国内 AI 平台 GEO 引用复测怎么做：固定问题、来源核验与证据记录

先给结论：复测不是重新问一遍，而是重建同一组可比较的证据

国内 AI 平台的 GEO 引用复测，不能简化成“今天再问一次，看看有没有提到 ZenLeak”。合格的复测要固定平台入口、问题原文、语言和地区、登录与联网状态、页面版本、观察时间和判定规则，然后保存完整回答、来源区域和逐条核验结果。只有这样，下一轮才知道变化来自页面、平台环境、问题措辞，还是一次回答本身的波动。

本文提供一套可人工执行、也可逐步接入后台的复测流程，适用于 DeepSeek、Kimi、豆包、通义千问、智谱清言等国内 AI 产品。它把“品牌被提及”“出现来源”“页面被引用”“内容被采用”“引用准确”和“回答完整”拆成不同字段，并明确哪些结果可以计数、哪些结果必须保留为未知。方法可以提高记录质量，但不能保证任何平台引用一个具体网站。

先固定实验对象：平台名称远远不够

“复测 DeepSeek”或“复测豆包”不是一个完整对象。同一个品牌可能有普通对话、联网搜索、深度研究、文件问答和多个模型版本，来源面板和回答行为并不一定相同。记录时应该把品牌、产品入口、可见模式和模型版本分别保存；如果界面没有提供某一字段，就记录为 unknown，不要根据回答风格猜测。

复测记录还应保存开始和结束时间、时区、设备类型、会话是否新建、是否允许追问以及平台异常信息。环境字段不是形式主义：一个平台在登录后显示来源，在匿名状态下不显示来源，两个结果就不能简单放到同一个分母中。

问题集怎么设计：先测非品牌问题，再做导航问题

如果问题直接写成“ZenLeak 是什么”，测到的主要是品牌导航或实体识别，不足以说明站点是否会进入非品牌答案。更适合 GEO 研究的问题，应该先围绕用户任务设计，再单独设置品牌问题。ZenLeak 当前基准库使用 12 个固定中文问题，覆盖定义、比较、操作、引用准确、收录边界、内容采用、证据、主题集群、技术入口和实验设计等方向。

问题一旦进入正式采样就应冻结原文和题号。后续发现更好的问法，可以新建问题集版本，但不能悄悄替换原问题后继续声称“和上一轮相比”。同义问题也不应随意合并：如果一个问题问定义，另一个问题问服务商验收，它们的回答完整度和引用目标不同。

冻结运行环境：减少结果被混杂因素解释

AI 回答受到模型版本、产品模式、登录状态、地区、设备、联网开关、会话历史和平台临时状态影响。固定环境不能消除随机性，但能让复测报告清楚说明哪些条件没有变化，哪些条件发生了变化。

1. 固定平台顺序。预先决定五个平台的执行顺序，避免前一个回答影响研究者对下一个平台的提问或判断。
2. 固定会话规则。优先每道题使用新会话，不在正式采样前输入品牌背景；如果必须连续追问，单独标记为追问样本。
3. 固定联网状态。记录界面显示的搜索或联网模式；没有明确证据时写未知，不从回答“看起来很新”推断。
4. 固定地区和语言。保存地区、界面语言、问题语言和设备环境，地区变化时开新窗口。
5. 记录产品变化。页面布局、来源卡片或模型版本变化都应写入运行备注，必要时结束旧窗口。
6. 保存时间范围。用北京时间或 UTC 记录开始、结束和每题完成时间，不能只写一个模糊日期。

六类结果要拆开：提及不是引用，链接也不是准确

一次回答可以同时有品牌提及和页面引用，也可能只有品牌提及而没有具体 URL。来源链接存在，也不代表它支持回答中的每一个句子。下面的字段至少使用“是、否、未知”三态；若问题不适用，可以另记为 not_applicable。null 和未知表示证据不足，不表示否定。

这六项描述的是“观察发生了什么”，还不包括“引用是否准确”。引用准确应该在页面被明确引用后，另行逐声明审核；如果回答中包含价格、日期、数量或效果等多个事实，也要分别检查，不能因为一个事实得到支持就把整段标为准确。

最小记录结构：让每条结果可回放

一个合格的记录应该能让第二位审核者在不询问采集者的情况下理解发生了什么。建议把“原始材料”“运行条件”“来源核验”“判定结果”分开保存。后台可以先用表单录入，之后再自动生成公开摘要；不要一开始就只保存最终布尔值。

platform_id: 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: 2026-10-12T10:00:00+08:00
timezone: Asia/Shanghai
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_text: 原文或受控脱敏副本
source_urls: []
screenshot_ref: 内部文件 ID
page_version: 2026-10-12
review_status: pending
missing_reason: 来源区域未完整保存

answer_text、截图或平台导出文件属于原始证据；brand_mention 等是审核后的派生字段；公开页面只应展示已脱敏且已审核的记录。平台账号、个人信息、私有会话、Cookie、访问令牌和未获授权的完整对话不能上传到公开证据库。

逐题执行：五个平台走同一条路径

为了让一轮人工复测可重复，可以把每个“平台 × 问题”固定成下面九步：

1. 核对页面版本。确认被观察页面可访问，记录 canonical、发布日期、修改日期和版本 ID。
2. 创建新运行批次。分配批次 ID，记录平台、产品、地区、语言、设备、登录和联网条件。
3. 打开规定会话。按协议决定新会话或固定会话，不提前输入品牌背景。
4. 粘贴冻结问题。使用题库原文，不临场改写，不额外添加引导性关键词。
5. 等待首个完整回答。记录自动搜索、继续生成、超时、错误或需要登录等状态。
6. 保存回答和来源。来源区域、卡片、展开内容和最终 URL 都要保存；只看到域名时不要补写具体页面。
7. 逐条核对来源。打开来源，记录标题、URL、访问时间、关键摘录和支持的具体声明。
8. 填写初判和审核。先保存原始观察，再填写维度；重要的页面引用和准确性结果应由第二人复核。
9. 锁定记录。写清公开状态、缺失原因、争议和下一次复测条件，不覆盖旧窗口。

