AI 引用机制：引擎如何选中一个来源
被检索到 ≠ 被引用。这一篇拆解从召回到 cite 的决策链。
引用决策链
查询 → 召回候选(top 数十) → 可信度过滤 → 片段匹配 → 生成时决定 cite 谁
- 召回：向量/关键词混合检索给出候选集——先决条件是内容可抓取、语义匹配（见爬虫篇）。
- 可信度过滤：域名权威、作者实体、站点一致性、发布新鲜度。黑盒但方向明确：AI 偏好“看起来可负责“的来源。
- 片段匹配：答案片段与查询的语义贴合度。页面里必须存在能直接回答问题的自包含段落。
- 生成期选择：LLM 在合成时倾向引用：给出具体数字/定义/步骤的片段 > 观点性泛泛内容。
关键实测数据（标注来源）
- 97% 的 Google AI Overviews 引用来自自然排名前 20 的页面；但排名 #1 的页面也只有约 12% 真的被引用（shadow.inc，2026）——SEO 是必要地基，排名高不保证引用。
- 2025 年中约 75% AI Overview 引用来自前 10 自然结果，2026 年初该比例发生变化，引用来源放宽（toolsolved.com 分析，medium 置信）。
- CXL 对 100 条 AI Overview 引用的定位研究：被引用的片段多位于页面中前部的直接回答区，而非文末（cxl.com，2026-03）。
- Wellows 分析 15,847 条 AI Overview 结果归纳 7 大引用因素（wellows.com，厂商自报口径，medium 置信）。
提高被 cite 概率的杠杆（按管线归位）
| 杠杆 | 作用环节 | 具体做法 |
|---|---|---|
| 答案前置 | 片段匹配 | 每个 H2 下第一段直接给结论 |
| 数据锚点 | 生成期选择 | 具体数字、百分比、日期，AI 爱抄可核查事实 |
| 引用他人 | 可信度 | 外链权威来源（Princeton 论文：added citations 是最有效策略之一） |
| 自包含段落 | 召回+匹配 | 段内重复主语，不依赖“如上所述“ |
| 新鲜度 | 可信度 | 更新时间戳、定期刷新数据 |
| 实体清晰 | 可信度 | Schema 标注 Organization/Person，让 AI 知道“谁在说“ |
延伸阅读
- AI Overview 引用来源分析：https://www.stackmatix.com/blog/ai-overview-citation-analysis
- 100 页引用位置研究：https://cxl.com/blog/google-ai-overview-citation-sources/
- 被引用指南：https://www.shadow.inc/resources/cited-google-ai-overviews