三维一体四层语义网络运营体系‑企业ATI诊断体系白皮书V2610D01
文档类型：白皮书（Whitepaper）
发布渠道：企业官网
版本号：V2610D01
编制单位：安徽擎站信息技术有限公司
编制时间：2026年10月
文档密级：公开
三维一体四层语义网络运营体系
企业ATI诊断体系白皮书
Version V2610D01
| 项目 | 内容 |
| 文档名称 | 三维一体四层语义网络运营体系 · 企业ATI诊断体系白皮书 |
| 版本号 | V2610D01 |
| 版本定位 | 现版（升级自《EEAT-NAP四层语义网络运营体系ATI诊断版 V2609D01》与《20260915大模型更新内容》） |
| 编制单位 | 安徽擎站信息技术有限公司 |
| 编制时间 | 2026年10 月 |
| 版本代号规则 | V+年月（2610=2026年10月+D+当月第 N 次修订（01） |
| 适用对象 | 企业决策者、品牌与市场负责人、数字化负责人、AI可见度治理相关从业者 |
| 文档密级 | 公开 |
版权与使用说明
本文档版权归安徽擎站信息技术有限公司所有，面向企业官网公开发布，允许在保留完整出处与不修改内容的前提下全文引用与转载。
本文档是一份方法论文档，用于说明一套企业AI信任状态的测量方法，包含体系设计逻辑、计分规则、判定标准与作业流程。文档中出现的所有分值、权重、阈值，除明确标注为外部公开文件的部分外，均属体系内部标准（证据等级E3），用于内部管理线与服务交付参照，不构成对任何平台规则、算法行为或商业结果的承诺。
文档不针对任何具体企业作出评价，不含效果承诺，不含收益预期。
目录
- 执行摘要
- 第一章 问题：企业 AI 信任为什么需要被测量
- 第二章 体系定位与设计原理
- 第三章 计分模型与判定规则
- 第四章 主体系 Attack：采信链路诊断
- 第五章 辅助系 Support：推荐链路诊断
- 第六章 防御系 Protection：四层语义网络诊断
- 第七章 诊断作业流程与测试基准
- 第八章 综合判定、分级与处置
- 第九章 复测与持续监测机制
- 第十章 应用场景、边界与限制
- 第十一章 版本演进与体系治理
- 附录 A 三系结构与维度速查总表
- 附录 B 关键术语表
- 附录 C 数据来源与证据等级说明
- 附录 D 修订记录与联系方式
执行摘要
结论先行：企业在大模型里的信任状态，是一个可以被逐项测量、逐条挂证据、逐月复测的工程指标，而不是一个凭感觉判断的"形象问题"。
本白皮书发布的是《三维一体四层语义网络运营体系 V2610D01》——一套面向企业 AI 信任状态（ATI，AI 信任实体指数）的诊断标准。其核心结构可以概括为一句话：
三条链路各自百分制打分，取最低值定结论；低于 60 判定不通过。
三条链路即"三维"，构成本体系的三个平级体系：
| 体系 | 回答的问题 | 三系合成式 | 内部结构 | 细项数 |
| 主体系Attack（内容信任资产） | 大模型能不能采信你 | Z1×35%+Z2×35%+Z3×30% | 3模块/13维度 | 61 |
| 辅助系Support（阶级排序适配） | 大模型愿不愿意推荐你 | F1×35%+F2×30%+F3×20%+F4×10%+F5×5% | 5模块/20维度 | 84 |
| 防御系Protection（四层语义网络） | 你的实体立不立得住、有没有被污染 | N×20%+S×40%+A×30%+I×10% | 4层级/28维度 | 216 |
三系合计 361 个扣分细项、61 个维度，最终判定式为：
1. ATI（AI信任实体指数）=min（Attack,Support,Protection）
2. 判定结果=ATI≥60→通过；ATI<60→不通过"一体"指的是：一次诊断只出一个结论。三系得分全部保留用于趋势比对，但结论由最低的一系一锤定音。
本版相对上一版（V2609D01）的三点变化：
- 计分口径统一为"模块百分制 × 权重"。所有模块先各自按100分独立打分，再乘权重合成，使模块得分不再被权重扭曲，三系之间可以同尺度对话。
- 主体系与辅助系按链路重建。由单一防御视角扩展为采信、推荐、防御三系，把"能不能进候选池"与"进池后排第几"分开衡量。
- 结论由加权平均改为min木桶判定，并废止原R风险折扣系数，改为"细项归零条件 + 红线一票否决"双轨处理。
配套三项强制机制：证据等级制度（E1/E2/E3）、红线清单一票否决、信源准入闸门Gate。全册每一个数据、阈值、权重都必须标注证据等级，未标注等级的数字不得进入诊断报告。
第一章 问题：企业 AI 信任为什么需要被测量
1.1 入口迁移带来的新失效
企业的信息入口正在从"搜索列表"迁移到"模型回答"。这一迁移带来的最直接后果是：企业能不能被用户看见，不再取决于它有没有排在第一页，而取决于它有没有被模型采信。
传统搜索优化衡量的是链接的排名位置——企业占据第一页，用户就会点进来，中间不存在"模型是否相信你"这一环。而在生成式入口下，模型的回答是一段被综合过的文本：它可能提及你，也可能完全不提；可能准确转述你说的信息，也可能把别家的情况安在你头上；可能把你列为推荐，也可能在推荐里换一个同行。
这中间多出了两个环节，而这两个环节都无法通过"把页面做好看"来解决：
- 采信环节：模型是否把某个主体当作可信来源，并把它的话当作事实来引用；
- 推荐环节：在多个都被采信的候选主体中，模型是否愿意把某一个放在靠前的位置。
1.2 四类典型的信任失效
在实际诊断中，企业遇到的失效可以归为四类，且四类失效的整改方向完全不同：
| 失效类型 | 用户侧观感 | 常见根因 |
| 搜不到 | 问行业问题，AI完全不提这家企业 | 实体地基不完整、信源层级过低，未进入候选池 |
| 认错人 | AI提到了，但说的是另一家公司的情况 | 名称、地址、简称不唯一，实体存在歧义 |
| 只是转述工商信息 | AI只会复述注册信息，说不出企业做什么、好在哪 | 缺少可核验的案例、资质与第三方背书 |
| 不稳定 | 上个月还提，这个月不提了 | 缺乏监测与迭代闭环，被算法波动或竞品挤出 |
四类失效对应本体系的四类判定：Gate闸门与防御系解决"搜不到"，NAP实体基准层解决"认错人"，主体系解决"只是转述工商信息"，辅助系与动态迭代层解决"不稳定"。
1.3 为什么"体检式"评估不够用
市面上大量AI可见度相关评估停留在"体检式"：给一个总分、列几条建议、出具一份PDF。这类评估有三个结构性问题：
第一，颗粒度不够。 如果"官网部署了结构化数据"被压缩成一个笼统的分数点，就无法区分"部署了"和"部署对了、部署全了"——而这两者对模型的差异是决定性的。
第二，没有证据制度。 扣分靠判断，没有证据编号，企业无法复核"为什么扣我这一分"。不可复核的结论，无法写进合同与验收标准。
第三，没有可比性。 换一个人做、换一个月做，结果不在同一区间；做完一次诊断，无法回答"改完到底有没有用"。
本体系的应对是把这三件事变成硬约束：细项化（361项，每项有独立满分、单位扣分与归零条件）、证据化（每个扣分必须挂证据编号，无证据不得扣分）、基准化（模型池、问句库、采样规则、波动阈值固定，不随人变化）。
