先给结论：证据库的最小单位是一条声明
声明级证据库不是一个“文章链接收藏夹”，也不是在正文末尾堆一串参考资料。它要回答一个更具体的问题：文章中的哪一句话，想让读者相信什么；这句话由哪个来源、哪个实验或哪份数据支持；支持到什么范围；还有哪些内容不能从该来源推出。
一条声明可以是事实、平台规则、实验观察、编辑推断或行动建议。它的长度不必固定，但应该能够被单独复核。比如“HTTP 200 代表页面已经收录”看起来像一句话，实际把响应状态、抓取、索引和展示混成了四个不同判断。拆开之后，证据库才能为每个判断安排正确的来源和限制。
声明 = 具体结论 + 适用范围 + 证据来源 + 原文位置 + 核查日期 + 不能推出的结论。
为什么普通的“参考链接”不够
一个链接只能说明“这里有一个来源”，不能自动说明来源支持了段落中的每一个词。尤其是 GEO、收录、AI 引用和增长类文章，常常在同一段中同时出现平台规则、实验数字、因果判断和执行建议。若不拆分，读者无法知道哪一部分是原始事实，AI 系统也可能把一个来源错误地归给整段内容。
| 写法 | 看起来解决了什么 | 实际缺口 | 改进方式 |
|---|---|---|---|
| 文章末尾放 10 个链接 | 显示文章有资料来源 | 不知道每个链接支持哪一句 | 为关键声明建立稳定 ID 和来源关系 |
| 一条链接覆盖整段文字 | 让段落更简洁 | 事实、条件、因果和建议可能超出来源范围 | 拆成最小声明，分别标注支持与限制 |
| 只保存来源 URL | 方便以后打开页面 | 来源会更新、失效，定位会丢失 | 保存标题、章节、摘录、访问和复核日期 |
| 只记“已核验” | 方便统计通过数量 | 无法区分直接支持、部分支持和编辑推断 | 使用关系类型、审核理由和未知状态 |
这也是声明级证据与“文章引用数量”的根本区别：证据质量取决于来源与结论的匹配程度，而不是链接数量。可以先阅读GEO 证据与来源，理解规则、事实、效果和建议为什么需要不同强度的材料。
第一步：把复杂句子拆成最小声明
拆分不是为了把文章写得生硬，而是为了让每一个判断都有清楚的边界。可以先圈出句子中的主体、动作、时间、条件、数字、因果词和结论强度，再判断哪些部分必须分别寻找证据。
| 原始表达 | 隐含的最小声明 | 需要的核验 |
|---|---|---|
| “提交 IndexNow 后页面会更快收录并获得 AI 引用。” | IndexNow 接受 URL 通知；搜索引擎是否抓取；页面是否索引；AI 是否引用 | 协议文档、接口响应、平台状态和独立 AI 复测 |
| “这次百度蜘蛛访问证明网站已经被百度收录。” | 请求是否来自真实百度蜘蛛；请求返回了什么；页面是否进入百度索引 | 日志、反向与正向 DNS、平台工具或搜索结果 |
| “文章加了来源，所以 AI 会准确引用。” | 来源是否支持文章声明；AI 是否出现来源；内容是否被采用；引用是否准确 | 逐条来源核验、固定问题回答和声明对照 |
| “页面通过 73 项检查，说明内容质量很好。” | 73 项检查的对象、规则和结果；外部平台如何评价内容 | 检查协议、原始结果和外部平台证据，不能互相替代 |
拆分后，结论往往会从“保证结果”变成“有限观察”。这不是削弱文章，而是让读者知道下一步该验证什么。对于 AI 引用研究，还应分别记录品牌提及、来源出现、具体页面引用、内容采用、引用准确和回答完整，不能因为出现一个 URL 就把其他维度一起标成通过。
第二步：给声明标记类型和关系
证据库需要同时说明“这条话是什么”和“来源与它是什么关系”。类型帮助编辑选择来源，关系帮助读者理解证据强度。两者不要合并成一个模糊的“有依据”。
| 声明类型 | 示例 | 优先来源 | 关系标签 |