平台不可用、回答为空、来源区域没有显示和无法打开来源都是真实结果，但含义不同。它们应该分别使用 unavailable、answer_missing、source_unknown 和 source_unreachable 等状态保存，不能统一写成“未引用”。

引用准确性：必须从回答声明回到来源原文

“页面被引用”只表示回答把一个具体 URL 或来源卡片和当前答案关联起来；“引用准确”还需要验证来源是否支持相邻结论。审核时先把回答拆成最小声明，再逐条比较页面原文的主体、范围、条件、时间和数字。一个来源支持定义，不代表支持价格；支持某个日期，也不代表支持长期效果。

生成式搜索评价研究常把引用覆盖和引用精度分开：一个关注重要陈述是否有引用，另一个关注每个引用是否真正支持相邻陈述。国内平台的记录还可以增加联网、品牌提及和内容采用，但不应把这些不同问题压成一个“引用成功率”。

哪些可以自动化：传输和汇总自动化，语义判断保留人工

如果平台提供合规 API，自动化可以负责创建运行批次、发送固定问题、保存时间和响应、提取候选 URL、去重、重试可重试错误、检查必填字段和生成待审核队列。后台也可以自动计算计划组合、已记录组合、完整回答和各指标分母。

自动化不能绕过登录、验证码、用户协议或平台访问限制，也不能因为回答很像某个页面就自动判定“内容被采用”。来源卡片的视觉关系、回答是否扩大原文范围、页面是否真正支持一个复合声明，通常仍需要人工审核。没有合规 API 时，使用浏览器人工采样比模拟平台请求更容易保持记录诚实。

汇总规则：先报完成度，再报结果

一轮复测首先应该说明计划了多少组合、取得多少完整回答、多少组合完成了人工审核以及缺失原因。引用率、准确率和完整度必须公开分母。计划组合、已取得回答、已显示来源和完成来源核验的组合不是同一个分母。

结果怎么解释：先描述，再提出假设

结果解释应先陈述平台、问题、时间、环境和可见证据，再提出可能原因。一次回答没有出现 ZenLeak，只能说明本次可观察结果中没有发现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，也不能证明页面已获得稳定引用或未来仍会出现。

今天的复测如何排程：固定节点和基准补测分开

ZenLeak 的后台将复测分为两类。固定复测来自实验协议，例如页面技术基线、机器入口、内容发现和爬虫身份；AI 基准补测则按照平台 × 固定问题组合逐步补齐。两类任务可以在同一天执行，但不能合并成一个完成率，也不能用技术页面返回 200 代替 AI 消费端回答证据。

执行当天应先从后台复测中心读取到期任务，再确认该任务的上一轮工件和下一轮条件。对于 AI 基准，优先补齐下一个固定问题批次，而不是随机挑一个容易出现品牌的题目；对于新内容发现，不能因为页面已进入 sitemap 就直接记为已收录。

ZenLeak 当前基准怎么用

ZenLeak 的国内 AI 引用基准库固定了 5 个国内平台、12 个中文问题和 3 个观察窗口，共 180 个计划组合。当前公开页面把未知和待人工复测保留下来，已记录结果与计划矩阵分开展示。查看数据时，应先确认问题集版本、平台状态、记录时间和证据类型，再阅读品牌提及或页面引用数量。

公开基准库和中文 GEO 问题与引用观察面板是结果入口；本文是执行方法。对于今天到期的任务，只有完成平台端回答、来源和人工审核后，才可以把结果写入公开记录。没有完成的组合继续保持待测或未知，不为了让面板看起来完整而填入“否”。

常见问题

一次复测的发布前清单

• 实验问题、平台范围、产品入口和问题集版本已经冻结。
• 每个平台都记录模型或模式、地区、语言、设备、登录和联网状态。
• 问题原文、会话规则和执行顺序与上一轮可比较。
• 目标页面保存 canonical、发布日期、修改日期和版本标识。
• 完整回答、来源区域和错误状态已经保存，不只留下结论字段。
• 品牌提及、页面引用、内容采用、准确和完整没有合并成一个总分。
• 来源 URL 已逐条打开，保留标题、摘录、定位、访问时间和限制。
• 未知、未执行、不可用、来源缺失和否定结果使用不同状态。
• 每个指标的分子、分母、缺失原因和可比较范围已经写清。
• 公开材料已脱敏，没有账号、私人会话、Cookie、令牌或访客信息。
• 结果没有把一次回答外推成平台长期能力，也没有把技术状态写成 AI 引用。
• 下一轮时间、固定条件和允许改变的变量已记录。

结论边界：复测能回答什么，不能回答什么

这套流程能够回答“在某个平台、某个入口、某个时间、某个问题和某组环境下，是否观察到来源、品牌、具体页面和支持关系”。它不能回答平台的内部排名公式、未来是否一定再次引用、全网整体引用率，也不能用一轮样本证明页面已经被搜索引擎收录或训练系统采用。

更高质量的复测不是让结论听起来更肯定，而是让每个判断都能回到原始回答和来源。宁可公开“本轮未完成”“来源未知”或“支持关系待核”，也不要用一个漂亮但无法复核的数字替代证据链。后续可继续阅读国内 AI 引用基准设计方法、AI 搜索引用证据归档和GEO 效果衡量框架。