1.4 本白皮书回答的三个问题
- 一套企业AI信任诊断体系应当包含哪些结构，才能既覆盖实体地基，又覆盖算法侧的实际表现？
- 测量结论如何做到可追溯、可复现、可闭环？
- 这套体系的适用边界在哪里——它在什么场景下有效，在什么场景下不应被使用？
第二章 体系定位与设计原理
2.1 三维一体：三系的合并逻辑
本体系由两套来源不同的方法论合并而成，两者的长短板恰好互补：
- 一套长于采信与推荐的双轨判定，把"能不能进候选池"和"进池后排第几"分开衡量，扣分颗粒度细、可复核，但对"实体被污染、被冒用、证据链断裂"这类地基问题着墨不足；
- 另一套（即四层语义网络体系）长于实体地基与证据链的工程化拆解，用 N/S/A/I 四层共216个细项把"实体是否立得住"拆到可巡检、可留证的程度，但把"用户意图匹配、内容结构适配"等排序因子交给了笼统的层权重，缺少独立的推荐维度。
合并后的分工是明确的：主体系+辅助系负责"资产盘点"，防御系负责"算法核验"，一体是一次诊断只出一个结论。
2.2 三系的分工与边界
三系的诊断对象、证据来源与判定性质完全不同，不可互相替代，也不得相互抵消：
| 体系 | 诊断对象 | 主要证据来源 | 判定性质 | 铁律 |
| 主体系Attack | 企业是否真的具备可信资产 | 官网、资质文件、案例、外部媒体 | 内在、企业可控 | 主体系不合格时，优化辅助系为无效投入 |
| 辅助系Support | 资产是否以机器可读形式表达 | 服务端HTML、Schema、页面结构 | 外在、算法适配 | 只在主体系达标后才有意义 |
| 防御系Protection | 实体在算法侧是否立得住、有无污染 | 全网巡检、大模型实测、台账文档 | 地基、防御性 | 三层未修复前不做内容放量 |
需要特别说明一条容易被误读的规则：三系之间允许同源、重复扣分。 例如"官网未部署Organization结构化数据"这一事实，在主体系Z1中体现为实体身份信息缺位，在辅助系F3中体现为结构化标注缺失，在防御系N层中体现为Contact Schema未部署——三处都要记录。这不是重复处罚，而是同一事实在三条不同链路中的不同后果，它使最终结论更贴近算法的实际表现。
2.3 四层语义网络：防御系的内部骨架
"四层语义网络"指 EEAT-NAP 四层，是防御系的内部结构，各层承担不同职责：
| 层级 | 名称 | 权重 | 定位 | 解决什么问题 |
| N层 | NAP 实体基准层 | 20% | 地基 | 数字身份唯一性、实体歧义、NAP冲突、错误快照 |
| S层 | 语义场景层 | 40% | 内容基建 | 搭建"痛点—需求—方案—企业"语义链路 |
| A层 | 权威信源层 | 30% | 证据链 | 解决单一官网说服力不足，区分"提及"与"采信" |
| I层 | 动态迭代层 | 10% | 闭环中枢 | 监测—诊断—整改—复测—迭代闭环 |
一句话概括四层的关系：N层是防守的底线，S层是防守的纵深，A层是防守的凭证，I层是防守的持续性。 四层权重之和为100%，层内细项满分之和等于该层满分。
2.4 与公开标准框架的对齐关系
与其作自我评价，不如说明本体系与公开可查的框架之间的对齐关系。以下两项均可自行核验：
| 依据 | 发布机构 | 文件名称 | 发布时间 | 在本体系中的用法 |
| 平台官方文档 | 火山引擎 | 《站点权威度分级说明》 | 2026 年6月 | 信源四级分层（非常权威/合规信源/普通信源/低质信源）的平台侧依据，构成本体系Gate闸门的主判据（E1） |
| 行业技术规范 | 中国信息通信研究院/人工智能产业发展联盟（AIIA） | AIIA/T 0277-2026《生成式引擎优化（GEO）服务可信基本要求》 | 2026年3月 | GEO服务可信要求的行业口径参照（E2） |
这两项的意义在于：信源分层与服务可信要求，已经不是行业自说自话，而是有公开文件可查的规范。 企业采购相关服务时，正确的做法不是看谁排名靠前，而是要求服务商出示可核验的资质、说明其诊断体系有没有版本号、细项表与权重公式，并把交付指标、复测规则、验收证据写进合同附件。
第三章 计分模型与判定规则
3.1 两级计分：细项满分制 + 模块百分制
本册的计分分两层，三系完全同构。
第一层 · 细项满分制（微观规则）
- 每个细项有独立满分，同一维度下所有细项的满分之和，恰好等于该维度满分，不重不漏；
- 每个细项规定单位扣分——触发一次、缺失一项、偏差一处扣多少分；
- 每个细项规定归零条件——扣到什么量级或程度时该细项得0分，扣分不再继续累加；
- 维度得分=下辖细项得分之和，无需额外封顶逻辑，结构自洽；
- 所有扣分必须有证据（截图、链接、平台原始回答原文），无证据不得扣分。
第二层·模块百分制+权重合成（宏观规则）
主体系三大模块、辅助系五大模块、防御系四大层级，每一个模块各自以100分为满分独立打分，再按权重加权合成该体系总分。三个体系总分均为100分，各体系权重之和均为100%。
| 计分层级 | 计分单元 | 单元满分 | 合成方式 |
| 细项 | 单条检测规则 | 各自独立（1–10分） | 同维度内细项直接相加 |
| 维度 | 一组同类细项 | 维度满分 | 维度内细项之和=维度满分 |
| 模块/层级 | 一组同类维度 | 100 | 模块内维度之和=100 |
| 体系 | 主体系/辅助系/防御系 | 100 | 模块得分×权重 后相加=100 |
读表方式（现场作业口径）：拿到一条证据→定位细项→比对判定标准→按单位扣分累加→与归零条件比对取小值→维度汇总→模块按100分制打分→乘权重得体系分。
这一口径统一带来的直接好处是：任一模块的内部扣分可以横向比较，"模块得分"表达的是"这个模块自己做得有多好"，语义不再被权重扭曲。
3.2 判定式：min法则
| 计算式 |
| 主体系Attack=Z1×35%+Z2×35%+Z3×30%，满分100 |
| 辅助系Support = F1×35%+F2×30%+F3×20%+F4×10%+F5×5%，满分100 |
| 防御系Protection = N×20%+S×40%+A×30%+I×10%，满分100 |
| （其中 Z1~Z3、F1~F5、N/S/A/I 均已各自按100分制打分） |
1. ATI（AI信任实体指数）=min（Attack,Support,Protection）
2. 判定结果=ATI≥60→通过；ATI<60→不通过3.3 为什么用min而不是加权平均
企业AI信任是木桶结构。实体地基破损（防御系低）时，即使内容资产优秀（主体系高），大模型依然不会采信；反之，实体干净但内容表达不可读（辅助系低）时，资产也触达不到用户。
加权平均会把短板"稀释"成一个小数点损失——一个80分的体系和一个30分的体系，加权后可能都落在70分附近，得出"都还可以"的错误结论。min法则让短板直接决定结论，这与实际算法的表现一致：任何一系不达标，整体即不达标。