|---|---|---|---|
| 平台规则 | 某平台公开说明如何处理 URL 通知 | 官方文档、规范、帮助中心 | 直接支持 |
| 第一方观察 | 某次复测中 28/28 页面返回 HTTP 200 | 原始 JSON、日志、版本记录 | 第一方观察 |
| 事实解释 | 两个指标的分母不同，不能合并 | 原始数据和方法说明 | 背景与部分支持 |
| 编辑推断 | 某种记录方式更利于后续复核 | 方法依据、案例和明确推理 | 编辑推论 |
| 行动建议 | 下一轮先冻结问题和页面版本 | 适用条件、风险和执行经验 | 方法建议 |
例如，Google Search Central 可以直接支持“抓取、索引和展示是不同阶段”的公开说明，但不能单独支持“某个站点会在 7 天内被收录”。后者需要站点自身的时间记录，而且即使观察到一个样本，也只能写成条件下的观察，不能写成平台承诺。
对来源关系的组织可以参考 W3C 的 PROV provenance model：把实体、活动和参与者之间的来源关系表达清楚。ZenLeak 的字段设计是面向教程和 GEO 实验的应用方式，不是对 W3C 模型的完整实现。
第三步：设计一条可维护的记录
证据记录最怕两种情况：第一，只有 URL 没有声明，过几个月没人知道它支持什么；第二，只有一句编辑结论，没有原始材料，无法区分来源变化和判断变化。最小记录应让另一位审核者在不询问作者的情况下完成复核。
| 字段 | 示例 | 用途 |
|---|---|---|
| Claim ID | retest-20261018-001 | 让正文、审稿记录和数据文件指向同一条声明 |
| claimText | “本轮 28/28 页面通过技术检查” | 保存当时实际要证明的完整句子 |
| claimType | 第一方观察 / 平台规则 / 编辑推论 | 帮助选择证据和限制写法 |
| sourceUrl | 官方文档、公开 JSON 或站内实验记录 | 让复核者能打开原始入口 |
| locator | 章节、字段名、JSON 路径或表格行 | 避免只让读者在长文中搜索 |
| excerpt | 支持结论的短摘录或数据片段 | 说明来源实际说了什么 |
| scope | 2026-10-18、固定 28 页、生产版本 | 限制声明的适用范围 |
| limits | 不证明已收录、排名或 AI 引用 | 阻止来源被过度外推 |
| checkedAt / status | 2026-10-20 / reviewed | 支持过期检查、复核和修订历史 |
对外公开时可以隐藏内部账号、会话信息和不必要的个人数据，但不能删除影响结论的缺失状态。若来源暂时打不开，状态应写“未知：访问失败”并保存最后一次可访问日期，而不是改写为“来源不存在”或直接删除记录。
第四步：判断来源到底支持到哪一层
“来源相关”与“来源支持”不是一回事。一个标题包含 GEO 的文章可能与问题相关，但只有当正文明确覆盖主体、动作、条件、时间和范围时，才能支持更强的声明。可以用下面的四级审核来减少主观判断。
| 审核结果 | 判断标准 | 正文如何写 |
|---|---|---|
| 直接支持 | 来源明确说明了同一主体、动作、范围和条件 | 可以陈述来源支持的事实，并保留适用范围 |
| 部分支持 | 来源支持其中一部分，其他部分需要额外材料 | 拆分句子，分别标注已支持和待核验 |
| 背景相关 | 来源解释背景或术语，但没有验证当前具体结果 | 作为背景，不写成当前站点的效果证据 |
| 不支持或未知 | 来源无关、已失效、无法访问或条件不一致 | 保留缺口，不能为了完整率填成“否”或“通过” |
