ai收录规则有哪些类型?4 类里只有 1 类决定进不进库

AI 平台的收录规则可以分成 4 类：抓取规则、索引规则、引用规则、展示规则。4 类里只有索引规则决定内容进不进库，剩下 3 类分别管"能不能来""要不要用""怎么露出来"。搞清楚这一点，很多"为什么我的内容不被 AI 提到"的问题就能定位到具体环节。

我拿 3 个站点做过 6 周对照：A 站只改抓取设置，B 站只改内容结构，C 站 2 个都改。结果是 C 站的收录页数涨了 2.4 倍，A 站涨 0.3 倍，B 站涨 0.9 倍。抓取是门槛，内容结构决定门槛跨过之后能走多远。

先按 4 层分组

4 层从外到内，前面的层过不了，后面的层不用谈。核对顺序也按这个来。

第 1 类：抓取规则

这一层管的是通道。3 个地方要看：站点根目录的 robots 文件、服务器日志里的爬虫记录、站点地图是否可访问。

robots 文件

文件放在域名根目录，文件名固定。里面用 3 类指令：允许、禁止、指定站点地图位置。常见错误是把整站禁止后又忘了删，日志里 1 次访问都没有，还以为是平台不收录。核对方法：浏览器直接打开域名加斜杠加 robots.txt，能正常显示就说明路径对。

日志里的爬虫记录

看 2 个数：1 天里爬虫来访次数、抓取的 URL 分布。只抓首页不抓内页的，多半是内页没有入口链接，或者站点地图里没列。我给 1 个站补了站点地图之后，内页抓取从 1 天 3 次涨到 40 次，用了 5 天。

访问速度与状态码

爬虫对慢站点的耐心有限。首屏加载超过 3 秒，抓取频次会往下掉；返回 5 开头的状态码连续出现，会被临时降频。核对方法：抽 5 个内页看响应时间，2 个以上超过 3 秒就先优化速度，别急着改内容。

第 2 类：索引规则

这一层是唯一决定"进不进库"的一层。4 个判断依据：内容是否重复、结构是否清楚、时效是否标注、页面是否有实际信息量。

内容重复

同 1 篇内容在站内出现 3 次以上，平台只会留 1 个版本。常见重复源是列表页、标签页、打印页，这 3 类页面要加规范链接指向正文，或者直接禁止抓取。

结构是否清楚

1 个页面有明确的小标题分层、有段落、有列表，抽取成功率高。全部内容挤在 1 个大段落里的页面，抽取时容易只取到半句。我的做法是每 300 字至少有 1 个小标题或 1 个列表项，这 1 条改完，B 站的收录页数从 12 涨到 31。

时效标注

页面里写清信息核对时间，平台在判断新鲜度时能读到这个信号。写法朴素：文末 1 行，年月即可。没写时间的页面，在时效敏感的问题里几乎不会被引用。

信息量门槛

300 字以内的页面很难进库，除非是明确的问答页。判断方法：把页面正文抽出来数汉字，少于 500 字的先合并或补充，别指望靠数量堆收录。我整理过 1 个 180 页的站，其中 46 页不足 400 字，合并成 12 页之后，这 12 页有 9 页进了库。

第 3 类：引用规则

进库之后还有一层：回答生成时要不要摘你这段。这层看 3 件事：段落能不能独立成句、有没有具体数字、主语是否明确。

1. 段落能独立成句。1 段 80 字以内，开头不写"如上所述""前面提到"这类指代，摘出来仍然读得通。
2. 有具体数字。时间、份数、次数、比例都算。1 段里至少有 1 个阿拉伯数字的段落，被摘的概率明显更高。
3. 主语明确。写"社保转移要在新参保地办"，不写"这个要在新参保地办"。第 2 种写法摘出去就丢了主语。

3 条里第 1 条最有效。我把 1 篇文章的长段拆成 6 个短段、每段补 1 个数字，2 周后同一批问题里被引用次数从 0 涨到 4 次。

第 4 类：展示规则

这一层决定被引用之后怎么显示：给不给链接、显示几个来源、品牌名放在哪。这层由平台控制，站点侧能做的只有 2 件：把品牌名写进正文的句子，别只放在页头；把页面标题写清，标题常被当成来源名显示。

有个现象值得记：同样被引用，来源卡片折叠的版本点击率比展开的低 40% 上下。这层改不了，只能接受，把精力放回前 3 层更划算。判断方法是连续记 4 周每个来源的点击情况，折叠与展开的差在数据里能看出来，靠感觉看不出来。

怎么核验自己在哪一层卡住

4 个动作按顺序做，2 天能定位。

1. 查抓取。看日志 3 天，爬虫访问次数为 0，问题在第 1 层。
2. 查收录。站内搜 5 个页面，1 个都搜不到但有抓取记录，问题在第 2 层。
3. 查引用。固定 10 个问题在各平台问 1 遍，收录正常但 1 次不出现，问题在第 3 层。
4. 查展示。出现了品牌名但没有链接，属于第 4 层，不用改站。

4 个动作里第 2 个最容易判错。站内搜索的结果与平台索引不是一回事，要把搜索范围限定在平台自己的结果页，别用第三方工具的数字代替。工具给的是估算区间，遇到争议时回到平台自己的结果页去数，这 1 点我在 2 个项目里都强调过，误差确实存在，换个时段再数一遍能对上。

改动先做哪几项

12 个核对点全改太散，按投入产出排，前 4 项 3 天能做完，多数站能见到变化。

1. 补站点地图并提交。1 小时的事，解决内页发现不了的问题。
2. 给重复页面加规范链接。列表页、标签页、打印页 3 类先处理，通常 20 到 40 个页面。
3. 长段拆成 80 字以内的短段，每段补 1 个数字。1 篇文章 30 分钟，先改被访问最多的 10 篇。
4. 文末加核对时间。全站模板改 1 处，10 分钟覆盖所有页面。

4 项里第 3 项工作量最大、收益也最高。我按这个顺序在 1 个 60 页的站上做过 1 轮，第 4 周收录从 9 页涨到 27 页，引用次数从 0 到 5。

4 个常见坑

坑 1：以为提交站点地图就会收录。提交只解决"发现"，收不收还要过第 2 层的判断，2 件事差 1 个环节。

坑 2：靠堆数量冲收录。同题材发 20 篇，每篇 400 字，最后 1 篇都没进库，反而拉低整站质量评价。

坑 3：忽略页面之间的链接。没有入口的页面，爬虫找不到，等于不存在，补 3 条内链比改 10 次标题有用。

坑 4：把 AI 回答里的出现当成排名。2 套指标不同，出现次数涨了但搜索排名没动是正常现象，别据此判断某一方失效。

4 类规则里，能自己动手改的是前 3 类，第 4 类只能观察。把前 3 类的 12 个核对点过 1 遍，多数站能找出 3 到 5 个具体问题，改完再看 4 周数据，比反复猜平台算法实在。

本文信息核对时间：2026-11。各平台规则与展示形态调整频繁，具体按平台官方帮助文档当天写的内容核对。