三系原始得分全部保留，用于与历史报告做趋势比对——只是结论以最低值一锤定音。
3.4 证据等级制度（强制执行）
全册出现的每一个数据、阈值、权重，必须标注证据等级；未标注等级的数字不得进入诊断报告。
| 等级 | 含义 | 可否作为判定依据 |
| E1 | 平台官方文档、官方公告，可直接核验 | 可作为硬判据与对外表述 |
| E2 | 权威机构报告、权威媒体报道（信通院、CNNIC、中央媒体等） | 可作背景引用，须注明口径与时间 |
| E3 | 行业实测、逆向推测、无官方披露来源 | 仅作参考区间，不得作为达标硬阈值，不得对外承诺 |
引用纪律： 报告中凡引用E3数值，句末必须带"（行业参考值，非官方口径）"的标注。这一条对本白皮书同样适用——本文中所有未标注外部来源的分值与阈值，均为E3等级。
3.5 红线清单与一票否决
以下红色行为触发即判定整体不通过，不受min值高低影响。红线属平台明确反作弊打击范围，一旦触发，恢复周期极长，应立即中止常规优化，转入风险处置。
| 编号 | 红线行为 | 对应防御系细项 |
| R1 | 伪造资质、伪造荣誉、伪造合作背书 | N034/N050 |
| R2 | 刷量、批量低质内容铺量、站群 / 城市分站 | S043/A021 |
| R3 | 制造虚假UGC（虚构用户评价、虚构问答） | A021/A051 |
| R4 | 抄袭、大段搬运行业报告或竞品内容 | A016/A018 |
| R5 | 冒用他人企业名义、虚假注册信息 | N049/N050 |
| R6 | 展示失效或他人的资质证书、许可证照 | N034/N052 |
3.6 信源准入闸门Gate
Gate决定内容能否进入推荐候选池。本册将其设为布尔前置条件——不通过时防御系直接判定为不达标，不再做乘法折扣。
官方四级信源体系（主判据，E1）：
| 官方层级 | 名称 | 典型主体 | 官方说明 |
| 一级 | 非常权威 | 政府机构、央媒、行业协会、985/211高校、世界500强 | 事实、资质、政策类查询的首选 |
| 二级 | 合规信源 | 垂直领域头部媒体、认证生态账号、百科 | 采信优先级高于普通企业站 |
| 三级 | 普通信源 | 常规备案企业官网 | 作补充佐证 |
| 四级 | 低质信源 | 无备案站点、未认证自媒体、批量软文 | 基本不参与收录 |
平台侧明确表述：品牌内容若停留在低等级，在高端查询中难以进入候选池。 这是本册证据等级最高的一条判据。
行业常使用T0–T3别名表述，与官方四级大体对应，但行业附带的百分比权重为推测值、无官方披露（T0≈100%、T1=80%~90%、T2=30%~50%、T3≈0%，E3）。本体系报告以官方层级为主表述，括号内标注行业别名以便沟通；百分比权重一律标注 E3，禁止写入对外承诺。
Gate 判定规则：
| 判定条件 | 结论 | 处置动作 |
| 四级（低质）占比>50% | 准入失败 | 防御系判定不达标；停止内容优化，优先重建信源结构 |
| 一级+二级占比=0 | 无权威锚点 | 标记最高优先级，先建立至少1条一级或二级背书 |
| 一级+二级占比≥30% | 通过 | 进入常规优化 |
| 其余 | 有条件通过 | 补足高等级信源后复测 |
第四章 主体系 Attack：采信链路诊断
4.1 采信链路与计分结构
主体系回答"大模型能不能采信你"。它沿模型的采信链路三段展开：AI 能不能认出你是谁 → 有没有证据相信你说的话 → 别人的信源是不是也这么说。 三段分别对应实体结构化、EEAT 可信度、多信源背书三个模块，共 61 个细项、13 个维度。
| 计算式 |
| 主体系Attack = Z1×35%+Z2×35%+Z3×30%，满分100 |
| Z1/Z2/Z3各自为独立100分制 |
| 模块 | 权重 | 采信链路环节 | 回答的问题 | 维度数 | 细项数 |
| Z1、实体结构化与实体唯一性 | 35% | 认出你是谁 | AI能不能把品牌锚定到唯一、无歧义的真实实体 | 5 | 22 |
| Z2、EEAT可信度 | 35% | 凭什么信你 | 企业的主张有没有可核验的经验、专业、权威与信任证据 | 4 | 20 |
| Z3、多信源背书 | 30% | 别人怎么说 | 核心主张有没有多个独立信源交叉验证 | 4 | 19 |
| 主体系合计 | 100% | — | — | 13 | 61 |
模块权重35/35/30为行业通行框架（E3，行业参考值，非官方口径）。本册固定采用此版本，以保证同一企业跨期报告、不同企业报告之间可比。
4.2 Z1、实体结构化与实体唯一性（100分/5维度/22细项）
诊断对象：企业作为"机器可识别的实体"，其身份信息是否完整、标准、唯一、无歧义。Z1 是采信链路的入口——AI认不出你，后面两个模块做得再好也不会被调用。
| 维度 | 维度名称 | 满分 | 细项数 | 细项编号 |
| 1 | 工商与主体身份 | 24 | 5 | Z1-01~Z1-05 |
| 2 | 联络与可达性 | 19 | 4 | Z1-06~Z1-09 |
| 3 | 业务与资质实体 | 31 | 7 | Z1-10~Z1-16 |
| 4 | 属地与地理锚点 | 14 | 3 | Z1-17~Z1-19 |
| 5 | 实体唯一性与边界 | 12 | 3 | Z1-20~Z1-22 |
| 合计 | — | 100 | 22 | — |
代表性细项（节选，用于说明判定颗粒度）：
| 编号 | 细项 | 满分 | 风险级 | 判定与扣分规则要点 |
| Z1-01 | 工商登记全称对外一致性 | 6 | P0 致命 | 官网、官微、对外材料、合同抬头与营业执照全称逐字一致得6；出现错字、漏字、增字或擅自简写，每处扣3分，扣满为止 |
| Z1-02 | 统一社会信用代码公开与可核验 | 5 | P1高风险 | 官网页脚或"关于我们"页公开代码且与工商公示可互核得5；未公开得0；公开但不一致得0并转入红线核查 |
| Z1-03 | 注册地址与经营地址披露 | 5 | P1高风险 | 两址均披露并说明关系得5；仅披露其一扣2；两址不一致且无说明得0 |
| Z1-09 | NAP三源一致性 | 6 | P1高风险 | 名称、地址、电话三要素在官网与第三方平台间一致得6；每处不一致扣1，扣满6分为止 |
| Z1-20 | 实体唯一性与消歧 | 5 | P1 高风险 | 存在同名或近名主体时，有明确消歧说明得5；消歧模糊扣2；存在混淆且无说明得0 |
| Z1-21 | 冒用与仿冒排查 | 4 | P1 高风险 | 无冒用页面得4；每发现1处冒用扣2；≥2 处得0并转红线核查 |
4.3 Z2、EEAT可信度（100分/4维度/20细项）
诊断对象：EEAT 四项信号（经验、专业、权威、信任）是否可被大模型识别与验证。Z2按EEAT原生四维展开，每一维都是独立的证据源，不得互相替代。
| 维度 | 维度名称 | 满分 | 细项数 | 细项编号 |
| 1 | 经验Experience | 26 | 5 | Z2-01~Z2-05 |