还要注意结论强度。来源说“可以提交 URL”，文章不能改写成“提交后一定收录”；实验看到“本次回答出现链接”，文章不能改写成“页面已经获得稳定引用”。每次把弱证据改写成强结论，都是证据链断裂的地方。
真实示例：如何核验 2026-10-18 的四组数字
以 ZenLeak 2026-10-18 的复测为例，报告中出现了 28/28、14/14、73/73 和 13/73。它们都是真实记录里的数字，但并不属于同一个分母，也不回答同一个问题。证据库应该把每个数字作为独立声明保存。
| 声明 | 证据 | 可支持的解释 | 不能推出 |
|---|---|---|---|
| 固定样本 28/28 通过页面技术检查 | 上线就绪复测 JSON 的页面检查结果 | 该批页面当时满足预设可访问和解析条件 | 全部页面已收录或排名靠前 |
| 14/14 关键入口符合检查条件 | 机器入口复测 JSON 的入口结果 | 预设 robots、sitemap、索引和机器入口可用 | 平台一定已经使用这些入口 |
| 全站质量审计 73/73 通过 | 复测报告中的站内规则审计记录 | 第一方自动规则没有发现预设异常 | 搜索平台认可内容质量 |
| Bing 接口返回 13/73 已发现 | 接口响应和查询时间 | 本次受限查询至少返回 13 个已发现结果 | 其余 60 页都未发现或未收录 |
这组材料可以说明为什么需要声明级证据库：如果只在文章中写“复测通过率很高”，读者既不知道通过的对象，也不知道数字能否外推。完整记录请查看GEO 复测报告怎么写以及上线就绪复测 JSON和机器入口复测 JSON。
第五步：处理来源更新、失效和页面版本
证据不是永久不变的。官方文档会更新，平台接口会改变，站内页面会重写，实验记录也可能被修订。如果证据库只保存当前 URL，后来的人会误以为今天看到的内容就是当时支持结论的内容。
- 保留首次记录。不要用新来源覆盖旧来源；为修订建立新的检查记录，并写明发生了什么变化。
- 记录访问时间。保存来源标题、最终 URL、状态码、页面发布日期或更新时间；动态页面则说明无法冻结的部分。
- 记录目标页面版本。至少保存发布日期、修改日期、版本摘要或内容哈希，让审核者知道声明对应哪一版页面。
- 区分重新分析和重新测试。用旧原件按新规则重新编码是复分析；再次询问 AI 平台或重新访问搜索工具是新测试。
- 更新结论边界。当来源范围变窄或实验条件改变时，宁可把状态改为未知，也不要继续保留已经不成立的强结论。
页面实质更新时，可以更新修改日期并在变更记录中写清改了什么；为了制造新鲜度而每天机械替换同义词，会损害证据和版本关系。关于复测与版本的更完整流程，可以参考GEO 效果复盘和GEO 优化观察周期。
自动化可以做什么，不能替代什么
证据库很适合自动化，但自动化的边界要先写出来。机器可以可靠地检查结构和变化，却不能仅凭字符串相似度判断一条来源真正支持了哪一个事实。
| 适合自动完成 | 需要人工核验 | 为什么 |
|---|---|---|
| 字段必填、日期格式、URL 协议和重复 Claim ID | 声明是否拆得足够小 | 拆分取决于主体、条件和结论强度 |
| 来源 HTTP 状态、重定向、标题和内容哈希变化 | 来源是否支持当前声明 | 200 不代表语义相关，标题也不代表正文结论 |
| 缺失字段、过期复核日期和未关联声明提醒 | 支持范围、冲突和外推限制 | 这些需要理解上下文和研究条件 |
| 分母汇总、按状态统计和公开 JSON 生成 | 平台回答中的采用与引用准确 | 需要逐条对照回答、来源和目标页面版本 |
