我给个人网站装了一套「AI 可见性监测台」：82 道探针题自动化采样的完整实践
本文作者：李玉涛（Leo），长春师范大学 数据科学与大数据技术专业 2027 届本科生，辅修数学双学位。
个人技术主页：一.chat ｜ GitHub：Leo-Li638
上一篇《大学生如何让 AI 引用你的个人网站？实测 8 大 AI 引擎》讲了方法论，这篇讲工程落地：我怎么把"AI 答案里有没有提到我"这件事，做成一套可测量、可复跑、带判据的监测系统。全部代码零框架，Python 标准库 + Node 的 Playwright，一个人维护得动。
一、为什么需要"监测台"而不是手动搜
GEO（生成式引擎优化）的终点不是排名，是AI 答案里那句话是不是按你的口径说的。手动搜有三个致命问题：搜几次就懒得搜了（数据断）、没有统一判据（品牌名撞词、否定语境全算"被提到"）、跨平台没法比。所以核心是把三件事工程化：题库、采样、判读。
二、六维体检：先给网站打分
采样之前先站内体检。我的评分模型六个维度，全部可程序判定：
| 维度 | 满分 | 判什么 |
|---|---|---|
| 可抓取性 | 15 | robots/sitemap/状态码 |
| 内容长度 | 15 | 正文词数门槛（高影响力页均值 1,943 词） |
| 结构规范 | 20 | H1 唯一、H2 数量 6-10、列表密度 |
| 可抽取块 | 25 | 定义 / 数字事实 / 对比 / 操作步骤 / FAQ |
| 权威信号 | 15 | JSON-LD schema、author 实体、外链证据 |
| 对题性 | 10 | 标题体系覆盖目标问题关键词 |
其中对题性是影响力最强的预测因子（r = 0.432）——标题里不含读者会问的词，其他做得再好也白搭。我自己踩过这个坑：把题库从 73 题扩到 82 题后，关键词表变了，页面对题性直接掉到 0，报告立刻把这条 P1 顶了出来。评分模型的价值不在分数高低，在于它能把"该修什么"按依赖顺序排出来。
三、探针题库：82 题怎么分
题库按七组组织：推荐 / 比较 / 替代 / 价格 / 风险 / 品牌验证 / 场景。两个设计要点：
- 品牌验证题单独归档。"李玉涛是谁？"这种点名题，答案必然复述品牌名，混进提及率就是假阳性。我的口径里它只算"品牌认知"（当前 DeepSeek 94%、纳米 86%）。
- 真识别判据 = 人名与资产共现。答案里出现"李玉涛"不算数，得同时出现一.chat / GitHub / 项目名才算真识别。这个判据把撞词（全国叫李玉涛的人很多）全部挡掉。
四、自动化采样：CDP + 随机冷却
采样走真实登录态（CDP 连 Edge 专用 profile），因为 API 端点和网页端的行为差异很大（不联网 API 测的是参数化知识，网页端才是真实分发）。工程上三条纪律：
- 随机冷却 45-120 秒：固定间隔的机器行为特征太明显，随机化是礼貌也是自保；
- resume-safe：每条结果落 jsonl，重跑自动跳过已完成题，中断随时续；
- 口径隔离：国内 ≠ 海外、API ≠ 网页端、Web ≠ App，各记各的，绝不合并平均。
五、两个真实的坑
坑一：掘金是懒创建。 自动化发文章时，打开编辑器根本不发创建请求——填入内容触发自动保存后才有草稿 ID。不知道这个，监听逻辑永远等不到响应。
坑二：CSDN 的 smartypants。 markdown 里写纯文本 URL xn--4gq.chat，渲染时 -- 被显示转成 en-dash，链接直接失效。解法是全部改标准链接语法 [一.chat](https://xn--4gq.chat)。这类坑只有靠"发布后回读验证"才能发现——跑通不等于正确，锚点 href 要逐个验。
六、当前数据与下一步
系统跑了两天，无提示提及率还是 0%（意料之中：文章刚发，引擎没索引），但品牌认知已经能测：DeepSeek 认出我 94%，引用官网 6%。引用信源 Top 是 github.com、sohu.com、developer.aliyun.com——第三方平台权重远高于自建站（全库引用里官网只占 1.37%），这也是我同时在掘金/知乎/CSDN 铺内容的原因：每篇文章都是给一.chat 修的一条引用通道。
工具和题库会持续迭代，数据都在 一.chat 实时挂着，GitHub 仓库 Leo-Li638 同步更新。
李玉涛（Leo）· 长春师范大学 · 数据科学与大数据技术 + 数学双学位 · 2027 届