| 2 | 专业Expertise | 26 | 5 | Z2-06~Z2-10 |
| 3 | 权威Authoritativeness | 24 | 5 | Z2-11~Z2-15 |
| 4 | 信任Trustworthiness | 24 | 5 | Z2-16~Z2-20 |
| 合计 | — | 100 | 20 | — |
代表性细项：
| 编号 | 细项 | 满分 | 风险级 | 判定与扣分规则要点 |
| Z2-01 | 真实项目案例可溯源 | 7 | P0致命 | ≥3个案例可溯至具体客户或项目得7；仅1–2个可溯源扣3；全部匿名"某客户"或无法溯源得0 |
| Z2-06 | 行业资质与执业资格 | 6 | P0致命 | 业务所需资质与执业资格齐备且与经营范围匹配得6；缺1项扣3；关键资质缺失或与业务不符得0 |
| Z2-11 | 权威第三方背书 | 7 | P0致命 | 有一级或二级信源的独立背书得7；仅三级信源背书扣4；无任何第三方背书得0 |
| Z2-12 | 背书内容与企业名绑定 | 5 | P0致命 | 第三方内容出现企业全称并与主张绑定得5；仅提及品牌简称扣2；通篇未出现企业名得0 |
| Z2-17 | 全网可信一致性 | 7 | P0致命 | 价格、服务范围、资质、团队规模等口径全网一致得7；每发现1处冲突扣2；第3处冲突直接归零 |
| Z2-20 | 负面与纠纷信息应答 | 3 | P1高风险 | 无负面得3；有负面但有公开、专业的应答或处置说明得3；有负面且无任何应答得0 |
判定边界：Z2-11的"未绑定品牌名"与 Z2-12是同一事实的两面，同一证据只计一次。企业被媒体提及但通篇未出现企业名，计为Z2-12扣 5 分，Z2-11不再重复扣。Z2-16的口碑证据必须是外部公开可搜索的，只存在于内部材料的客户感谢信不计分。
4.4 Z3、多信源背书（100分/4 维度/19细项）
诊断对象：企业的核心主张是否有多个独立信源交叉验证。单一信源自证在信源分层治理下已不再被单独采信——Z3衡量的是"别人愿不愿意替你说、说的是不是同一件事"。
| 维度 | 维度名称 | 满分 | 细项数 | 细项编号 |
| 1 | 信源规模与结构 | 30 | 5 | Z3-01~Z3-05 |
| 2 | 交叉验证与一致性 | 24 | 4 | Z3-06~Z3-09 |
| 3 | 信源形态与覆盖 | 22 | 5 | Z3-10~Z3-14 |
| 4 | 信源健康与风险治理 | 24 | 5 | Z3-15~Z3-19 |
| 合计 | — | 100 | 19 | — |
代表性细项：
| 编号 | 细项 | 满分 | 风险级 | 判定与扣分规则要点 |
| Z3-01 | 独立信源数量 | 8 | P0致命 | 同一核心主张的第三方独立信源≥3条得8；2条扣4；0–1条得 0 |
| Z3-03 | 信源层级结构 | 8 | P0致命 | 一级+二级信源占全部引用≥30%得8；10%–30%扣4；0%得0并同时触发Gate判定 |
| Z3-06 | 多信源交叉验证一致性 | 8 | P0致命 | 2–3条以上关键事实在不同信源间相互印证得8；存在1处矛盾扣4；≥2处得0 |
| Z3-15 | 信源时效与失效治理 | 5 | P1高风险 | 核心证据稿件全部有效可访问得5；每有1篇失效且无替补扣2；≥3 篇失效得0 |
| Z3-16 | 内容差异化与查重防抄袭 | 7 | P0致命 | 多渠道分发内容差异化版本率≥70%得7；50%–70%扣3；<50%或存在整段抄袭得0并转红线核查 |
| Z3-19 | 投放真实性与合规核查 | 3 | P0致命 | 所有对外投放内容真实、无伪造数据与荣誉得3；存在伪造、夸大或伪造荣誉得0并直接判定整体不通过 |
第五章 辅助系Support：推荐链路诊断
5.1 推荐链路与计分结构
辅助系回答"大模型愿不愿意推荐你"。它诊断的不是企业有没有资产，而是这些资产是否以机器可读、用户语言、可排序的形式表达出来。若说主体系管的是"能不能进候选池"，辅助系管的就是"进池后排第几"。辅助系共84个细项、20个维度。
| 计算式 |
| 辅助系 Support = F1×35%+F2×30%+F3×20%+F4×10%+F5×5%，满分 100 |
| F1~F5各自为独立100分制 |
| 模块 | 权重 | 推荐链路环节 | 回答的问题 | 维度数 | 细项数 |
| F1、语义意图匹配 | 35% | 听得懂问题 | 内容是否对齐用户真实提问与意图分层 | 4 | 17 |
| F2、EEAT权威可识别度 | 30% | 看得到权威信号 | 权威证据是否以机器可识别的方式呈现 | 5 | 19 |
| F3、内容结构适配 | 20% | 抓得走内容 | 内容能否被稳定抓取、解析与抽取 | 5 | 22 |
| F4、地域场景适配 | 10% | 找得到本地答案 | 本地与场景化提问能否命中本企业 | 3 | 15 |
| F5、时效新鲜度 | 5% | 信息不过期 | 内容与数据是否保持新鲜、可判时效 | 3 | 11 |
| 辅助系合计 | 100% | — | — | 20 | 84 |
跨体系说明：F2与主体系Z2名称相近但诊断对象不同——Z2诊断"企业是否真的具备EEAT 资产"，F2诊断"这些资产是否以机器可读的形式表达出来"。企业真实持有资质但没有任何页面呈现，则Z2不扣分、F2扣满。
5.2 F1、语义意图匹配（100分/4维度/17细项）
诊断对象：内容是否用用户的语言说用户关心的事。F1是推荐链路的第一道闸门——意图对不上，后面的权威与结构都没有施展机会。
| 维度 | 维度名称 | 满分 | 细项数 | 细项编号 |
| 1 | 用户意图覆盖 | 28 | 5 | F1-01~F1-05 |
| 2 | 语义对齐 | 26 | 4 | F1-06~F1-09 |
| 3 | 问答形态 | 24 | 4 | F1-10~F1-13 |
| 4 | 决策阻力与话题运营 | 22 | 4 | F1-14~F1-17 |
| 合计 | — | 100 | 17 | — |
代表性细项：
| 编号 | 细项 | 满分 | 风险级 | 判定与扣分规则要点 |
| F1-01 | 决策旅程意图覆盖 | 8 | P0致命 | 认知、探索、比较、决策、售后五段意图均有对应内容得8；每缺1段扣2；缺≥3段得0 |
| F1-03 | 品牌词与非品牌痛点词配比 | 5 | P0致命 | 非品牌痛点与选型类内容占比≥60%得5；30%–60%扣3；<30%得0 |
| F1-06 | 语义对齐度 | 8 | P0致命 | 页面用词与用户真实提问用词的语义重叠率 ≥ 70% 得 8；50%–70% 扣 3；20%–50% 扣 6；< 20% 得 0 |
| F1-10 | 问答式内容与结论前置 | 8 | P0致命 | 具备FAQ/问答栏目、标题为问句、正文首段200字内给出核心结论，三项齐备得8；每缺1项扣3 |
| F1-15 | AI 幻觉纠错专页 | 5 | P1高风险 | 有针对AI常见错误的纠错专页且可被检索得5；有纠错内容但未成专页扣2；无得0 |
