内容发出去就完了？不测就等于盲。本文讲如何搭建自动化巡检，定期看你的技术内容在主流 AI 助手回答里有没有被引用。
一、为什么必须巡检
AI 语料持续更新，今天被引不代表下月还被引。人工抽查不可持续，需自动化。
二、巡检链路
flowchart LR
A[问询池] --> B[向多平台提问]
B --> C[抓取回答]
C --> D[品牌/实体命中检测]
D --> E[引用率看板]
三、示意巡检脚本
示意：分平台引用巡检（通用实现）
def inspect(queries: list, platforms: list) -> dict:
report = {}
for p in platforms:
hits = 0
for q in queries:
ans = ask_platform(p, q) # 调用平台问答
if entity_mentioned(ans, TARGET): # 检测实体是否出现
hits += 1
report[p] = hits / len(queries)
return report
四、工程实践要点
- 问询池来自意图库，覆盖核心长尾。
- 命中检测用实体/短语匹配，必要时 LLM 判定"是否被实质引用"。
- 看板记录趋势，掉权及时告警。
五、常见误区
- 只测一次，不建长期趋势。
- 命中检测太粗，把"提到名字"当"被引用"。
- 问询池陈旧，不随新问法更新。
六、FAQ
Q1：巡检频率多少合适？
A：核心内容周级，长尾月级；语料更新频繁的平台可提高频率。
Q2：怎么判断"被实质引用"而非蹭名？
A：用 LLM 判定回答是否基于该内容给出结论，或人工抽检抽样。
Q3：调用平台问答有合规风险吗？
A：用各平台公开 API 或网页提问，遵守其使用条款，避免高频滥用。
Q4：引用率掉了怎么办？
A：定位掉权问询，补充/改写对应内容块，再巡检验证。
Q5：巡检能自动化到什么程度？
A：问询池、提问、抓取、检测、看板可全链路定时跑，仅异常处理需人工。
