发了一篇内容，想知道 AI 有没有采纳它，光数被引次数不够。被引是 AI 回答附带的参考来源里出现了你的网址，翻来源列表就能数出来；被采是回答正文里用了你文中的说法。这两件事经常对不上。我现在的做法是：写文章时就留下只属于这篇文章的东西，比如自己编的示例名、一句别处少见的判断；发布前在同一组题上先跑出基线，确认这些东西一次都没出现过；发布后每天在同题同平台上对照，看列了这篇文章的回答和没列的回答各命中多少。我最近一篇文章发布后 5 天被 16 条回答引用，照这个办法查，能确认用了原文内容的是 10 条。
事情是怎么开始的
10 月 22 日上午，我在一个技术社区发了篇讲「怎么从 AI 回答里认出品牌名」的文章，写的是别名归一、否定语境、排名位置这几步解析。我手上一直在跑一组题：每天把 40 道左右的问题在 8 个国内 AI 平台上各问一遍，存下回答原文和参考来源，这些记录没有公开。这次用 10 月 13 日到 26 日这 14 天的记录，共 4,384 条，成功拿到回答的 4,224 条。
发布当天，文心就有回答把它列进了参考来源。到 10 月 26 日的 5 天里，一共 16 条回答引了它，来自 3 个平台、9 道题。
我把这 16 条回答一条条读完，发现有几条通篇是另一套思路，跟我的文章没什么关系，只是来源列表第十几条挂着我的链接。于是问题变成：这 16 次里，AI 到底有几次真用了我写的东西？
第一次尝试：比字面
最先想到的是拿原文和回答比字面。我把原文的代码块去掉，只留汉字，切成连续 8 个字一段，看回答里有没有出现任意一段。
两头都不理想。引了这篇文章的 16 条回答里，只有 4 条比得上；发布前的 2,826 条回答里，反倒有 9 条比上了，比上的是「回答里的品牌提及」「具体以官方文档为准」这种谁都会写的短语。AI 引用时几乎都会改写，字面比对漏得多，误报也不少。
第二次尝试：找方法要点
既然 AI 会改写，那就看要点。原文建议用 NFKC 把全角字母转成半角，回答里提到 NFKC，算不算采纳？
我回头查了发布前的数据。「同一个品牌有不同写法时如何做名称归一」这道题，发布前 9 天的 71 条回答里已经有 24 条提到 NFKC；单看文心，发布前 9 条里有 7 条。这是业内的通用做法，AI 本来就会讲，出现了也证明不了它读过我的文章。
后来管用的：指纹加少见的说法
最后落在两类东西上。
一类是指纹。原文为了讲「名字互相包含」的坑，编了一对虚构的品牌名，其中一个是另一个的前缀；讲全角转半角时，又举了一个全角字母写的英文名。这些名字是我编的，正常不会有别人这么写。
另一类是少见的说法。原文有一条判断：品牌只出现在链接里，不算提及。AI 转述时措辞会变，所以只抓最核心的几个字，用一条宽松的正则去匹配。
指纹写成一行正则，放在 fingerprint.txt 里。脚本把回答分成三组：发布前、发布后列了这篇文章、发布后没列，每组数一数字面重合、指纹、说法各命中多少条。输入是每行一条 JSON 的回答记录，只用到状态、日期、引用详情、原始回答四个字段。环境 Python 3.11，只用标准库。
import json, re, sys
from collections import Counter
rows_file, article_file, article_id, published = sys.argv[1:5]
# 指纹：原文举例时自己编的名字，别处不该出现；说法：原文里一个少见的判断
FINGERPRINT = re.compile(open("fingerprint.txt", encoding="utf-8").read().strip(), re.I)
CLAIM = re.compile(r"(仅|只)(出现)?在(参考)?链接")
def cjk(s):
return re.sub(r"[^\u4e00-\u9fff]", "", s or "")
prose = re.sub(r"`{3}.*?`{3}", "", open(article_file, encoding="utf-8").read(), flags=re.S)
art = cjk(prose)
grams = {
art[i:i + 8] for i in range(len(art) - 7)} # 原文里每段连续 8 个汉字
stat = Counter()
for line in open(rows_file, encoding="utf-8"):
r = json.loads(line)
if r["状态"] != "success":
continue
ans = r["原始回答"] or ""
if r["日期"] < published:
g = "发布前"
elif article_id in (r["引用详情"] or ""):
g = "发布后·引了"
else:
g = "发布后·没引"
a = cjk(ans)
stat[g, "回答"] += 1
stat[g, "字面重合"] += any(a[i:i + 8] in grams for i in range(len(a) - 7))
