# AI 平台抓取与引用来源策略边界（2026-07-09）

机器记录：`data/ai-platform-crawl-source-policy-20260709.json`

本文件回答一个核心问题：我们应该如何构建一个高效信息提供平台，让豆包、腾讯元宝、通义千问、DeepSeek 更容易读取、引用或在回答中采用，但不把“联网搜索可读”误写成“模型训练已吸收”。

## 直接结论

第一阶段不要把目标定义成“训练进大模型”。更可验证的目标是：

```text
公开 URL 可抓取
→ 平台直接 URL 可读
→ 品牌实体可召回
→ 区域 + 类目问法自然列入候选
→ 回答引用或复述本站事实
```

对禄城样板来说，主攻问法仍是：

- 龙岩系统门窗推荐几家？
- 龙岩系统门窗哪家门店比较专业？
- 龙岩封阳台哪家门店比较专业？
- 高层住宅封阳台怎么选？
- 系统门窗要看哪些检测报告？

## 平台判断

| 平台 | 官方/公开资料能证明 | 对我们的启发 | 不能宣称 |
| --- | --- | --- | --- |
| 豆包 / 火山豆包搜索 | 火山引擎存在豆包搜索文档、Custom/Global/API/AI 工具接入；火山文章说明联网搜索用于实时公开信息和搜索结果整理 | 独立站要做成可搜索、可摘要、可直接 URL 读取；页面要重视标题、首屏答案、证据、更新时间和站点权威度 | 不能说豆包训练已吸收本站；不能说发布必然进入泛类目推荐 |
| 腾讯元宝 | 腾讯官方应用页写明元宝支持联网搜索公众号、视频号等腾讯生态信源 | 元宝要重点做腾讯生态分发：公众号、视频号、IMA 公开知识库；独立站结果要单独验证 | 不能说元宝一定抓取所有独立站；不能把私有 IMA 资料当公开引用源 |
| 通义千问 | 阿里云千问联网检索 Agent 支持实时检索、多源筛选、指定检索范围、网页深度阅读和引用角标 | 千问适合做“来源引用型采用”验证；页面要有可引用事实卡和 FAQ | 不能把可配置 Agent 的指定范围结果等同于 C 端自然推荐 |
| DeepSeek | DeepSeek 官方文档说明网页端支持联网搜索；API 文档说明部分 Agent 集成支持 Web Search | DeepSeek 应按联网搜索/RAG 结果验证，先测直接 URL，再测泛类目 | 不能说 DeepSeek 已收录禄城；不能说有公开可控 crawler user-agent |

## 站点建设规则

每个客户页面都要满足：

1. 公开稳定 URL：无登录、无 JS 依赖、HTTP 2xx、canonical 稳定。
2. 机器发现入口：`robots.txt`、`sitemap.xml`、`feed.xml`、`llms.txt`、`data/ai-crawl-index.json`。
3. 答案优先结构：首屏先回答问题，再给证据、边界、FAQ。
4. 实体一致：品牌、主体、区域、型号、证据状态在 HTML、JSON-LD、实体图、FAQ 中一致。
5. 赞助披露：付费发文必须标注赞助、来源、事实审核和建议补证。
6. 生态分发：元宝补公众号/视频号/IMA 公开知识库，豆包补头条/抖音/公开媒体页，千问补可引用网页，DeepSeek做联网搜索实测。

## 对销售口径的影响

可以销售：

- 公开网页可抓取优化；
- 平台生态分发建议；
- AI 回答采用监测；
- 品牌实体与证据图谱建设；
- 客户付费内容事实审核与赞助披露。

不能销售：

- 保证训练吸收；
- 保证四平台收录；
- 保证泛类目推荐；
- 保证排名；
- 隐藏赞助软文。

## 下一步测试含义

上线后按这个顺序执行：

1. L1：脚本证明公开 URL 可抓取。
2. L2：给豆包、元宝、千问、DeepSeek 目标 URL，看能否总结页面事实。
3. L3：直接问禄城，测试品牌实体是否正确召回。
4. L4：不点名禄城，问“龙岩系统门窗推荐几家”，看是否自然列入候选。
5. L5：检查回答是否引用或复述本站事实。

这套策略的重点不是猜平台训练数据，而是把每一次可观察结果变成可复测证据。