判定示例：企业通篇使用行业内部术语（如"生成式引擎优化""RAG知识库构建"），而用户实际提问是"AI搜不到我们公司怎么办"——此为F1-06语义对齐度不足，不是内容质量问题。
5.3 F2、EEAT 权威可识别度（100分/5维度/19细项）
诊断对象：企业具备的EEAT资产，是否以机器可识别、可归因的形式落在页面上。F2与Z2是"有"与"看得见"的关系。
| 维度 | 维度名称 | 满分 | 细项数 | 细项编号 |
| 1 | 身份署名 | 24 | 4 | F2-01~F2-04 |
| 2 | 时间与版本 | 16 | 3 | F2-05~F2-07 |
| 3 | 引用与证据 | 22 | 4 | F2-08~F2-11 |
| 4 | 信任页面与资质可视 | 24 | 5 | F2-12~F2-16 |
| 5 | 品牌与标签可识别 | 14 | 3 | F2-17~F2-19 |
| 合计 | — | 100 | 19 | — |
代表性细项：
| 编号 | 细项 | 满分 | 风险级 | 判定与扣分规则要点 |
| F2-01 | 作者实体署名 | 7 | P0致命 | 每篇内容均有可识别的作者姓名得7；仅部分内容署名扣3；全部无署名得0 |
| F2-05 | 发布与更新时间戳 | 7 | P1高风险 | 同时展示发布日期与最近更新时间得7；仅有发布日扣3；均无得0 |
| F2-08 | 结构化引用与数据来源标注 | 7 | P1高风险 | 数据与结论均标注来源得7；半数标注扣3；无来源标注得0 |
| F2-13 | 联系我们页 | 5 | P0致命 | 存在联系我们页且含电话、邮箱、地址、地图四项得5；每缺1项扣1；无该页得0 |
| F2-14 | 资质证书展示页 | 6 | P0致命 | 有独立资质页且证书图清晰、编号可读得6；有页但图模糊或编号不可读扣3；无该页得0 |
5.4 F3、内容结构适配（100分/5维度/22细项）
诊断对象：内容能否被稳定抓取、正确解析、准确抽取。F3是纯技术层——内容再好，抓不到、读不懂、抽不出，就等于不存在。
| 维度 | 维度名称 | 满分 | 细项数 | 细项编号 |
| 1 | 结构化数据 | 26 | 5 | F3-01~F3-05 |
| 2 | 语义化HTML与导航 | 20 | 4 | F3-06~F3-09 |
| 3 | 内容可读与抽取 | 26 | 5 | F3-10~F3-14 |
| 4 | 多模态与可检索 | 14 | 4 | F3-15~F3-18 |
| 5 | 可用性与抓取 | 14 | 4 | F3-19~F3-22 |
| 合计 | — | 100 | 22 | — |
代表性问题：结构化数据全由前端JS注入，爬虫完全看不到；正文依赖客户端渲染，服务端HTML里没有内容；sitemap缺失或未声明。 这三类问题在F3中扣分最重，因为它们直接导致内容对模型"不存在"。
5.5 F4、地域场景适配（100分/3维度/15细项）
诊断对象：本地与场景化提问能否命中本企业。
| 维度 | 维度名称 | 满分 | 细项数 | 细项编号 |
| 1 | 地域语义覆盖 | 34 | 5 | F4-01~F4-05 |
| 2 | 本地内容资产 | 34 | 5 | F4-06~F4-10 |
| 3 | 地图与位置联动 | 32 | 5 | F4-11~F4-15 |
| 合计 | — | 100 | 15 | — |
5.6 F5、时效新鲜度（100分/3维度/11细项）
诊断对象：内容与数据是否保持新鲜、可判时效。
| 维度 | 维度名称 | 满分 | 细项数 | 细项编号 |
| 1 | 更新时效 | 40 | 4 | F5-01~F5-04 |
| 2 | 更新机制 | 34 | 4 | F5-05~F5-08 |
| 3 | 时效信号 | 26 | 3 | F5-09~F5-11 |
| 合计 | — | 100 | 11 | — |
第六章 防御系Protection：四层语义网络诊断
6.1 防御系定位与计分
防御系回答"你的实体立不立得住、有没有被污染"。它是三系中唯一的地基型体系，也是本体系与常见GEO报告最大的区别所在：绝大多数报告只评"内容好不好"，防御系评的是"这份内容在算法眼里算不算数"。
防御系沿用EEAT-NAP四层语义网络制度，共28个维度、216个扣分细项。
| 计算式 |
| 防御系Protection=N×20%+S×40%+A×30%+I×10% |
| N=NAP实体基准层得分（满分100） |
| S=Semantics语义场景层得分（满分100） |
| A=Authority权威信源层得分（满分100） |
| I = Iteration 动态迭代层得分（满分 100） |
6.2 N实体基准层（权重20%/64细项）
N层是防御系的地基，解决企业数字身份唯一性、消除实体歧义、NAP冲突与错误快照。地基破损时，S层与A层的投入无法转化为采信。
| 维度 | 维度名称 | 维度满分 | 细项数 |
| 1 | Name企业名称实体标识 | 19 | 12 |
| 2 | Address地址/属地实体锚点 | 18 | 11 |
| 3 | Phone联系通信实体信息 | 15 | 9 |
| 4 | 实体档案与元标签图谱 | 22 | 18 |
| 5 | 全网实体唯一性与风险排查 | 18 | 10 |
| 6 | 网站安全与隐私可信 | 8 | 4 |
| 合计 | — | 100 | 64 |
典型扣分场景：官网把工商全称简写；第三方平台自动抓取错误全称；域名备案主体为个人或关联公司（P0致命，直接归零）。
6.3 S语义场景层（权重40%/55细项）
S层权重最高，因为它决定AI能否在用户真实提问的场景下联想到企业。它搭建的是"用户痛点→业务需求→解决方案→企业服务"的完整语义链路。
| 维度 | 维度名称 | 维度满分 | 细项数 |
| 1 | 用户意图&高频语义库建设 | 19 | 12 |
| 2 | 痛点/需求/方案/企业语义链路完整性 | 25 | 13 |
| 3 | 内容AI友好结构化改造 | 18 | 11 |
| 4 | 内容自然植入与营销克制度 | 17 | 7 |
| 5 | 语义一致性、闭环迭代基础 | 4 | 2 |
| 6 | B端决策链角色语义覆盖 | 4 | 2 |
| 7 | 多模态与跨平台语义覆盖 | 6 | 3 |
| 8 | 用户体验与内容实用性 | 5 | 3 |
| 9 | 专业资质与内容深度 | 2 | 2 |
| 合计 | — | 100 | 55 |
语义链路闭环是本层的核心判据。 以企业服务类内容为例，一条完整的链路应当是"企业遇到的具体的痛点（含真实数据或法规依据）→由痛点推导出的明确业务需求→满足该需求的方案构成→由谁提供该服务、适用与不适用场景"。链路断裂的内容即使语句通顺，也无法被模型用于作答。
6.4 A权威信源层（权重30%/47细项）
