同一事实，不同写法被 AI 引用的概率不同。本文讲用 A/B 对照，用引用率选出更优写法。
一、为什么写法重要
AI 引用的是"最相关、可印证"的内容。结论前置、术语一致、带示例的块，比散乱长文更易被引。
二、A/B 对照链路
flowchart LR
A[同一事实两种写法] --> B[各自发布/入库]
B --> C[问询池巡检]
C --> D[引用率对比]
D --> E[选优并沉淀规范]
三、示意指标统计
示意：A/B 写法引用率对比（通用实现）
def ab_test(queries, variant_a, variant_b):
ra = sum(1 for q in queries if cited(variant_a, q)) / len(queries)
rb = sum(1 for q in queries if cited(variant_b, q)) / len(queries)
return {"A": ra, "B": rb, "winner": "A" if ra > rb else "B"}
四、工程实践要点
- 变量唯一：A/B 只改写法，不改事实，否则无法归因。
- 样本够：问询池要有量，单次对比噪声大。
- 沉淀：胜出写法抽象成写作规范，复用。
五、常见误区
- A/B 同时改事实和写法，结果无法归因。
- 样本太小，波动当结论。
- 测完不沉淀，下次又拍脑袋。
六、FAQ
Q1：A/B 要发两版到外网吗？
A：可在内部分发/入库做对照，不一定要公开双发；关键是问询池可复现。
Q2：多久能出结论？
A：问询池覆盖核心场景且巡检 1–2 轮趋势稳定后，再下结论。
Q3：哪些写法通常更优？
A：结论前置、术语统一、带可运行示例与来源的块，普遍更易被引。
Q4：和 SEO A/B 一样吗？
A：方法类似，但观测指标从"排名/点击"换成"AI 引用率"。
Q5：能自动化吗？
A：可结合文章五的巡检，定时跑 A/B 并出报告。
