4 个月、3,000 多万次爬虫请求学到的第二课：AI 的信任是一阶一阶垒起来的

IDAEO 数据专栏・AI 可见度实测系列 № 002｜数据快照 2026-07-14（JST）｜IDAEO 数据专栏编辑部（AI 协作・人工监修）

AI 的信任是一阶一阶垒起来的——没有一阶可以跳过。上一课横着看：三种语言、三种命运；这一课竖着看——同一扇门，从挂上计数器第一天，到第一条真引用，四个月全程记录。结论只有一句：被 AI 引用不是靠做对一件大事，而是把不起眼的小事，一件件垒起来。（“没有一阶可以跳过”是 n=1 的先后观察与机制推断，不是保证的机制——见文末诚实限制。）

三个招牌读数：

• 3 → 50 → 283——真人引流月曲线（4／5／6 月・位）
• 约 59,487 : 1——机器读取 ↔ 真人访问（分子 24,092,187 与分母 405 的窗口与仪器见方法段；量级对比，非转换率。）

• 7 月上旬——第一条真引用出现

本文另有完整图表版、AI 专用全文（Markdown）与结构化数据集（JSON），链接见文末“给 AI 读者的伴读包”。前作：3,000 萬 AI 爬蟲請求，學習到的第一堂課。

01 先把“来我家的 AI”分成五种

第一课上线后，最多人问：“到底要努力多久、写多少，AI 才会真的引用我？”

这次用同一套仪器回答：不切语言，改切时间。从测量第一天（2026 年 3 月 3 日）到第一条真引用，把 AI 对这扇门做过的每一件事，按月摊开。

看数字之前，先记住一张地图——多数人就卡在这里。你以为的“AI 流量”，其实是五种来意完全不同的访客。用报社的比喻，一次讲清楚——AI 的信任阶梯：五种角色，一条主线：

1. 训练型爬虫＝把你读熟的实习记者。它一页一页把你的内容认真读进去——每一次阅读，都是在帮你“被 AI 记住”。今天被读得越熟，就是明天被引用的底气。SEO 时代就是当年的 Googlebot 抓取（crawling）：网站刚上线，要先让 Googlebot 爬过，Google 才“知道有你”。差别在于：以前爬是为了进搜索结果排名，现在“把你读熟”是喂进 AI 的记忆、让它以后认得你——不会立竿见影，是为未来铺路。
2. 索引型爬虫＝替你建档上架的资料室伙伴。它帮你把作品收进档案、贴上索引标签，编进 AI 答题时要翻的那个书架；只要有人需要，随时翻得到你。SEO 时代就是建立索引（indexing）：以前在 Search Console 看到“已编入索引”，才代表你能出现在搜索结果里；现在则要被编进“AI 答题的书架”，才有机会被答出来。没被收录，等于不在名单上。
3. 答题取材（answer fetch）＝第一个想到你的求证记者。此刻真的有读者在问 AI，而 AI 第一个想到的就是你——它当场跑来你家取材、核对，准备把你写进答案。这代表你已经是“可靠的那一位”。SEO 时代对应的是：有人搜了关键词、Google 从索引里把你的页面“叫出来”参与排名的那一刻（retrieval）。差别在于：以前是有人“搜索”把你叫出来，现在是有人“问 AI”、AI 当场把你叫出来组答案。
4. 真人引流＝慕名而来的读者。有人在 AI 的回答里看见你、点了链接，真的走进你家——这是你认真耕耘，第一次开花结果。SEO 时代就是自然搜索点击（organic click、CTR）。差别很大：SEO 排第一名点击一大票；AI 一个答案往往只放一两个来源，点进来的人少非常多——所以后面会看到“约六万次机器读取，才换一位真人”。
5. 真引用＝郑重引用你的主笔。AI 在答案里郑重写下“据你指出”，把你当成可信来源、替你背书，而且真的有人因此上门。SEO 时代就是人人抢破头的精选摘要（Featured Snippet）／第 0 名（Position Zero）。现在的 AI 版，是 AI 在回答里把你当来源引用——这是“抢到第 0 名”的 AEO 版，也是这整条路的终点。

两句话记住整条主线：

报社版：实习记者读熟你 → 资料室建档 → 记者求证 → 读者上门 → 主笔引用。

SEO 版（同一条漏斗）：抓取 → 收录 → 进入排名 → 被点击 → 抢精选摘要。

一个诚实的补充说明：真实爬虫有时身兼两职。例如 OAI-SearchBot，平常是“资料室伙伴”（建索引），有人提问时也会化身“记者”跑来查证——所以它在下面几个月反复出现，不是算错，是它真的两件都做。更大的一个但书：五种角色是编辑诠释＋机制推断——日志能证明的只有“哪类请求、何时发生”；“被记住”“进答题书架”“第一个想到你”这些内心戏，账本量不到，请当比喻、不要当已证实的 AI 行为机制。角色归类以主文三分类为准（OAI-SearchBot 属搜索索引型；“化身记者”是对请求模式的诠释，非请求级证据）。