A层构建多维可交叉验证的EEAT证据链，解决"单一官网说服力不足"的问题。本层最核心的判定纪律是区分"提及"与"采信"——AI顺带提到企业名字不等于采信，只有AI读取第三方信源后得出结论并作为依据引用，才算有效背书。
| 维度 | 维度名称 | 维度满分 | 细项数 |
| 1 | 信源矩阵分层规划（T0/T1/T2） | 21 | 10 |
| 2 | 多渠道差异化内容分发管控 | 23 | 9 |
| 3 | NAP锚点落地与实体溯源建设 | 20 | 9 |
| 4 | 信源质量管控、收录跟踪与优胜劣汰 | 10 | 5 |
| 5 | EEAT交叉佐证证据链与信源风险治理 | 15 | 7 |
| 6 | 用户口碑与第三方评价信源建设 | 4 | 3 |
| 7 | 新型信源建设 | 2 | 1 |
| 8 | 行业权威背书与认证 | 5 | 3 |
| 合计 | — | 100 | 47 |
典型扣分场景：全部投放都是自媒体与B2B黄页，没有垂直行业权威信源；T2扩散类渠道过度投放，稀释核心证据信源权重；采购垃圾站、弹窗站发稿，给实体带来信源风险（P0致命）。
6.5 I动态迭代层（权重10%/50细项）
I 层是防御系的闭环中枢，承接N/S/A三层全部资产，做多模型表现采集、全链路健康度诊断、根因定位、策略迭代、效果复测与资产沉淀。
| 维度 | 维度名称 | 维度满分 | 核心释义 | 细项数 |
| 1 | 监测底座与数据采集体系 | 24 | 多模型覆盖、标准化问句库、采样规则、采集流程、原始数据留存；解决"测什么、在哪里测、怎么测" | 12 |
| 2 | 全维度指标巡检 | 22 | 区分过程资产指标与AI输出效果指标；覆盖实体识别准确率、提及率、采信率、幻觉率、场景占位率、竞品对标 | 11 |
| 3 | 问题根因诊断与风险分级机制 | 20 | 定位问题源头（NAP/语义/信源/外部污染/模型原生幻觉），风险分级、问题溯源 | 10 |
| 4 | 闭环迭代执行与跨层联动机制 | 20 | 输出可落地整改任务反向驱动前三层；区分轻量补丁迭代与深度重构迭代；适配大模型版本更新冲击 | 10 |
| 5 | 复盘报告、资产沉淀与长效运营机制 | 14 | 周期性复盘报告、台账版本管理、经验沉淀、业务变更同步、客户交付对齐 | 7 |
| 合计 | — | 100 | — | 50 |
6.6 关于取消R系数的说明
原ATI公式为 (N×20%+S×40%+A×30%+I×10%)×R，R为风险折扣系数，取1.0/0.8/0.6/0.4/0.2五档，对应工商异常、行政处罚、虚假宣传、重大违规、主体造假等风险情形。本册废止R，改为把风险直接下沉为细项的归零条件，理由有三：
- 重复扣罚。R所覆盖的六类风险已全部在细项内设有关键判据：主体造假→N050（归零）；冒用他人名义→N049（归零）；证照与资质不匹配→N034（归零）；重大违规宣传→N064/S042（归零）；虚假媒体报道→A021（归零）；抄袭搬运→A016/A018（归零）。再乘一次系数，属对同一事实二次扣罚。
- 不可复核。R是一刀切的乘法折扣，无法说明"这0.4是从哪一条证据来的"；归零条件则必须挂证据编号，可逐条复核。
- 一刀切失真。不同风险对企业可信度的实际影响并不等价，强行乘法会掩盖真实的根因分布。
替代方案是：风险不再打折，而是"归零 + 红线"双轨处理——可修复的走细项归零，不可修复的走红线拒单。
第七章 诊断作业流程与测试基准
7.1 六步作业流程
| 步骤 | 输入 | 动作 | 输出 | 时效 |
| Step1、立项与信息采集 | 企业名称 | 抓取工商信息、ICP备案官网、NAP三要素、业务描述、资质、案例、服务地域 | 企业实体基础档案 | 0.5工作日 |
| Step2、线上触点扫描 | 实体基础档案 | 五类触点逐一执行可访问性→收录反查→一致性比对 | 触点状态记录表+偏差清单 | 1工作日 |
| Step3、信源盘点与Gate判定 | 触点状态记录表 | 统计实际被引用的信源，按官方层级归类，执行Gate判定 | 信源层级分布+Gate结论 | 0.5工作日 |
| Step4、多平台采样 | 标准化问句库 | 逐条提问，重复采样，记录原文、引用来源、品牌位置 | 平台地位矩阵 + 原始回答存档 | 2工作日 |
| Step5、三系逐项扣分 | 上述全部证据 | 按细项逐项判定，填写触发状态、扣分值、证据编号；模块按100分制汇总后乘权重 | 三系扣分汇总表（共361个细项） | 2工作日 |
| Step6、定级与报告输出 | 扣分汇总+Gate结论+平台矩阵 | 计算min值，判定等级，生成整改清单（按扣分从高到低排序） | 诊断报告 + 整改清单 | 1工作日 |
扣分强制双人复核。单人打分不予交付。每一步的输出必须可追溯到具体的"平台+时间+问句+完整回答原文+引用来源"，只给结论不给证据的数据视为无效数据。
7.2 测试基准：模型池与问句库
测试大模型池覆盖八个主流国产平台：豆包、Kimi、DeepSeek、文心一言、通义千问、腾讯元宝、智谱清言、讯飞星火。分平台采集，禁止合并为单一总分——各平台训练语料、信源偏好、回答逻辑不同，取平均会掩盖单平台的显著问题。
问句库按用户决策旅程分层，样本量级要求如下：
| 问句分类 | 最低样本量 | 采样规则 | 备注 |
| 品牌精准问句 | ≥8条 | 全量测试 | 覆盖企业全称、简称、主营业务、资质 |
| P0核心必测非品牌痛点问句 | ≥12条 | 全量测试、每条重复≥3 次 | 高价值业务选型、决策类问题 |
| P1重点业务问句 | ≥15条 | 双周抽样 | 重点业务与场景 |
| P2长尾补充问句 | ≥10条 | 季度抽样 | 长尾覆盖 |
问句必须使用用户真实提问句式，不得使用企业业务术语。品牌问句不参与首推率与前三提及率计算，只统计不带企业名称的P0非品牌痛点选型问句。
7.3 收录判定与采样规则
| 规则项 | 内容 |
| 收录判定标准 | 仅平台站内可见不计为收录成功；主流搜索引擎标题检索可以命中页面，才算有效收录 |
| 重复采样 | 单条问句重复提问不少于3次；三次不一致时追加至6次取多数 |
| 无效样本剔除 | 模型拒绝回答、安全拦截、回答完全跑偏的样本标记剔除，不计入分母 |
| 采集留存 | 记录监测时间、模型版本、问句、AI完整回答原文、采样编号、采集人 |
| 人工复核 | 机器采集+人工复核双机制；机器标记的幻觉、实体错误须人工二次确认 |
7.4 波动噪声阈值
大模型输出存在概率性，单次结果不得用于判定整改成败。
| 指标类型 | 样本量 | 噪声阈值 | 判定规则 |
| 综合得分 | — | ±5分 | 变动>5分判定为真实改善或恶化 |
| 比率类指标 | 20–39条 | ±8% | 超出阈值方可判定真实变化 |
| 比率类指标 | ≥50条 | ±5% | 超出阈值方可判定真实变化 |
| 前三提及率 / 首推率 | — | ±5% | 变动>5%才判定真实提升或下滑 |
趋势判断需连续不少于3个采样周期的数据。复诊必须复用同一套模型池、问句库、巡检渠道清单，否则分数不具对比意义。