在站内实现时，推荐把原始采集层、人工审核层和公开展示层分开。原始层保存完整材料，审核层保存声明关系和理由，公开层只输出经过隐私与授权检查的必要信息。这样既能让管理员看到待审核记录，也不会把 Cookie、账号上下文或私人回答误公开。
一套可执行的证据入库流程
- 列声明。从文章中找出会影响读者决策的句子，尤其是数字、规则、因果、效果和比较。
- 拆边界。把主体、动作、时间、条件和结论强度不同的部分拆开；一句话不能因为有一个来源就自动合并。
- 选来源。平台规则优先官方文档，实验数字优先原始记录，建议类内容写明方法依据和适用条件。
- 定位原文。保存章节、字段路径、表格行或页面段落，并记录访问日期和最终 URL。
- 逐条判定。标记直接支持、部分支持、背景相关、不支持或未知，写出一句审核理由。
- 补限制。明确样本、时间、平台、语言、地区、版本和不能外推的结果。
- 公开前审查。删除凭证和无关个人信息，检查第三方内容授权，并保留原始材料到受控存储。
- 安排复核。为易变来源设定复核日期；页面或规则发生实质变化时，生成修订记录而不是静默覆盖。
“来源明确支持【主体】在【条件】下的【动作或事实】，但没有支持【超出范围的结论】；本条声明适用于【样本与时间】，下一次在【日期或事件】发生时复核。”
常见问题
一篇文章至少放多少个外部链接？
没有适用于所有文章的固定数量。更重要的是关键声明能否由合适来源支持、读者能否定位原文，以及页面是否写清条件和限制。两条不匹配的链接，不如一条真正对应声明的来源。
同一个来源可以支持多条声明吗？
可以，但每条关系都要单独核验。官方文档可能同时说明字段含义和处理流程，但不一定支持某个网站的实际结果；把同一个来源复制到多行不等于每行都已经审核。
来源打不开时应该删掉还是标记失败？
保留记录并标记为未知或暂不可核验，写明访问时间、状态和最后一次成功复核日期。来源失效不自动证明原结论错误，也不允许继续把它当成当前可核验来源。
AI 回答里出现了本站链接，就能把引用准确标记为通过吗？
不能。先确认链接指向哪一页，再把回答拆成声明，逐条对照目标页面的事实、条件、时间和限制。出现链接只证明来源出现，不自动证明内容采用和引用准确。
证据库会不会让文章变得很难读？
公开正文仍然可以保持自然阅读；把稳定 ID、来源定位和审核记录放在可展开的证据区或机器可读文件中即可。关键是正文附近要能回到证据，而不是把所有材料塞进主段落。
发布前检查清单
- 每条重要判断都能写成独立声明，而不是一个链接覆盖整段话。
- 声明已标记事实、平台规则、第一方观察、推断或建议等类型。
- 来源包含 URL、标题、原文位置、摘录、访问日期和适用范围。
- 已经区分直接支持、部分支持、背景相关、不支持和未知。
- 数字声明公开了分子、分母、样本、时间、版本和数据集。
- 来源不能访问、条件不一致或证据缺失时，没有被填成“否”或“通过”。
- 目标页面版本和来源版本可以被后续审核者区分。
- 自动校验只负责结构和变化提醒，人工审核负责语义支持和结论边界。
- 公开副本已排除账号凭证、私人上下文和无关个人信息。
- 已经安排来源更新、页面实质修改或新一轮实验后的复核动作。
结论边界：证据库提高可复核性，不制造结果保证
声明级证据库能让一篇文章更容易被读者、编辑和 AI 系统理解：对象清楚，结论可定位，来源有范围，未知被保留下来。它不能把一个小样本实验变成普遍规律，也不能把搜索提交、页面可访问或 AI 一次引用变成收录、排名和长期流量保证。
真正值得长期维护的不是“证据越多越好”，而是每条证据都能回答三个问题：它支持哪一句话；在什么条件下支持；什么结论仍然没有证据。完成这三步，证据库才会从文章装饰变成可复用的研究基础设施。
下一步可以继续阅读AI 搜索引用证据归档、国内 AI 引用复测方法和GEO 页面发布前检查清单，把声明级记录连接到实际采集、审核和发布流程。