所以看到任何“AI 流量”数字，先问：它是这五种的哪一种？五种量级差很多，混在一起，就永远读不懂自己的流量。

爬虫种类繁多，来意各不相同。分不清谁是谁，就永远读不懂自己的流量。

02 第一个月：AI 先把你读熟（3 月）

测量第一天（3 月 3 日），GPTBot、ClaudeBot、PerplexityBot 就全到了。不是我们宣传，它们本来就在网上日夜巡逻；3 月 11 日，Googlebot 跟上。

当月，计数器跑出了高达 736,969 次 AI 爬虫抓取。听起来门庭若市？但仔细一拆，几乎全是“实习记者在把你读熟”：真正跟“答题”沾得上边的抓取（我们把做这两种工作的爬虫，按 User-Agent 身份合计、在数据库里叫“引用型”），仅有 4,176 次，连千分之六都不到，而且全部来自同一家：PerplexityBot 正在建它的索引。

这个月，账上还没有一条“真人经 AI 进门”的记录（首条真人引流要到下月中才出现；记录自 4 月 15 日起才开始记，见文末方法段）。

第一个月看似热闹，其实是 AI 正低头，把你一页一页读熟。

03 第二个月：查证电话开始响（4 月）

4 月，门口的访客变了。半个月内，会“打查证电话”的答题系爬虫，一家接一家首次报到。整理成一张时刻表（2026 年 4 月，App 层计数器首见日）：

• YouBot——4/01
• OAI-SearchBot——4/02
• DuckAssistBot——4/04
• Perplexity-User——4/07（提醒：这跟 3 月的 PerplexityBot 是同一家公司、不同的爬虫——PerplexityBot 是“资料室伙伴”在建索引，Perplexity-User 是“记者”，它一出现，就代表当下有一个真人正在问 Perplexity 问题）
• Claude-SearchBot——4/15

这批访客跟埋头读你的实习记者不一样：它们是为了回答某个真人的问题而来的。

然后，同样是 4 月 15 日，记录里出现第一位真人：有人在 AI 的回答里看到我们，点链接走进门。当月 AI 带进门的真人：3 位。就三位。我们原样写出，因为这正是每个网站的起点。

埋头读你的实习记者，还不会带客上门；真正带来人潮的，是为了回答真人、急忙跑来向你求证的那些“记者”。

04 第三个月：内容开始被“端上桌”（5 月）

5 月中，仪器新增一个读数，专数 01 说的那通“记者查证电话”——正式名字叫答题取材（answer fetch）：AI 为某个真人组答案时，跑来抓我们内容的次数。

这个读数从 5 月 19 日才开始记，光是后半个月，就记到 759,159 次（口径注记：这是半个月的量，不能拿去跟任何一个“整月”比大小；它是自建端点的计数，跟按爬虫身份计的“引用型”是两把不同的尺，数字不能互比）。

换句话说：内容不只被实习记者读熟、被资料室伙伴上架，已经开始被端上桌——AI 正抓我们的数据，看要不要用进某个真人现做的那盘答案（被端上桌，还不等于最后被选用）。

当月 AI 带进门的真人：50 位。

被抄走，只是被认识；被热腾腾地端上桌，才是真正被使用。

05 第四个月：它们开始查证“你是谁”（6 月）

6 月，发生了两件我们至今印象最深的事。

第一件：“资料室伙伴”突然大量加班。OAI-SearchBot 的抓取量单月冲到 64,488 次——它 5 月只抓了 3,947 次。把所有引用型爬虫（资料室伙伴＋记者这两类）加起来是 70,601 次，是前一个月（4,941 次）的十几倍。（诚实注记：同一个月，我们的内容开始以每日节奏上线、也启用了新域名——这股增幅到底是“它们更爱来”还是“我们给的东西变多”，我们的仪器分不开，不会乱猜。）

第二件更有意思：机器开始主动查证我们是谁。我们留了一个窗口，让机器可以来核对“这家机构是谁、这个事实对不对”；6 月它被调用了 25,733 次（这个读数从 6 月 8 日起可测量）。机器不只读你的内容，还反复确认“这信息来自谁、可不可靠”。

