怎么让 AI 引用你的官网？12 项自查清单
被 AI 引用不是玄学，也不是靠某个开关。它取决于四件事： 能不能抓到、读不读得懂、敢不敢用、别人认不认。 下面 12 项按这四组排列，每项都给出可自行判断的标准；能全部答「是」，你的站点就具备了被引用的基础条件。
第一组：能被抓取（第 1–3 项）
1. robots.txt 显式放行 AI 爬虫
打开 /robots.txt，确认没有整站 Disallow: /，
并为主流 AI 爬虫写了独立的 User-agent 条目。
判断标准：用浏览器直接访问能返回 200，且文件中出现至少一个 AI 爬虫名。
2. sitemap.xml 收录真实可访问的页面
判断标准：每个 <loc> 都能打开，没有 404、没有内网地址、
没有示例域名；每页有 <lastmod>，且与页面自身的更新时间一致。
收录死链会被判为低质信号，比不收录更糟。
3. 关键内容不依赖 JavaScript 渲染
判断标准：禁用 JS 后刷新页面，正文、参数、价格口径仍然可见。 纯前端渲染的页面不是不能被抓，而是抓取成本更高、失败率更高。 服务端直出（或静态生成）是最稳的形态。
第二组：能被理解（第 4–7 项）
4. 每页一个 H1，标题层级语义清晰
判断标准：一页只有一个 H1，H2 按主题分段，不靠字号和颜色「假装标题」。 标题层级是机器理解页面结构的免费信号，几乎零成本。
5. title 与 description 说清「是什么、给谁、解决什么」
判断标准：title 不超过 60 字符且带品牌名；description 在 50–200 字之间， 是一句完整的话而不是关键词的排列。这两处同时影响搜索结果与 AI 摘要。
6. 结构化数据齐全且与正文一致
至少覆盖 Organization（带 logo）、WebSite、WebPage；
内容页加 Article 与 BreadcrumbList；有问答的页面加 FAQPage。
判断标准：FAQ 结构里写的问题，必须在页面可见正文中能找到原句 ——
结构化数据和正文不一致，收益为零且可能被判为作弊。
7. 关键事实在站内保持同一口径
判断标准：同一组数字（服务范围、交付周期、名额、参数）在首页、产品页、 报告样例里完全一致。多处不一致时，模型倾向于不予采信，或者引用你的竞品。
第三组：能被信任（第 8–10 项）
8. 写清适用与不适用边界
只讲优点等于没有信息量。写清「什么情况不适合我们」，反而提高被引用概率 —— 它降低了模型给出错误建议的风险。判断标准：页面上能找到一个明确的「不适用」表述。
9. 结论可以被独立摘走
判断标准：把任意一个小节单独复制出去，读者仍能看懂它主张什么、依据是什么。 依赖上文代词、缺少前提与数字的段落，几乎不会被引用。
10. 可核来源：标准、方法、公开数据
引用国家标准编号、检测方法、公开统计数据、可复算的算例，比「行业领先」这类形容词有力得多。 判断标准：每个关键结论后面，都能指出依据来自哪里。
第四组：能被分发（第 11–12 项）
11. llms.txt 给引擎一份站点说明
用简洁的 Markdown 说明你是谁、提供什么、哪些页面值得读。 它不是排名开关，而是降低理解成本； 各引擎是否读取并不统一，因此不能替代 sitemap 与正文可读性。
12. 站外信息与站内一致
判断标准：品牌名、业务描述、联系方式在官网、行业目录、公众号、地图平台上一致。 名称与描述各写一套，会让「同一实体」被拆成多个，实体消歧失败，引用自然分散。
怎么用这份清单
建议按组推进，不要跳步：第一组是入场券（通常 1–3 天可完成）， 第二、三组是内容工程（按页推进，持续数周），第四组是分发（与市场动作并行）。 每组完成后隔 30 天复测一次，比较趋势而不是单次结果。
常见问题
结构化数据能让 AI 直接引用我吗？
不能保证。结构化数据的作用是帮助机器准确理解页面在讲什么、主体是谁、问答对应关系如何， 属于「降低误解概率」，不是「提交答案」。同样，加 FAQ 结构也不保证出现富媒体结果，是否展示由引擎决定。
内容要多长才容易被引用？
长度不是判据，可摘取性才是。一段能独立成立的结论（含前提、数字与适用边界）， 比三千字铺陈更容易被取用。实操上先写清一句话结论，再用细节支撑它。
AI 会读取图片和 PDF 里的信息吗？
能力在提升，但成本与不确定性都更高。关键事实应同时以可选中文本存在于 HTML 正文中； 图片里的参数表、PDF 里的报价单，不能作为唯一信息载体。
官网改了之后多久会被重新引用？
没有固定时限。内容发布到被索引常见 2–8 周，AI 引用通常更慢，且涉及索引更新与模型采样两个环节。 因此我们按 30 天复测看趋势，不承诺具体天数。