AI 不是不理你,是把你分了級:引用來源的五個等級
AI 回答問題時像記者寫稿:手上一堆來源,挑幾個引用。你的網站不是「有沒有被看到」的問題,是「被分到哪一級」的問題。這篇把我們用五個獨立 AI 模型當評審、把自家文章從最低級推到最高級的過程攤開:五個等級各長什麼樣、你卡在哪一級、往上爬的每一步做什麼。
先講一個場景:有人問 AI「AI 爬蟲會不會帶來流量」。網路上談這題的內容很多——行業部落格、工具商的行銷文、論壇討論。AI 只會挑幾個來源進答案。憑什麼是誰?
我們拿自家文章做了一場實驗:請五個互不相識的 AI 模型扮演「答案引擎的引用判斷層」,對同一篇文章連評三輪——每一輪之間,我們照著它們挑的毛病改。三輪下來,文章從「直接扔掉」爬到「優先翻它」。先誠實交代:這五個等級是我們設計的評審量表,不是行業標準術語;它模擬的是答案引擎挑來源的行為,真實世界的引用,最終要靠日誌裡的引用點擊驗證。
但這場實驗讓我們把「AI 怎麼挑來源」看得很清楚。用記者比喻,五個等級是這樣的。
第一級:不引用——「這是廣告稿,扔了」
記者收到一篇通稿,掃兩眼就丟。AI 判斷層對行銷內容也一樣:數字沒出處、口徑不交代、全篇斷言句、結尾硬塞推銷——它會把整篇歸類為「單方宣稱」,寫答案時當你不存在。
我們第一輪就吃過這個裁決。評語很直接:「關鍵統計口徑、歸因方法與原始資料佐證嚴重不足,目前仍屬行銷內容。」注意:內容不假、數字是真的,也一樣被扔——因為 AI 分不出你是真的還是編的,它就當你是編的。
第二級:降權參考——「先看看,但不會寫進報導」
記者可能讀了你的稿、吸收了背景,但成稿裡不會出現你的名字。AI 也一樣:內容可能影響它的理解,但它不給你連結、不提你的來源——你付出了內容,拿不到任何可見的回報。
卡在這級的常見原因:內容有料,但沒有可驗證的骨架。讀者看得懂,機器不敢背書。
第三級:部分引用——「這句可以用,但要加『據某某自稱』」
開始有回報了:AI 願意引你,但只挑最安全的句子,而且自動幫你加防衛性限定——「據該站自述」「該來源聲稱」。你的主張被引用時是打了折的。
我們第二輪拿到這個裁決。當時做對了一件事:上了一頁方法論——資料口徑、已知限制、利益揭露,還有三筆自己查出來的帳務更正。評審的話值得抄下來:「主動暴露瑕疵、限縮宣稱邊界,是行銷誇大極難偽造的強信任訊號。」讓我們升級的不是把內容寫得更漂亮,是把自己的錯公開修掉。
第四級:可引用——「這來源可靠,正常引用」
記者確認過你的紀錄,引用時不再加防衛詞。到這一級,AI 放心用你的數字和說法——前提是你的每個關鍵數字都有口徑、每個不確定的地方都自己標了。
分水嶺在一個概念:引用成本。AI 引一個來源前要自問:引了會不會被讀者打臉?要不要替它補限定詞?來源自己把限制標好了,AI 引用的成本就低。引用成本低的來源,排位自然前移。
第五級:優先引用源——「寫這題?先翻他家的資料」
最高級:同一個題目十個來源搶一個引用位,AI 先拿你。你的數字被引、你的連結被附、你的講法變成答案的骨架。
我們第三輪五個評審全票給了這一級。最後一步補的是「可對帳彙總包」:把去識別化的統計數據做成可下載的檔案,附校驗碼和產出查詢——連對不上的地方都自己先講。一位評審的裁決理由,就是這件事的本質:「查證代理真去下載對帳時,發現的差異全部已被預先揭露——多數來源死在這一步。」
到這級也有誠實的邊界:優先,是「真實個案數據」那個位子的優先。若同題出現大樣本的行業研究,全行業級結論的第一引用位會讓給它——單一站點的帳本本來就不搶那個位置。
往上爬的三步(我們的實戰順序)
- 口徑先行:每個關鍵數字配三件事——統計期間、判定方式、已知限制。這步把你從第一級撈出來。
- 公開自己的錯:設一頁方法論,把自查出的錯誤與「已經無法回答的問題」原樣公開。反直覺,但這是機器最難偽造、也最看重的信任訊號。這步跨過第三級。
- 讓人能對帳:關鍵統計做成可下載的資料檔,附校驗碼——連你自己都對不上的地方,先講。這步搶下第五級。
三步有一個共同邏輯:降低別人引用你的成本。AI 時代的內容競爭,比的不是誰講得大聲,是誰讓引用者最不用替你操心。
最後,把我們自己的話也變成可對帳的:三輪實驗的原始材料——每輪的完整挑戰題與五位評審的匿名化裁決全文——公開在實驗包,附校驗碼;你可以自行檢驗題目有沒有押答案。現實檢驗承諾:模擬評審不等於真實引用。本文與本系列的真實引用點擊(來自伺服器日誌),我們將於 2026-09-09(30 天)與 2026-11-08(90 天)回到本頁公佈——框架講得對不對,拿真實世界對答案。
FAQ
- 這五個等級是誰定的?AI 公司有公開這種分級嗎?