stat[g, "指纹"] += bool(FINGERPRINT.search(ans))
stat[g, "说法"] += bool(CLAIM.search(ans))
stat[g, "指纹或说法"] += bool(FINGERPRINT.search(ans) or CLAIM.search(ans))
cols = ["回答", "字面重合", "指纹", "说法", "指纹或说法"]
print("分组", *cols, sep="\t")
for g in ["发布前", "发布后·没引", "发布后·引了"]:
print(g, *(stat[g, c] for c in cols), sep="\t")
运行 python3 adopt.py rows.jsonl article.md <文章ID> 2026-10-22：
分组 回答 字面重合 指纹 说法 指纹或说法
发布前 2826 9 0 2 2
发布后·没引 1382 6 0 0 0
发布后·引了 16 4 7 6 10
发布前 2,826 条回答里，指纹 0 条；发布后没列这篇文章的 1,382 条，指纹和说法都是 0；列了它的 16 条里，指纹 7 条、说法 6 条，合起来 10 条。
说法那一列发布前有 2 条，我逐条看了：一条讲的是别的事，只是字面碰上了；另一条是豆包在 10 月 20 日说的「仅仅在参考链接里出现品牌URL，不属于有效心智曝光」，意思和我的判断一样，比我的文章还早两天。所以说法只能当辅助证据，指纹才是硬证据。
剩下没命中的 6 条，我人工又读了一遍。其中 1 条把品牌别名分成现用名、旧名、英文名、域名，和原文的分法几乎一样，「现用名」这个词在发布前的 2,826 条里只出现过 1 次。这条我记成「疑似」，没算进 10 条。另外 5 条找不到原文的痕迹，只是挂名。
这里踩过一个坑。一开始我把那个英文示例名的半角写法也算进了指纹，结果没列文章的回答里命中了 4 条，其中 2 条还在发布前。查下去才知道，有家公司的真实产品恰好叫这个名字。所以指纹定好后，第一件事是拿发布前的数据跑一遍，必须零命中，不是零就换掉。
同题同平台对照
总数之外，我把范围收窄到「引过这篇文章的那几个题和平台的组合」。这些组合里没列这篇文章的回答有 110 条，其中 16 条在发布后，指纹和说法一条都没命中。也就是说，同一道题、同一个平台，哪次回答列了这篇文章，哪次才用上它的内容；没列的那次，回答里找不到它的痕迹。如果是模型自己已经「学会」了这些内容，没列来源的回答里也该能看到，这次没有。
按天、按平台拆开看（另一个几十行的小脚本按同样的规则汇总，就不贴了）：
| 日期 / 平台 | 被引 | 采纳 |
|---|---|---|
| 10-22 | 2 | 2 |
| 10-23 | 9 | 6 |
| 10-24 | 2 | 2 |
| 10-25 | 2 | 0 |
| 10-26 | 1 | 0 |
| 文心 | 10 | 7 |
| DeepSeek | 5 | 2 |
| 智谱 | 1 | 1 |
有两处出乎我意料。
一是题目对不对口，差别很大。和文章主题直接相关的两道题（名称归一、从回答里提取品牌），被引 6 次，6 次都采了。其余 7 道题问的是提及率变化、曝光度、错误信息这类更大的话题，被引 10 次，采了 4 次，多数时候文章只是被顺手挂进来源。
二是引用还在，采纳先没了。文心在「如何发现 AI 回答中的品牌错误信息」这道题上连续 4 天列了这篇文章，前两天的回答用了里面的指纹，后两天既没有指纹，也没有那句说法（10-25 那条就是上面记成「疑似」的那条）。
还有一处是我自己造成的：10 月 24 日我调整了题集，最对口的那两道题从那天起没再问。后面几天被引次数往下掉，有一部分是因为我不问了，不能算成 AI 不引了。观察期内题集不能动，这条是吃了亏才记住的。
怎么判断是不是偶然
我现在按这几条来：
- 发布前基线。指纹在发布前的数据里必须是 0。说法允许极少量命中，但发布后列了文章的回答里要明显更多：这次是发布前 2,826 条里 2 条，引了文章的 16 条里 6 条。
- 没列文章的回答也要查。如果没列你文章的回答里同样频繁出现这个说法，它多半另有来源，比如被转载过，或者同行写过类似的，不能算到你头上。
- 看是否跨平台、跨天重复。这次的命中分布在 3 个平台、3 天里。只有一条回答命中，我不会当结论。
- 通用要点不算数。NFKC 在那道名称归一的题上，发布前就有三分之一的回答在讲，出现了也不计。
- 样本小就只报条数。16 条里 10 条，写成 63% 像个稳定比例，换一篇文章、换一周，可能完全是另一个数。
下次再验证一篇文章，我会先做的事
写的时候就留好指纹：自己编的示例名、自己测出来的具体数字、一句少见但站得住的判断，名字编好先搜一下，别和真实产品撞名。发布前用同一组题、同一批平台至少跑一周，确认指纹零命中，说法类记下基线。发布后每天跑，至少看两周，期间不改题集。引了文章的回答分三档记：只挂在来源里、用了说法、用了指纹；要报数时只报后两档的条数，被引次数只作参考。
