问 AI「为什么我没被引用」：删掉一行关键证据，一半的回答开始编

做 AI 曝光优化的人，最近都养成一个习惯：遇到问题先问 AI。

「这个词为什么没被引用？」「竞品内容比我差，凭什么它在名单里？」这些问题以前要拉数据慢慢排查，现在把材料贴进对话框，几秒就能拿到一份像模像样的诊断。

值得一问的是，这份诊断可信度到底多高。一个叫 WARRANT-SEO 的新基准专门测了这件事，结论不太让人安心。

把决定性的那行删掉，模型就开始猜

这个基准的做法很干净：拿 27 个来自真实排查经验的 SEO 诊断场景，每个场景做成同一道题的三个版本。

版本一，把那条能排除其他解释的决定性证据交给模型，让它下诊断；版本二，证据不变，但把「仅凭这些看不出来」也放进备选，看模型会不会把能下的结论自己收回；版本三，只删掉那一行决定性证据，其余一字不改——这时候「信息不足」才是唯一正确答案。

27 个模型各跑三遍，共 81 道题、6561 条回答、6427 条计分，可靠性 0.969。

只删掉一行，剩下近一半的回答依然给得出口气很足的结论——模型在没有证据支撑时，照样挑一个原因写成诊断。

还有一条更值得记：有些模型在同一道题下反复给出同一个没有证据支撑的答案。拿它做交叉验证时看着像「多方一致」，本质只是同一个猜测被重复了三遍。

为什么 GEO 诊断特别容易踩这个坑

GEO 的日常诊断和这个基准测的是同一类题。问「为什么我没被引用」，可选原因至少四五个：没被抓取、被抓但跑不了 JS、没被检索到、检索到但没被选上、竞品材料更完整。真正能一锤定音的证据往往只有一条——一份抓取日志、一次渲染快照、一组引用来源名单。

多数人提问的方式是手上有什么就贴什么，然后期待一个明确答案。

这里有个概念值得分清：知道和判断不是一回事。知道什么是 RAG、什么是实体识别，这是知识；能判断「眼前这份证据够不够支撑一个结论」，是判断。基准里前者分数普遍很高，后者才拉开差距——只有七个模型在这一点上拿到满分。

把诊断拆成「证据包 + 结论」两步

方法不复杂，核心是把顺序倒过来：先摆证据，再要结论。

• 提问前先列证据清单：至少固定四样——页面被抓取的状态、渲染后的正文快照、检索命中情况、AI 回答实际引用的来源列表。缺哪一样，就在提问里写明。
• 把「信息不足」写成合法答案：明确告诉模型「没有决定性证据时必须回答信息不足，不要给单一结论」。版本二测的是反面——有证据却弃答，同样是错。
• 同题跑多个模型，但别只看结论像不像：重点看有没有模型敢弃答。三个模型给出三个不同原因，往往比三个模型给出同一个原因更接近真实情况。
• 重复出现不等于正确：同一个答案被反复给出，只说明这个猜测稳定，不说明它有证据。

一个可以直接抄的提问模板

把下面这几句加在提问后面：

以下是全部可用证据（逐条列出）。请列出你认为可能的原因，并标注每一条原因对应哪几条证据。如果现有证据不足以区分某个原因，请直接写「证据不足」，不要给出单一结论。

拿到回答后，只把有证据支撑的那几条写进报告，其余当假设，下次采集再验证。

AI 做诊断确实省时间，它擅长把可能性列全。但判断这一刻证据够不够，是人的活。把证据摆在前面，把「不知道」留成合法答案，诊断才不会变成一份包装得很漂亮的猜测。