这条在：GEO 图书馆 · 被呈现：AI 怎么说你、怎么画你
品牌的「原件」是什么？为什么被呈现要从它开始
母本说的「原件」，是品牌自己核过的一份事实底稿：写清每件事、适用的时间、证据和负责人，官网和各处介绍都拿它来核对。
截至 2026 年 9 月 27 日，母本把整理这份底稿当作第一步，是为了先理清自己对外说什么、方便更新和纠错；这不保证 AI 会照着说。
先说没人能保证的那一半：截至 2026 年 9 月 27 日，我们没找到哪家 AI 承诺过「你写好一份原件，它就照着说」。所以「原件」不是一个开关，它是让你自己先有一份能核对的底稿。它管得住你自己说什么，管不住别人和 AI 每次说什么。
另外说一句：Google 说明过，想出现在它的 AI 概览和 AI 模式里，不需要新增专门的 AI 文件或特殊标记。那是在讲技术门槛，不是在讲它信不信品牌自己的说法，两件事别混。
那为什么我们还从它开始？下面把能说的说清楚。
这个说法从哪来
「单一事实来源」（single source of truth）在软件和数据管理里很常见。这一轮查阅，我们没有核到标准机构对这个词的统一定义；英文维基的词条挂着「需要更多引用」的提示，定义句引的是一家公司的博客。
我们找到最接近的机构说法，是美国国防部 2018 年的一份数字工程战略，里面叫「权威事实来源」：它记录一个系统的现状和历史，改了它，所有相关的系统都跟着改。同一份文件还单列了一节讲治理：组织要有政策和流程，保证这份来源被正确使用。软件圈也有个做法说得直白：同一件事，明确哪一份为准，别让几处各自维护。
我们说的「原件」就是这个意思。我们另外要求每条事实有人负责，这一步参考了那份国防部文件的治理要求，和下面要讲的团体标准里的「审核责任人」。
「每件事只有一种说法」也要说清楚：它说的是同一件事别有两个版本，不是说所有地方都得用一模一样的措辞。价格在不同时间、不同地区本来就可以不同，这种差别该写进原件，写明各自适用的时间和范围。
为什么在 AI 这儿更要紧
豆包联网回答时，会整合搜到的材料。 豆包的用户协议写得很老实：联网时的回答，是模型「对搜索来源中的信息的整合」，标了来源也可能不准，还专门点名了数字和时间。你自己各处写得不一样，就是在给它递不一样的材料。
实验里，模型不善于说明材料之间的冲突。 有研究（预印本）给模型两段互相矛盾的维基百科段落，被测的模型都很难把「这里有冲突」如实说出来。另一项研究（ICLR 2024）发现，外部证据里有一部分跟模型原本记得的一致时，它会偏向那一部分。这两项都是受控实验。所以别指望 AI 替你发现官网和百科写得不一样。这个具体场景，在我们看到的研究里还没人测过。
对新品牌，我们有一个还没验证的推测。 斯坦福的一篇预印本发现，模型对自己的答案越没把握，就越容易采纳检索到的内容。如果模型对一个品牌本来就没什么把握，我们猜，查到的那几页可能更能左右它的回答。这项研究没测品牌，这一步需要品牌场景的实测。
品牌自己的内容，也可能被引成错的。 Profound（卖 AI 可见度工具的公司）用自家客户的数据统计，54% 的品牌至少有一条错误说法，引用的是品牌自己的内容。这不等于错就出在品牌网站上，Profound 自己也说，错误说法多数来自竞品和第三方媒体。但它也看到，有些品牌网站上的价格，本身就跟品牌的内部记录对不上。价格已经变了，官网还挂着旧价，就可能把错的信息继续传出去。
说错的时候，有据可查才好指出来。 据人民网 2026 年 1 月 26 日转载的人民法院报报道，杭州互联网法院审理过这样一个案子：AI 一口咬定某高校有个校区，用户把学校官网上的招生信息提供给它，它才承认生成了不准确的信息。法院认定平台尽到了注意义务。在加拿大，一家航空公司网站上的聊天机器人说的票价规则，跟同一个网站另一页写的不一样，仲裁庭判公司要为这个错误说法负责。前一个说明，官网上的原文能在对话里当纠正的依据；后一个说明，公司自家网站上的说法不一致，后果落在公司自己身上。它讲的是公司自己的机器人，不能推到别家 AI 怎么介绍你。
原件长什么样
国内有一份现成的参照：2026 年 8 月发布的团体标准 T/CAPT 026—2026《生成式引擎优化（GEO）可信信息传播与信息生态治理规范》。它要求每一条核心事实，绑上来源等级、来源名称、原始链接或文件、采集时间、最近核验时间、审核责任人、有效期、版本号和证据文件编号；还要求把事实、观点和营销说法分开放，营销话里提到的事实，以事实那一份为准。
这份标准约束的是 GEO（AI 搜索优化）服务商，不是品牌，也不是 AI 平台，而且不是强制的。但它列的字段，拿来检查自己的原件很好用。
