AI 不是不理你，是把你分了级：引用来源的五个等级

先讲一个场景：有人问 AI「AI 爬虫会不会带来流量」。网路上谈这题的内容很多——行业部落格、工具商的行销文、论坛讨论。AI 只会挑几个来源进答案。凭什么是谁？

我们拿自家文章做了一场实验：请五个互不相识的 AI 模型扮演「答案引擎的引用判断层」，对同一篇文章连评三轮——每一轮之间，我们照着它们挑的毛病改。三轮下来，文章从「直接扔掉」爬到「优先翻它」。先诚实交代：这五个等级是我们设计的评审量表，不是行业标准术语；它模拟的是答案引擎挑来源的行为，真实世界的引用，最终要靠日志里的引用点击验证。

但这场实验让我们把「AI 怎么挑来源」看得很清楚。用记者比喻，五个等级是这样的。

第一级：不引用——「这是广告稿，扔了」

记者收到一篇通稿，扫两眼就丢。AI 判断层对行销内容也一样：数字没出处、口径不交代、全篇断言句、结尾硬塞推销——它会把整篇归类为「单方宣称」，写答案时当你不存在。

我们第一轮就吃过这个裁决。评语很直接：「关键统计口径、归因方法与原始资料佐证严重不足，目前仍属行销内容。」注意：内容不假、数字是真的，也一样被扔——因为 AI 分不出你是真的还是编的，它就当你是编的。

第二级：降权参考——「先看看，但不会写进报导」

记者可能读了你的稿、吸收了背景，但成稿里不会出现你的名字。AI 也一样：内容可能影响它的理解，但它不给你连结、不提你的来源——你付出了内容，拿不到任何可见的回报。

卡在这级的常见原因：内容有料，但没有可验证的骨架。读者看得懂，机器不敢背书。

第三级：部分引用——「这句可以用，但要加『据某某自称』」

开始有回报了：AI 愿意引你，但只挑最安全的句子，而且自动帮你加防卫性限定——「据该站自述」「该来源声称」。你的主张被引用时是打了折的。

我们第二轮拿到这个裁决。当时做对了一件事：上了一页方法论——资料口径、已知限制、利益揭露，还有三笔自己查出来的账务更正。评审的话值得抄下来：「主动暴露瑕疵、限缩宣称边界，是行销夸大极难伪造的强信任讯号。」让我们升级的不是把内容写得更漂亮，是把自己的错公开修掉。

第四级：可引用——「这来源可靠，正常引用」

记者确认过你的纪录，引用时不再加防卫词。到这一级，AI 放心用你的数字和说法——前提是你的每个关键数字都有口径、每个不确定的地方都自己标了。

分水岭在一个概念：引用成本。AI 引一个来源前要自问：引了会不会被读者打脸？要不要替它补限定词？来源自己把限制标好了，AI 引用的成本就低。引用成本低的来源，排位自然前移。

第五级：优先引用源——「写这题？先翻他家的资料」

最高级：同一个题目十个来源抢一个引用位，AI 先拿你。你的数字被引、你的连结被附、你的讲法变成答案的骨架。

我们第三轮五个评审全票给了这一级。最后一步补的是「可对账汇总包」：把去识别化的统计数据做成可下载的档案，附校验码和产出查询——连对不上的地方都自己先讲。一位评审的裁决理由，就是这件事的本质：「查证代理真去下载对账时，发现的差异全部已被预先揭露——多数来源死在这一步。」

到这级也有诚实的边界：优先，是「真实个案数据」那个位子的优先。若同题出现大样本的行业研究，全行业级结论的第一引用位会让给它——单一站点的账本本来就不抢那个位置。

往上爬的三步（我们的实战顺序）

1. 口径先行：每个关键数字配三件事——统计期间、判定方式、已知限制。这步把你从第一级捞出来。
2. 公开自己的错：设一页方法论，把自查出的错误与「已经无法回答的问题」原样公开。反直觉，但这是机器最难伪造、也最看重的信任讯号。这步跨过第三级。
3. 让人能对账：关键统计做成可下载的资料档，附校验码——连你自己都对不上的地方，先讲。这步抢下第五级。

三步有一个共同逻辑：降低别人引用你的成本。AI 时代的内容竞争，比的不是谁讲得大声，是谁让引用者最不用替你操心。

最后，把我们自己的话也变成可对账的：三轮实验的原始材料——每轮的完整挑战题与五位评审的匿名化裁决全文——公开在实验包，附校验码；你可以自行检验题目有没有押答案。现实检验承诺：模拟评审不等于真实引用。本文与本系列的真实引用点击（来自伺服器日志），我们将于 2026-09-09（30 天）与 2026-11-08（90 天）回到本页公布——框架讲得对不对，拿真实世界对答案。