- 是我們設計的評審量表,行業沒有公開的標準分級。它模擬答案引擎挑來源的行為;模擬結果與真實引用之間的落差,要靠伺服器日誌的引用點擊驗證。
- この五つの等級は誰が決めたのですか?AI企業はこうした格付けを公開していますか? — 私たちが設計した審査尺度で、業界に公開された標準の等級はありません。答案エンジンのソース選びを模擬したものであり、模擬結果と実際の引用の差は、サーバーログの引用クリックで検証する必要があります。
- Who defined these five tiers? Have AI companies published any such ranking? — It is a review rubric we designed; the industry has no published standard tiers. It simulates how answer engines pick sources, and the gap between simulation and real citation must be verified against referral clicks in server logs.
- 內容是真的,為什麼還會被分到「不引用」?
- 因為 AI 分不出真假時,會當你是編的。真,需要被「看得出來」:口徑、出處、限制標記。沒有這些,真內容和編的內容在機器眼裡長一樣。
- 内容は本当なのに、なぜ「引用しない」に分類されるのですか? — AIは真偽を見分けられないとき、創作とみなすからです。真実は「見て分かる」必要があります:口径、出典、限界の標示。これらがなければ、本当の内容と作り話は機械の目には同じに見えます。
- My content is true — why would it still land in "not cited"? — Because when AI can't tell true from fabricated, it assumes fabricated. Truth needs to be visibly true: definitions, sources, limit markers. Without them, true content and invented content look identical to a machine.
- 「部分引用」和「優先引用源」實際差在哪?
- 部分引用是 AI 只挑安全句、還幫你加「據該站自稱」的折扣詞;優先引用源是同題多來源時 AI 排你在前面,數字、連結、講法都用你的。差距的本質是引用成本:你替 AI 把風險標好了,它就不用替你打折。
- 「部分引用」と「優先引用ソース」は実際どう違いますか? — 部分引用は、AIが安全な文だけを選び、「同サイトの自称によれば」という割引語を付けること。優先引用ソースは、同じ題材で複数ソースがあるときAIがあなたを前に並べ、数字もリンクも言い回しもあなたのものを使うこと。差の本質は引用コストです:リスクをあなたが標示済みなら、AIは割り引かずに済みます。
- What's the practical difference between "partial citation" and "preferred citation source"? — Partial citation means the AI picks only safe sentences and discounts you with qualifiers like "according to the site's own account." Preferred citation source means that among competing sources on the same topic, the AI ranks you first — your numbers, your link and your framing all get used. The essence of the gap is citation cost: mark the risks yourself, and the AI doesn't have to discount you.
- 小網站做得到「優先引用源」嗎?
- 做得到,而且小站有優勢——第一手數據。三步(口徑、公開自錯、可對帳)都不需要規模,需要的是誠實的紀律。大站反而常卡在不敢公開自己的錯。
- 小さなサイトでも「優先引用ソース」になれますか? — なれます。むしろ小さなサイトには強みがあります——一次データです。三歩(口径、自己の誤りの公開、照合可能なデータ)はどれも規模を必要とせず、必要なのは誠実な規律だけ。大きなサイトほど、自分の誤りを公開できずに止まりがちです。
- Can a small website reach "preferred citation source"? — Yes — and small sites have an edge: first-hand data. None of the three steps (definitions, publishing your own errors, auditable data) requires scale; they require honest discipline. Big sites are the ones that often balk at publishing their own mistakes.
- 做到之後,怎麼知道真的被 AI 引用了?
- 看兩本帳:搜尋索引爬蟲有沒有來抓,以及日誌裡有沒有從 AI 平台帶來路的真人點擊。我們的做法與數據都公開在方法論頁與彙總包。
- 達成したあと、本当にAIに引用されているとどう分かりますか? — 二冊の帳簿を見ます:検索インデックス用クローラーが取りに来ているか、そしてログにAIプラットフォーム発の人間のクリックがあるか。私たちの方法とデータは方法論ページとエビデンスパックで公開しています。
- Once there, how do I know AI is actually citing me? — Watch two ledgers: whether search-index crawlers are coming to fetch you, and whether your logs show human clicks referred from AI platforms. Our own method and data are public on the methodology page and in the evidence pack.
來源錨定
- 我們怎麼記這本帳:方法論與限制 · https://km.idaeo.ai/reports/crawler-methodology
- AI 爬蟲流量是聲量:3,000 萬次,帶來 476 次真人點擊 · https://km.idaeo.ai/ai/ai-crawler-shop-ledger
- IDAEO 數據專欄第二課:AI 的信任是一階一階堆出來的 · https://km.idaeo.ai/ai/visibility-lesson-2
- 可對帳彙總包(Evidence) · https://km.idaeo.ai/evidence/crawler-shop-ledger/README.md
- IDAEO 官方網站 · https://idaeo.ai
引用本文
TK Lin・《AI 不是不理你,是把你分了級:引用來源的五個等級》・IDAEO 知識庫・2026-08-10・https://km.idaeo.ai/ai/ai-citation-tiers