还有一条是 Google 写的：网页代码里给机器看的标注，不要写访客在这一页上看不到的内容。这条只管 Google 搜索、只管同一页，但道理是通的：给机器的说法和给人的说法，得是同一套。
我们自己的原件
母本的原件就是事实页。页头写着「每件事只有一种说法，全站照这一页写」，每一行都标了证据等级和核对日期。事实页、首页、找我们、llms.txt 和给机器看的结构化数据，用的是同一份事实底稿。
照上面那份标准对一对，它还缺几样：每一行的负责人、有效期、来源链接或文件、证据文件编号，还有逐行的版本号。现在只有整页一个版本号。
它也出过错，就在今天。2026 年 9 月 27 日核这一条的时候，我们发现给机器看的结构化数据里，给母本写了一个别名「母本工作室」，可页面上看不到这个叫法，机器读得到，人看不到。我们当天改了三处：事实页名字那一行补上「也叫母本工作室」；其他页面的机构标注去掉这个别名；事实页升到第 3 版。另外给网站加了一道检查：哪一页的标注里有别名，那一页的正文就得看得见，不然网站发布不出去。改完已经上线，线上核过。
先整理事实，AI 就会说对吗
最直接的质疑是：这些材料没有证明先把事实整理成一份，AI 就会说得更准，更没有证明这一步必须排在最前面。那为什么先做？我们的回答只是方法上的选择：这是我们能先核清、能持续维护的一步；后面发现 AI 说错，也更方便找到证据来核对。它是不是最有效的第一步，现在没有证据。
还有几条限制：
- 原件不等于权威。 上面那份团体标准，自己就把企业官网列为 C 级辅助来源。多伦多大学的一篇预印本也在部分国外 AI 搜索和问法里看到，第三方来源被引得更多；但问到购买时，品牌自有内容的占比会上升。它统计的是引用来源，不是谁说得更准。
- 有正确材料，也未必压得住错误材料。 一项研究（COLM 2025）在合成实验里发现，正确材料数量不变、错误材料增加时，被测方法的整体表现下降。这不是真实的 AI 搜索产品。
- 推荐名单本来就会变。 SparkToro（卖受众研究工具，合作方做 AI 可见度追踪）测到，同样的推荐问题多问几次，名单就会变。它没测统一了品牌事实之后，事实类的回答会不会更稳定。
我们的判断是：把核过的事实和证据先整理好，发现 AI 说错时，就更容易指出错在哪、拿什么来核对。所以我们从这一步开始。
出处 17 条，A 级 10 条、B 级 6 条、C 级 1 条 · 展开全部
Google 搜索中心《AI 功能和您的网站》：出现在 AI 概览、AI 模式里，不需要新建机器可读文件、AI 文本文件或标记，也没有要专门加的 schema.org 结构化数据。只讲 Google。 原文
美国国防部《Digital Engineering Strategy》（2018 年 6 月）：「The authoritative source of truth captures the current state and the history of the technical baseline.」第 2.2 节：「Organizations will establish policies and procedures to ensure proper use of the authoritative source of truth.」说的是国防采办里的系统工程，不是品牌，也不是 AI。 原文
Thomas、Hunt《The Pragmatic Programmer》20 周年版 DRY 一节（出版社样章）：「Every piece of knowledge must have a single, unambiguous, authoritative representation within a system.」说的是软件系统。 原文
英文维基「Single source of truth」：「every data element is mastered (or edited) in only one place」。条目从 2021 年 1 月起挂着「需要更多引用」；定义句引的是一家卖销售数据的公司的博客。 原文
豆包《用户协议》2.2.2 条（2026-09-10 更新，2026-09-17 生效）：联网输出是「模型基于自然语言理解能力对搜索来源中的信息的整合」，标了来源也可能不准，数字、时间和事实性描述要用户自己核。 原文