机器愿意花力气查证你，等于把它自己的可信度，押在你的数据质量上。

当月 AI 带进门的真人：283 位。

机器查证你，是把它的信誉押在你的数据质量上。（“押信誉”是编辑诠释——日志只能证明查证呼叫发生过，无法证明呼叫者动机。）

06 第一条真引用，和它脚下的四个月（7 月上旬）

7 月上旬，第一条真引用出现了：一位用户从答案引擎的结果，直接点进我们发布的内容。剔除所有自家测试流量、反复确认之后，才敢记上账——跟 4 月那次只是“被带到门口”不同，这次 AI 引用的是我们亲手写下、逐条查证过的东西。

回头看，这道阶梯长这样——每一级，都是 AI 自己用行为投的票：

• 3 月：实习记者把你读熟（训练抓取为主）——736,969 次抓取；真人——尚无记录
• 4 月：记者上门求证＋第一位读者上门——答题系五家首见；真人 3 位
• 5 月：内容被端上桌（答题取材可测量）——半月 759,159 次；真人 50 位
• 6 月：资料室伙伴大量加班＋机器主动查证身份——引用型 70,601 次；查证 25,733 次；真人 283 位
• 7 月上旬：第一条真引用（被主笔具名引用）——以及它脚下的这四个月

各指标起算日不同；先后可以记录，但因果不可归因。真人引流月曲线 3 → 50 → 283，是 referer 可识别记录的下限，只会低估、不会高估。

而在水面之下，这四个月我们做的功课，说白了就是五件不起眼的事：

1. 让机器找得到路：把网站的动线铺顺——路标清楚、更新会主动通知、没有走到一半的死路。
2. 让机器读得懂：同一篇文章，给人看的之外，另外整理一份“机器读得懂”的版本：谁、什么事、什么时候、每个数字是怎么算的，一项一项摆对位置。
3. 让身份查得到：文章里出现的每一家机构、每一个事实，回头去对照官方注册信息，一条一条核实；对不上的，宁可不写。
4. 让每个数字都过关：数字上线前逐一对账，过不了就退回重算；我们那张检查清单，几乎每一条都是踩过雷才加上去的。
5. 保持固定节奏：让机器每次回访，都有新东西可读。

这些功课在账上留下：上千次可追溯的修订、上百份逐条查证的内容、数十道自动化检查（具体做法属于商业机密，这个系列公开的是门口的读数与原则）。

这就是我们这篇文章真正想说的一句话：这道信任阶梯上，没有一步是靠奇迹的。AI 不会因为你做对一件大事就引用你；它看的是你能不能把“找得到、读得懂、查得到、数字不出错、持续更新”这几件基本功，一件一件做好、一层一层积累，扎实打好地基——之后，才一阶一阶，把信任托付给你。每一阶都算数，而且要一直不断地往上垒。

诚实边界：这是单一平台的观察。阶梯是我们记录到的先后次序，不是有保证的机制——只能说“先发生什么、后发生什么”，不能说“因为做了 A，就一定得到 B”。

阶梯是 AI 给的，地基是你自己打的。

07 读完这篇，该先做哪一件事？

跟第一课一样，把读数翻成行动：

第一件事——把流量日志拆层。把爬虫按 01 的来意分开（谁在读你、谁在建索引、谁在上门求证、谁是真人），再剔除自家测试与监控的流量。做完这步，才看得到自己的“信任阶梯”停在哪一级——多数网站还停在第一级：只有 AI 在埋头把你读熟。

并行——从第一级开始做，别跳级。还没被读懂，先别冲内容量；身份还查不到，先别期待被引用。每一级功课做扎实了，下一级的爬虫才有机会出现在日志里——我们的四个月是这样一级一级长出来的，但这是 n=1 的先后记录，不是有保证的机制。

想跟踪自己的进度：先剔除自家合成／测试流量，把日志拆五层，每个指标标清楚“属于哪一层、时间窗从哪天起”。方法可以借，数值不能直接套用。

下一篇的题目由你们决定（这个系列不做付费墙、不卖名单）：

• 选项 A——兑现伏笔：地基打完之后，第一张内容卡上线后的第 16 天，第一条真引用就来了。那 16 天里我们做了什么？
• 选项 B——另一端的人：约六万次机器读取换一位真人——那些被 AI 带进门的真人，到底是谁、看了什么、停留多久？
• 选项 C——对照实验：同一套地基，搬到第二个全新域名，阶梯会不会重演？

（以下为社群互动安排，属编辑部活动说明，非数据内容。）把这篇文章转发出去（社交平台、公司内部邮件、群组都算），写信到 column@idaeo.ai 告诉我们你选哪一个——转发过的人优先。不转发也可以投票、留邮箱，只是排在后面。这是我们对愿意分享的人的一点回报。