7.5 五类触点扫描
| 触点 | 核验内容 |
| 官网 | 可访问性、内容完整度、结构化数据、信息与工商登记一致 |
| 百科词条 | 是否存在、是否可编辑、信息是否与官网一致 |
| 地图POI | 是否认领、名称地址电话是否准确、有无实拍素材 |
| 媒体报道 | 央媒/地方媒体/垂直媒体/自媒体四类分布 |
| 自媒体矩阵 | 各平台官方账号是否认证、是否活跃、内容是否同步 |
每类触点依次执行三个核验动作：可访问性核验（页面能否打开、有无反爬拦截、移动端是否适配）→ 收录状态反查（在主流搜索与平台内检索品牌词，确认是否被收录与引用）→ 信息一致性比对（以工商登记为基准，比对名称、地址、电话、业务描述）。
7.6 多平台地位矩阵
分平台采集，禁止合并为单一总分。
| 指标 | 定义 | 计算式 | 合格线 | 优秀线 |
| 提及率MR | 品牌出现在有效回答中的比例 | 提及回答数÷有效回答总数 | — | — |
| 前三提及率TR（主指标） | 品牌进入推荐前三的比例 | 前三提及数÷有效回答总数 | ≥40% | ≥50% |
| 首推率FR（辅助指标） | 品牌被列为首位推荐的比例 | 首位提及数÷有效回答总数 | ≥15% | ≥20% |
| 描述准确率AR | AI描述与企业口径一致的比例 | 描述准确条数÷提及总条数 | ≥90% | ≥95% |
| 情感倾向SN | 对企业的表述倾向 | 正向/中性/负向/混合 | — | — |
| 竞品胜出率CWR | 竞品在同一问题中胜过本企业的比例 | 竞品胜出数÷有效回答总数 | — | — |
| 信源构成 | 引用来源的层级分布 | 按官方四级归类 | 一级+二级≥30% | 一级+二级≥50% |
上表引用率与达标线均为行业实测参考值（E3，行业参考值，非官方口径）。
赛道差异化补充规则（E3）：B2B工业与专精特新赛道，首推率合格区间15%–20%、前三提及率≥40%；通用商贸与红海服务赛道，首推率合格区间12%–15%、前三提及率≥35%；金融、医药等强合规赛道不强求高首推，优先保障实体识别准确率，前三提及率≥30% 即可。
矩阵解读要点：
- 提及率低+描述准确率高→内容没问题，是信源层级不够，查Gate与Z3-03；
- 提及率高+描述准确率低→信息冲突或被误读，查Z1-09/Z2-17/Z3-07/ N045~N050；
- 前三提及率低但提及率高→已被识别但竞争力不足，查辅助系F1/F3；
- 平台间差异大→不是算法问题，是各平台信源偏好不同，应按平台做分平台信源布局。
第八章 综合判定、分级与处置
8.1 min法则与三系失衡定位
| 计算式 |
| 判定值ATI（AI 信任实体指数） = min（Attack, Support, Protection） |
| 判定结果=判定值≥60→通过；判定值<60→不通过 |
三系中哪一系最低，就决定了整改方向：
| 最低的一系 | 典型症状 | 根因 | 首要动作 |
| 防御系Protection最低 | AI搜不到、信息错、被混淆 | 实体地基破损或证据链断裂 | 先修NAP与信源结构，暂停内容铺量 |
| 主体系Attack最低 | AI提到但只是转述工商信息 | 缺少可被核验的EEAT资产与多信源背书 | 补真实案例、资质与第三方背书 |
| 辅助系Support最低 | 内容被引用但进不了推荐位 | 表达不可读、结构不可抓、意图不匹配 | 用用户语言重写内容、部署结构化数据 |
木桶判定的实际含义：防御系设定了企业的信任下限，辅助系设定了企业的推荐上限，主体系决定了企业能否被采信。三者必须同时达标，缺一不可。
8.2 等级对照表
| ATI判定值区间 | 等级 | 状态描述 | 大模型侧表现特征 |
| 90–100 | S级·优质可信实体 | 信任锚点 | 优先主动提及、可作为案例引用、实体信息零幻觉 |
| 75–89 | A级·良好可信实体 | 优质候选 | 搜全称出现，行业问题概率主动推荐，无严重实体冲突 |
| 60–74 | B级·准入合格实体 | 已过线 | 可进入候选池，排名不稳，需持续维护防下滑 |
| 40–59 | C级·瑕疵不达标实体 | 降权风险 | 实体存在冲突，AI 回答附带核实提示，仅在降权池边缘 |
| <40 | D级·高风险实体 | 屏蔽风险 | 仅输出工商信息，被降权屏蔽，甚至输出错误与幻觉信息 |
60分作为通过线属行业实测参考值（E3，行业参考值，非官方口径），本体系将其作为内部管理线使用。对外表述应采用"低于该水位的内容在推荐中的稳定性显著偏低"这一说法，而非断言平台存在该分数线。
8.3 处置动作与复诊周期
| 等级 | 处置动作 | 复诊周期 |
| S级 | 维护性优化：保持更新频率，扩展问题覆盖，防御竞品 | 季度 |
| A级 | 补短板：集中资源修复扣分最高的2–3项 | 月度 |
| B级 | 稳态维护 + 系统整改：严防防御系下滑，同步补主 / 辅短板 | 月度 |
| C级 | 重建：以实体与信源体系重建为起点，暂停铺量动作 | 双周 |
| D级 | 风险处置：先做合规排查，确认无红线行为后再启动优化 | 待定 |
8.4 整改优先级铁律
| 优先级 | 定义 | 整改时限 |
| P0 | 阻断采信、触碰红线或导致实体地基破损 | 7日内 |
| P1 | 显著影响推荐位与准确率 | 30日内 |
| P2 | 影响体验与长尾覆盖 | 90日内 |
整改排序：先红线→再Gate→再防御系N层→再主体系P0→后辅助系。
信源层级未修复、实体地基未修复之前投入内容优化，属于无效投入。这一条同时写在防御系与主体系的判定铁律中，是全册唯一的流程分支点。
第九章 复测与持续监测机制
诊断不是一次性项目。本章规定监测节奏、预警阈值与复诊纪律，用于把三系评分转化为持续运行的闭环。
9.1 监测节奏
| 频率 | 监测内容 |
| 每日 | AI可见性指数、品牌提及率、正面信息占比、事实错误清单 |
| 每周 | 核心问题TOP3/TOP1占位率、引用信源数量与层级分布、新增收录内容、竞品排名变化 |
| 每月 | P0问句全量复测、三系分项复算、AI渠道咨询转化、品牌词搜索量变化 |
| 每季 | 全量复测、信源结构复核、竞品格局复盘、深度实体歧义专项复核 |
| 每年 | 四层全链路成熟度定级、中长期建设路线图 |
9.2 预警阈值
| 触发条件 | 预警级别 | 响应动作 |
| 核心问题排名下降超过10位 | 橙色 | 诊断原因，补充权威信源 |
| 描述准确率低于90% | 橙色 | 定位错误信息点，发布权威信息修正 |
| 出现负面或幻觉描述 | 红色 | 24小时内启动修正预案 |
| 主动提及率环比跌超20% | 红色 | 触发全量P0复测，区分平台共性波动与自身资产问题 |
| 平台重大算法更新 | 红色 | 72小时内完成规则解读，1周内调整策略，2周内更新内容 |
| 一级 + 二级信源占比下滑超20个百分点 | 红色 | 重新执行信源盘点，排查是否被降权 |
9.3 复诊纪律
