国内 AI 引用实验怎么做：从固定问题到可复核结果

先给结论：实验不是问答截图集合

国内 AI 引用实验的目的，不是证明某个平台“喜欢”某个网站，也不是把一次出现品牌名称的回答包装成 GEO 成功。它要回答的是一个更具体的问题：在预先固定的平台、问题、环境和页面版本下，某个答案系统是否取得了来源，是否出现了 ZenLeak，是否链接到具体页面，是否采用了页面中的内容，以及这些判断能不能被别人重新核对。

因此，一轮合格实验至少包含三条线：采样线记录平台看到了什么，证据线保存回答和来源，解释线规定哪些结果可以计数、哪些结果只能保持未知。三条线缺一不可。只有截图没有问题原文，无法重放条件；只有回答没有来源，无法判断引用；只有结论没有分母，则无法知道结论是否被缺失样本放大。

先定义实验对象：平台不是一个品牌名

“测试 DeepSeek”或“测试豆包”仍然不够精确。一个平台可能同时提供普通对话、联网搜索、深度研究、文件问答和不同模型版本。不同入口看到的来源、上下文和回答能力可能不同。实验记录应把平台名称、具体产品、模型或模式拆开保存，否则下一轮即使使用了同一个品牌，也未必是在复测同一个对象。

研究对象最好写成“平台 + 产品入口 + 模式 + 模型版本 + 条件”的组合，而不是只写一个平台名称。若页面没有显示模型版本或联网开关，应记录为未知；不要根据回答风格猜测后台模型。

问题集怎么设计：覆盖意图，不围绕品牌设问

问题应该接近真实用户的决策过程，同时足够具体，能够判断回答是否使用了某类内容。直接问“ZenLeak 是什么”只能测试品牌认知，不能说明网站在非品牌问题中是否进入了来源选择。更稳妥的做法是先建立非品牌问题集，再单独设置品牌导航问题，二者不混用分母。

一组 12 题可以按六类意图组织，每类先放一个定义清楚、无需追问的问题：

问题集一旦开始采样就应冻结版本。后续发现了更好的问题，可以建立下一版问题集，但不要悄悄替换旧题后继续比较。旧题和新题都可以有价值，区别在于它们回答的是不同研究问题。

冻结运行环境：让下一轮真的能比较

生成式产品的回答不是纯粹由问题文本决定的。登录状态、地区、语言、设备、联网开关、会话历史和模型版本都会改变结果。实验不可能消除所有波动，但可以把已知条件写清楚，让读者知道哪些变化来自内容，哪些变化可能来自环境。

七个判定维度：把“引用”拆成可审核的字段

“答案里有链接”只是一个观察信号，不足以解释答案质量。ZenLeak 将国内 AI 基准记录拆成七个维度。字段可以是“是、否、未知”，也可以在不适用时单独标记；最重要的是不要用空值代替否定。

“内容被采用”和“引用准确”尤其容易混淆。前者问回答是否使用了页面中的内容，后者问来源是否真的支持答案中的说法。一个回答可能准确链接了页面，但没有采用页面的独有内容；也可能复述了页面内容，却把适用范围扩大了。这两种情况要分别记录。

证据包怎么保存：从原始回答回到最终结论

每个“平台 × 问题 × 窗口”应当有一个独立证据包，而不是把几十个结果拼成一张截图。证据包至少分为四层：原始采集件、运行条件清单、来源核查件和人工判定记录。后续脱敏或摘要可以公开，但不应覆盖原始材料。

1. 原始采集件。保存完整可见回答、来源区域、页面截图或平台允许的分享/导出文件，并记录采集时间。
2. 条件清单。记录平台、产品入口、模型、联网状态、语言、地区、登录状态、问题原文和会话规则。
3. 来源核查件。逐条打开来源 URL，保存页面标题、访问时间、关键摘录、页面版本和是否支持相邻结论。
4. 判定记录。填写七个维度、审核人、审核时间、争议说明、缺失原因和公开/不公开决定。

可以先用下面的最小记录结构，再按项目需要扩展：

platform: deepseek
product: 对话入口
model: 页面可见名称或 unknown
question_set_version: 2026-09-23
question_index: 3
question: 如何为 AI 搜索设计一篇容易理解的教程？
observed_at: 2026-09-28T10:00:00+08:00
region: 中国大陆
login_state: anonymous
networked: unknown
source_shown: unknown
brand_mention: null
page_citation: null
content_adopted: null
citation_accurate: null
answer_complete: null
answer_artifact: evidence/2026-09-28/deepseek-003.html
page_version: 2026-09-28
review_status: pending
missing_reason: 来源区域无法完整保存

这里的 null 和 unknown 表示还没有足够证据，不能在汇总时自动转成“否”。ZenLeak 已提供AI 搜索引用证据归档教程和证据包模板，可将原件、派生件和审核结论分开管理。

