另一个问题：你的页面有没有资格进入结果池。
如果系统已经先选定了一组域名，那么一个页面即使写得不错，也可能根本没有机会参与排序。它不是排在第十页，而是还没被邀请进来。
这会把内容竞争推向三个方向。
第一，来源身份比关键词密度更重要
当模型需要回答一个具体问题时，它会更在意一个网站是否长期覆盖这个主题、是否有清晰的作者和证据、是否在相关问题里持续出现。
这意味着，单篇文章堆满关键词的价值会下降。
真正有价值的是一个稳定的主题集合：有经验、有案例、有原始数据，也有能够被引用的具体判断。
第二，内容要让系统容易判断“它是谁”
对 AI 搜索来说，网页不只是给人看的文章，也是一个需要被机器理解的来源。
作者是谁、内容解决什么问题、数据来自哪里、结论适用于什么范围，这些信息越清楚，页面越容易被纳入一个可靠的来源集合。
这不是让文章变成机器格式，而是减少模糊的自我介绍和空泛的行业话术，让页面更像一个可以被引用的知识节点。
第三，分发能力开始影响写作价值
以前，内容发布后主要等待用户主动搜索。
现在，内容还要争取进入模型对问题的“来源记忆”。这会让持续更新、主题聚焦和跨页面的一致性变得更重要。
一篇孤立的爆文，可能带来短期流量；一组围绕同一问题持续积累的内容，才更可能改变系统对一个品牌的判断。
别急着把它做成另一套“关键词游戏”
看到 GEO（Generative Engine Optimization）这个词后，很多团队的第一反应，是把它当成 SEO 的新版本：再找一批关键词，再做一批页面，再想办法让模型多提几次自己的品牌。
这很容易走偏。
如果 AI 搜索的核心变化是“先选择来源，再组织答案”，那么最有效的动作不是制造更多可抓取文本，而是让自己成为一个更可信、更稳定、更有独立信息的来源。
可以从三个问题开始：
当用户提出一组真实问题时，系统会优先访问哪些网站？ 我们的内容在哪些问题上能提供别人没有的事实或判断？ 如果模型只保留三句话，它能不能准确理解我们的业务边界和专业能力？
这比每天盯着一个排名数字更接近 AI 搜索的真实变化。
搜索时代，网站争的是排序位置；答案时代，网站先要争取进入被选择的范围。
如果这个趋势继续发展，品牌的搜索可见性就不再只是“有没有写过相关内容”，而是“系统是否愿意把你当作这个问题的来源”。
这也是内容团队需要重新理解的工作：不是把文章写得更像搜索结果，而是把长期积累做得足够像一个值得被引用的答案来源。
参考资料：Simon Willison，《ChatGPT search now uses the site:operator at scale》，2026 年 8 月 20 日；文中所引 Promptwatch 跟踪数据及 OpenAI 相关说明均以原文链接为准。