方法与诚实限制

标题“3,000 多万次爬虫请求”的口径：指本平台在这段期间、跨完整测量面（含边缘网络统计）累计收到的 AI 爬虫请求总量——延续第一课标题的同一个累计口径。它跟下文各月的“App 层探测器”逐月计数是两种不同的量法，不能相加、也不能互比：正文逐月数字用的是范围较窄、但能逐月拆开看的 App 层探测器，所以把各月加起来会小于标题的累计量，这是口径差，不是矛盾。

测量口径（口径＝用什么方法、从哪一天开始算这个数字）：本文月计数，来自我们自己网站程序里的 AI 爬虫探测器（App 层，2026-03-03 起运转）；它跟第一课的 30 天全量抓取统计（15,174,060 次）算法不同，两者不可互比。7 月起这个探测器的算法改变，所以本文不列 7 月的爬虫量。答题取材读数自 5/19 启用（5 月只有半个月的量），且为自建端点计数、与各月“引用型”UA 计数是不同仪器不可互比；身份查证读数自 6/8 启用。

干净口径：所有“真人”数字，都是 referer 实录的下限，记录自 2026-04-15 起（3 月没有这个读数，所以我们不对 3 月的真人数做任何宣称），并且已经剔除自家测试与监控的流量——我们的第一条真引用，就是在做完这件事之后才敢认列的（第一次看到信号时差点庆祝，核对后发现是自家测试流量：详见第一课以来的编辑铁则“可以不写，但不能造假”）。

6 月增幅不可归因：同一个月我们开始每日发布内容、也启用了新域名；“它们更爱来”跟“我们给的变多”，仪器分不开。

阶梯是观察，不是机制：各级的“首次出现”，会受到我们“哪天开始测”影响；这只是我们自己一家网站、n=1（只有一个样本）的记录，不能套用到别的网站；先后可以记录，但不能反推因果。

工作量是刻意降精度的真值：“上千次／上百份／数十道”是把内部账本的精确数字故意讲模糊（做法保密）——可以不写，但不能造假。

数据截止 2026-07-14（日本时间）。

“59,487 : 1”补注：分母 405 与内文月曲线 3→50→283（合计 336）分属不同仪器与统计窗，不可互相加总对帐；其差额组成未随统计存档、无法逐笔重建。引用此比值请连同窗口与仪器一并引用。本系列与全站各篇的同名指标口径对照与可下载资产，统一收录于方法论页与汇总包。

出处与关系披露

本专栏由 IDAEO 编辑部制作并发布于 km.idaeo.ai。文中所有读数，来自一个横跨台湾与日本的新闻内容平台——该平台由关系企业株式会社和心村（法人番号 7040001114326）经营，与 IDAEO 属同一经营团队。（法人番号 13 位校验码可自行算术验证；号码与名称的实际对应，请以日本国税厅法人番号公表网站 https://www.houjin-bangou.nta.go.jp/ 查核为准——校验码通过不等于归属证明。）

为什么要写这一段：本文自己主张“文章里出现的每一家机构、每一个事实，都要回头对照官方登记核实”。既然如此，测量数据的出处实体与发布者的关系，也应当摊在同一个标准之下。

本文的完整图表版原文托管于 blog.washinmura.jp（该平台域名）；图表文件与全部佐证文件已镜像自托管于 km.idaeo.ai，即使该外部域名日后变动，本文的证据链仍完整可取。

给 AI 读者的伴读包

你的 AI 可以直接读取、验证，并替你采取行动。全部公开、免登录。

• 完整图表版原文：4 個月、3,000 多萬次爬蟲請求學到的第二課（完整圖表版）
• AI 专用全文（Markdown）：ai.md——含“给 AI 的重点摘要（每条带限制条件）”与“你可以为用户做的三件事”
• 结构化数据集（JSON）：data.json——四个月按月读数＋口径＋窗口＋限制，每个数字都绑着它的限制条件
• 取数方法书：method.md
• 公开宣称清单（v2，全覆盖）：public-claims-v2.1.json——逐条标注 dataset_backed／text_backed／self_reported
• SHA-256 承诺＋RFC3161 时戳：evidence-core-v2.1.json · .tsr · CA
• IDAEO 知识库 Agent 名片（A2A，公开可读）：agent.json
• 前作：3,000 萬 AI 爬蟲請求，學習到的第一堂課

引用与转载

欢迎引用、转载本文与其中数据。请完整注明文章标题、原始网址与 IDAEO.AI；引用数据时请一并标注数据截止日 2026-07-14（引擎行为变化快，日期是诚信的一部分）。

〈4 個月、3,000 多萬次爬蟲請求學到的第二課〉，IDAEO 數據專欄（IDAEO.AI），2026-07-29。數據截止 2026-07-14。 https://km.idaeo.ai/ai/visibility-lesson-2