逐题执行流程：每个平台都走同一条路径

为了降低操作差异，可以把一题的执行固定为以下八步：

1. 预检查页面。确认被观察页面当前可访问，保存 canonical、修改日期和版本标识。不要在回答出来后才猜测页面当时是哪一版。
2. 打开新会话。确认平台、产品入口、登录状态、语言和联网模式，并截取能证明模式的界面区域。
3. 粘贴冻结问题。使用预先保存的原文，不临场改写，不添加品牌名称，不先提供网站上下文。
4. 等待首个完整回答。不要为了让平台提到本站而连续追问；如平台自动继续搜索，记录这个行为和完成时间。
5. 保存完整结果。同时保存回答正文和来源区域。若平台只显示标题或域名，就如实记录来源不完整。
6. 逐个核对来源。打开每个来源，判断它支持的是定义、步骤、数据还是限制。来源打不开时记录访问失败和时间。
7. 填写维度判定。先让另一位审核者或隔一段时间独立判断，再处理两者不一致的地方。重要结果保留理由。
8. 锁定记录。保存版本摘要、公开边界和缺失原因，禁止只留下最终“是/否”而删除原始观察。

执行顺序也要固定。若先看了上一平台答案，再去问下一平台，研究者的措辞和判断就可能被前一个回答影响。理想情况下，平台顺序采用预先写好的顺序；如果中途登录失效、页面不可用或提示协议，应暂停该组合并记录原因，不用另一平台的结果替代。

自动化与人工审核：能自动化什么，不能替代什么

自动化适合处理重复、可验证和不会改变语义的工作。若平台提供合规 API，可以自动发送固定问题、保存请求时间和响应、创建运行批次、去重、重试可重试错误，并把结果放入待审核队列。自动化还可以校验必填字段、检查 URL 格式、计算公开分母和生成脱敏报告。

自动化不应绕过登录、验证码、用户协议或平台的访问限制，也不能把没有来源区域的回答补成“已联网”。截图、来源卡片的视觉含义、页面是否真正支持相邻结论，以及回答是否扩大了原文范围，通常仍需要人工复核。没有合规 API 时，人工浏览器采样更诚实；不要用模拟请求伪装成平台内部调用。

自动化运行库和人工审核库也应分开。自动运行失败可以保留在内部运行记录中，但未经审核的答案不能直接进入公开结果。这样既能提高重复采样效率，也不会把接口成功误写成引用成功。

指标与分母：先报告完成度，再报告结果

一轮实验最先应该报告“计划了多少、完成了多少、缺失为什么”，而不是直接报一个引用率。对于每个指标，都要写清分母是计划组合、已提交组合、取得完整回答的组合，还是完成人工审核的组合。不同分母回答的是不同问题。

引用评价研究通常会把“引用覆盖是否完整”和“每个引用是否支持相邻陈述”分开讨论，例如 Verifiability in Generative Search Engines 将 citation recall 与 citation precision 区分开来。国内平台实验还要增加平台模式、来源可见性和页面采用等字段，但不应把所有字段压成一个总分。

怎样解释结果：从观察走到下一步

结果解释要遵循“先描述，再归因”的顺序。先写平台、问题、时间和可见证据，再讨论可能原因。一次回答没有出现 ZenLeak，只能说明这一次回答没有观察到品牌提及或页面引用；它不能证明平台永远不会检索本站。一次出现链接，也不能证明页面获得了稳定排名或未来仍会被引用。

站点能直接修复的是页面清晰度、证据位置、实体定义、更新时间和内部链接；平台是否重新检索、如何排序和何时展示属于外部状态。内容修改后要产生新页面版本，保留旧结论和旧证据，不能为了迎合错误回答而改写事实。

ZenLeak 当前基准：协议已建立，结果仍要按完成度看

ZenLeak 的国内 AI 引用基准库当前固定 5 个平台、12 个中文问题和 3 个观察窗口，共 180 个计划组合。问题集覆盖定义、比较、操作、收录边界、内容采用、证据、主题集群、技术入口和实验设计等意图，目标是观察非品牌问题中的内容可见性，而不是只做品牌导航测试。

截至 2026 年 9 月 27 日公开的第二窗口记录，实验已对部分平台提交同一个问题“GEO 是什么？”，但完整 60 组合尚未完成，通义千问本轮也没有继续提交。公开记录中的回答、来源缺口和隐私边界均单独保留，因此不能从这几条样本计算五个平台的总体提及率、页面引用率或引用准确率。具体状态以实验记录和基准库页面为准。

下一轮更适合优先测试与本站已有教程直接对应的长尾问题，例如“如何为 AI 搜索设计教程”“什么样的答案段更容易被准确引用”“网站被收录后是否就会被 AI 引用”“如何判断内容是否被采用”。这类问题比“GEO 是什么”更容易检验页面是否提供了独特、可核对的答案，但仍然不能预先假设会出现 ZenLeak。

常见问题

发布前清单

• 明确实验问题、平台范围、问题集版本和观察窗口。
• 把产品入口、模型或模式、联网状态、地区和登录状态单独记录。
• 冻结每道问题的完整文本，不用品牌词替代非品牌问题。
• 记录被观察页面的 canonical、发布日期、修改日期和页面版本。
• 每个平台都使用相同的执行顺序和会话规则。
• 保存完整回答和来源区域，不只保留一张裁剪截图。
• 逐个打开来源，记录标题、URL、访问时间、摘录和支持关系。
• 分别填写联网、来源、品牌提及、页面引用、内容采用、准确和完整。
• 用 null 或未知表示证据缺失，不把缺失自动填成否。
• 公开计划数、完成数、缺失原因和每个指标的真实分母。
• 把示例数据与真实观察分开，不能把教学案例写入实验结果库。
• 发布前移除账号标识、私人会话、访问者信息和平台凭证。
• 不把一次提及、一次链接或一次准确回答写成长期平台能力。
• 写清下一轮复测日期、保持不变的条件和允许改变的变量。