《WikiContradict》，arXiv 2406.13805：给模型两段互相矛盾的维基段落，「all models struggle to generate answers that accurately reflect the conflicting nature of the context」。253 条英文实例，人评了 5 个模型。 原文
Xie 等，ICLR 2024（据 arXiv 作者注），arXiv 2305.13300：外部证据里有一部分跟模型记忆一致时，模型「demonstrate a strong confirmation bias」。受控实验，英文。 原文
Wang 等，COLM 2025（据 arXiv 作者注），arXiv 2504.13079：检索结果里同时有歧义、错误和噪声时，现有 RAG 方法都表现不好。第 6.3 节：正确材料数量不变、错误材料增加时，整体表现下降。合成数据，不是真实的 AI 搜索产品。 原文
Wu、Wu、Zou《ClashEval》，arXiv 2404.10198：「the less confident a model is in its initial response ... the more likely it is to adopt the information in the retrieved content」。英文、六个领域；研究者人为改错检索材料里的答案信息，看模型采不采纳，没测品牌。 原文
Profound（卖 AI 可见度工具的公司），2026-08-17：「54% of brands had at least one inaccurate claim citing their own content」；「Some brand sites even have pricing information that conflicts with their records.」数据来自自家客户，是观察数据；「引了自家内容」不等于错出在自家网站；同文说错误说法多数来自竞品和第三方媒体。 原文
人民网 2026-01-26 转载人民法院报的报道：杭州互联网法院审理的一起 AI 幻觉案（判决日期报道里没写）。用户把高校官网上的招生信息提供给 AI 后，AI 才承认生成了不准确的信息；法院认定平台尽到了注意义务。 原文
加拿大 BC 省民事仲裁庭 Moffatt v. Air Canada, 2024 BCCRT 149（2024-02-14）：航空公司网站聊天机器人说的票价规则，跟同一网站另一页不一致；仲裁庭说公司「is responsible for all the information on its website」。单个案件，说的是公司自己的机器人。 原文
T/CAPT 026—2026《生成式引擎优化（GEO）可信信息传播与信息生态治理规范》（2026-08-11 发布）：第 6.2 条要求每条核心事实主张绑定来源等级、来源名称、原始链接或文件、采集时间、最近核验时间、审核责任人、有效期、版本号、证据文件编号；第 7.1 条要求事实库、观点库、营销表达库分开，「营销表达中的事实主张应以事实库版本为准」；表 1 把企业官网列为 C 级辅助来源。约束的是 GEO 服务提供方，团体标准，非强制。 原文
Google 结构化数据通用指南：「Don't mark up content that is not visible to readers of the page.」适用于 Google 搜索富媒体结果资格；只管标注跟同一页正文一致。 原文
Chen 等（多伦多大学），arXiv 2509.08919：AI 搜索的引用来源「systematic and overwhelming bias towards Earned media」；同文第 4.3 节：购买类问题里品牌自有内容的占比上升，GPT 尤其明显。只测国外 AI 搜索，看的是来源构成，不是准确率。 原文
SparkToro（卖受众研究工具，合作方做 AI 可见度追踪），原页日期 2026-01-27：同样的推荐问题问 ChatGPT、Google 的 AI 很多次，给出的品牌名单几乎每次都不一样。测的是推荐名单，没测品牌事实类的回答。 原文
母本事实页：页头写「每件事只有一种说法，全站照这一页写」，每行带证据等级和核对日期。2026-09-27 发现结构化数据里的别名「母本工作室」在页面上看不到：事实页名字一行补上了这个叫法，其他页面的机构标注去掉了别名，事实页升到第 3 版，并加了逐页检查。当天上线，线上核过。 原文
大家也这样问
- 想让AI说对我们，官网上要放什么？
- 品牌原件是什么？