AI 如何挑选候选来源：检索、重排、引用三阶段拆解
AI 决定引用谁，是一条三段管线：先「检索」拉出上百个候选页、再「重排」用可信度信号筛到剩几个、最后「生成」时只从留下的少数页抽句子加注来源。多数内容不是没被找到，而是死在中间的重排——被淘汰的原因是缺可信度信号，不是缺内容。 看懂哪一段淘汰你，才知道该补什么。
三段管线分别在做什么？
现代 AI 搜索（ChatGPT search、Perplexity、Google AI Overview）产生一句带引用的答案，内部大致跑三步：
- 检索（Retrieval）：把用户问题转成查询，向搜索索引或向量库拉回一批候选，通常 20 到 100 个页面。这一段看的是「相关性」——你的内容有没有涵盖这个主题、关键实体对不对得上。
- 重排（Rerank）：对候选逐一打分、重新排序，只留下前几名（常见是 3 到 8 个）进入下一步。这一段看的是「可信度与可用性」——权威信号、内容新鲜度、段落能不能被干净地抽出来。这是绝大多数内容阵亡的地方。
- 生成引用（Citation generation）：模型只读留下的少数页，组出答案并在句子后挂上来源链接。这一段看的是「可摘取性」——哪一段话能被原封不动抽出来当佐证。
关键认知：被检索到（第一段）门槛很低，一篇涵盖主题的普通文章通常都进得了候选池；真正的窄门在第二段。你以为的「AI 都不引用我」，十之八九不是没被找到，是找到了但在重排被刷掉。
每一段淘汰什么、看什么信号？
| 阶段 | 淘汰标准 | 主要信号 | 你该做的事 |
|---|---|---|---|
| 检索 Retrieval | 主题不相关、实体对不上 | 语义相关性、关键词与实体覆盖 | 覆盖子问题、写全实体名称（品牌、作者、产品全称） |
| 重排 Rerank | 可信度低、内容过期、抽不出干净段落 | 网域权威、署名作者与 E-E-A-T、更新日期、结构化数据、段落自足度 | 补作者实体与 Schema、标明更新日期、每段做成自足答案块 |
| 生成引用 Citation | 没有一句可原封抽用的佐证 | 明确定义句、硬数据、可复制的清单／表格 | 提供带数字的定义句与比较表，让模型有「可抄的句子」 |
换句话说，三段各要不同的东西：检索要相关，重排要可信，生成要可抄。只顾堆内容（相关）而不补可信度信号，等于一直在第一关加分、却在第二关被判出局。
为什么多数内容死在重排，而不是检索？
因为检索靠的是语义比对，这件事现在对任何一篇像样的文章都不难——你写了「AI 来源选择」，向量库就找得到你。但重排是一个排序问题：候选之间互相比较，只有相对最可信的前几名能活。这里有三个残酷的事实：
- 它是相对的，不是及格制。你不是要「达标」，是要赢过同一批候选里的其他页。对手补了作者实体、你没补，你就往下掉。
- 信号稀缺者先出局。内容长度大家都有，但署名作者、可验证的外部引用、清楚的更新日期是稀缺的——重排器正是拿这些稀缺信号当筛子。
- 抽不出干净段落＝实质弃权。就算排进前几名，若你整篇是连绵长论述、没有任何一段能被单独抽出，到了生成阶段模型宁可选旁边那个有现成定义句的页。
一个真实对照：同一组「什么是 GEO」的提问，A 页 2,000 字但无署名、无日期、无数据；B 页只有 900 字，但开头一句加粗定义、中段一张比较表、标了 2026 年更新、挂了 Organization schema。检索两篇都进候选，重排 B 明显胜出，生成阶段模型直接抄 B 开头那句定义。输的一方不是输在字少，是输在信号少。
怎么诊断自己卡在哪一段？
按这个顺序自检，就能定位你死在哪一关：
- 检索关：拿你的目标问题去问 AI，追问「你参考了哪些来源？」。若连你的竞品都没被列、整个主题都没你这类页——问题在检索（相关性／可爬性），先确认没被 robots 挡、内容确实涵盖该主题。
- 重排关：若竞品被引用、你没有，而你内容其实更完整——问题在重排。逐项比对：对手有没有署名作者、更新日期、外部权威引用、结构化数据，而你缺哪几项。这是最常见的失分点。
- 生成关：若你偶尔被列进来源清单、却很少被实际「抽句引用」——问题在可摘取性。回头看有没有一段是模型能原封抄走的定义句或数据句。
多数人跳过第 1、2 关直接狂写内容，于是字越写越多、却始终补不到重排要的那几个可信度信号。正确顺序是：先确认能被检索，再狂补重排信号，最后打磨可抄的句子。
补重排信号的最小行动清单
- 署名作者实体：文章挂明确作者，并用
sameAs串到可验证的社群或机构页，让 AI 把内容归给一个真实实体。 - 可见的更新日期：标出
date_updated并确实做实质更新，而非只改数字。新鲜度是重排的直接输入。 - 外部权威引用：关键主张至少附一个可点开的权威来源，把「可验证」这个信号做出来。
- 结构化数据：补上 Article、FAQPage、Organization schema，等于把作者、日期、实体用机器可读的方式再讲一次。
- 段落自足化：每个 H2 下第一段做成 40 到 60 字的自足答案块，同时服务重排（好抽）与生成（可抄）。
常见问题（FAQ）
Q1：我内容明明最完整，为什么还是不被引用？ 内容完整只赢得「检索」这一关，赢不了「重排」。重排比的是可信度信号——署名作者、更新日期、外部引用、结构化数据。内容量够但这些信号缺，就会在重排被更「可信」的对手刷掉。
Q2：三段管线每家 AI 都一样吗？ 架构大同小异（检索、重排、生成），但各家权重不同：Perplexity 更重可验证的外部来源，Google AI Overview 叠加既有的搜索排名信号，中文引擎更看重原生中文内容的完整度。共通点是重排这一段都吃可信度信号。
Q3：怎么知道我是死在检索还是重排？ 问 AI 你的目标问题并追问来源。连竞品都没被列＝检索关（先查有没有被挡、内容够不够相关）；竞品被引、你没有＝重排关（补作者、日期、引用、schema）。这一步先做，能省下大量白写的内容。
Q4：把段落切碎、做成一问一答，会不会伤害人类阅读？ 不会，反而更好读。答案块要求每段开头先给结论，本质是倒金字塔写法；人类读者一样先看到重点，想深入再往下读论证。可摘取与可读性在这里是同一件事。
Q5：补齐这些信号后，多久会看到 AI 开始引用？ 取决于各引擎的重抓与重建索引周期，通常数天到数周。加速做法是确保页面能被即时检索（稳定 URL、干净 HTML），并在更新后主动让搜索引擎重新抓取，缩短重排看到新信号的时间。
理解这条管线后，会发现 GEO 的重点不是「写更多」，而是把可信度信号补到能赢得重排。GeoSeoToday 把 AI 搜索优化的完整地图与可被引用检测整理成一站，入口见 /zh-hans/aio/。想先打好「可抄的句子」这一段，从〈「答案优先」开头段落怎么写〉练起；想把作者与实体信号用机器可读方式补齐，见〈为 GEO 加结构化数据〉。