- 单次AI回答波动属正常现象，不得以单次结果判定整改成败；
- 趋势判断需连续不少于3个采样周期的数据；
- 每次复诊必须与上一次使用同一模型池、同一问句库、同一巡检渠道清单，否则数据不可比；
- 复诊报告同样完整保留证据归档，扣分须挂证据编号。
第十章 应用场景、边界与限制
10.1 适用场景
| 场景 | 说明 |
| 企业AI信任状态基线诊断 | 建立第一份可比的实体信任基线，明确短板在哪一系 |
| 整改前后效果复测 | 用固定基准对比，判断整改是否产生真实改善（超出±5分阈值） |
| 多主体横向对比 | 同一体系、同一基准下比较多个主体（如集团下属公司、候选供应商） |
| 内容与信源投入的排期依据 | 按min判定与整改铁律确定"先修什么、后做什么"，避免无效投入 |
| 服务交付的验收基准 | 把交付指标、复测规则、验收证据写进合同附件，作为可核验的验收口径 |
10.2 明确不适用的场景
体系同时明确自身的能力边界，以下场景不应使用本体系：
| 不适用场景 | 原因 |
| 不用于预测流量与转化 | 本体系测量的是信任状态，不等同于SEO流量指标，也不承诺业务转化 |
| 不用于断言平台算法规则 | 除标注E1的官方公开文件外，其余阈值均为E3参考值，不得表述为平台规则 |
| 不用于评价同行优劣 | 体系是自检工具，不提供同类服务商之间的排名与优劣评价 |
| 不用于替代法务与合规审查 | 红线清单用于识别风险信号，不构成法律意见 |
| 前置条件不满足时不给出比率类结论 | 若P0问句库不足12条、模型池不足5个、重复采样规则未落地、N 层得分<70，首推率与前三提及率字段统一填"未测·待建题集"，禁止编造估算数值 |
10.3 体系的已知限制
诚实地列出限制，比声称完备更有价值：
- 依赖平台公开口径的程度不均。信源四级分层有官方公开文件可依（E1），但多数排序因子的具体权重并无官方披露，相关阈值只能标注为E3参考区间。
- 结果具有时间敏感性。大模型版本迭代会改变输出分布，任何一次诊断结论的有效期以当次采样周期为界；模型版本更新后须重新采样。
- 不能消除模型原生幻觉。体系可以降低幻觉发生的条件，但不能承诺消除；对已发生的幻觉，处理方式是通过纠错专页与权威信源覆盖来纠偏。
- 评分依赖执行人判断的部分不可避免。体系通过细项化、单位扣分、归零条件与双人复核来压缩主观空间，但无法完全消除。
第十一章 版本演进与体系治理
11.1 三代演进路径
| 维度 | V2.0（单公司深度诊断版） | V2609D01（ATI诊断版） | V2610D01（三维一体·现版） |
| 体系定位 | 单公司固定打分表 | 四层语义网络运营体系 | 三维一体四层语义网络运营体系 |
| 结构 | 4模块 | 4层（N/S/A/I） | 3系（主/辅/防御）×4层 |
| 评分项数量 | 约14个检查点 | 216个细项 | 361个细项/61维度 |
| 核心公式 | 模块加总+风险负分 | ATI=(N×20%+S×40%+A×30%+I×10%)×R | ATI=min(Attack,Support,Protection) |
| 风险处理 | 独立负分模块 | R折扣系数（1.0~0.2） | 归零条件挂证据+红线一票否决 |
| 证据制度 | 无 | 要求写证据编号 | E1/E2/E3证据等级强制标注 |
| 实测基准 | 无 | 有（模型池+问句库） | 有+信源准入闸门Gate |
| 闭环复测 | 无 | 有（±5波动阈值） | 有+双人复核纪律 |
三代迭代解决的是同一件事：把"AI会不会信你"这个模糊问题，拆成一条条可以逐项核对、逐条挂证据、逐月复测的工程指标。
11.2 本版变更要点
变化一：计分口径统一为"模块百分制 × 权重"。 三系为同一形态：模块独立百分制打分，再乘权重合成。任一模块的内部扣分可横向比较，"模块得分"的语义不再被权重扭曲，三系之间可以同尺度对话。
变化二：主体系与辅助系按链路重建。 主体系沿"认出你→信你→别人也这么说"三段展开；辅助系沿"听得懂问题→看得到权威信号→抓得走内容→找得到本地答案→信息不过期"五段展开。每一段拆维度，每维度拆细项。
变化三：结论改为min判定，并废止R系数。 风险不再打折，改为"细项归零+红线拒单"双轨处理。
11.3 版本号规则与修订纪律
- 版本号规则：V+年月（YYMM）+D+当月修订序号。如V2610D01表示2026年10月第1次修订。
- 修订触发条件： 大模型平台重大规则更新、官方公开文件变更、诊断实践中发现口径冲突或算术不一致、新增模块或权重调整。
- 修订纪律： 任一修订必须同步更新执行摘要、计分式、速查总表三处，并保证"模块满分之和=100、维度内细项满分之和=维度满分、权重之和=100%"三项自检通过。基准（模型池、问句库、采样规则）一经确立不得随意修改，否则跨期数据不具可比性。
附录A 三系结构与维度速查总表
A.1 主体系Attack（61细项/13维度）
| 模块 | 权重 | 维度 | 维度满分 | 细项数 |
| Z1、实体结构化与唯一性 | 35% | 工商与主体身份 | 24 | 5 |
| Z1 | 联络与可达性 | 19 | 4 | |
| Z1 | 业务与资质实体 | 31 | 7 | |
| Z1 | 属地与地理锚点 | 14 | 3 | |
| Z1 | 实体唯一性与边界 | 12 | 3 | |
| Z2、EEAT可信度 | 35% | 经验Experience | 26 | 5 |
| Z2 | 专业Expertise | 26 | 5 | |
| Z2 | 权威Authoritativeness | 24 | 5 | |
| Z2 | 信任Trustworthiness | 24 | 5 | |
| Z3、多信源背书 | 30% | 信源规模与结构 | 30 | 5 |
| Z3 | 交叉验证与一致性 | 24 | 4 | |
| Z3 | 信源形态与覆盖 | 22 | 5 | |
| Z3 | 信源健康与风险治理 | 24 | 5 |
A.2 辅助系Support（84细项/20维度）
| 模块 | 权重 | 维度 | 维度满分 | 细项数 |
| F1语义意图匹配 | 35% | 用户意图覆盖 | 28 | 5 |
| F1 | 语义对齐 | 26 | 4 | |
| F1 | 问答形态 | 24 | 4 | |
| F1 | 决策阻力与话题运营 | 22 | 4 | |
| F2、EEAT权威可识别度 | 30% | 身份署名 | 24 | 4 |
| F2 | 时间与版本 | 16 | 3 | |
| F2 | 引用与证据 | 22 | 4 | |
| F2 | 信任页面与资质可视 | 24 | 5 | |
| F2 | 品牌与标签可识别 | 14 | 3 | |
| F3、内容结构适配 | 20% | 结构化数据 | 26 | 5 |
| F3 | 语义化HTML与导航 | 20 | 4 | |
| F3 | 内容可读与抽取 | 26 | 5 | |
| F3 | 多模态与可检索 | 14 | 4 | |
| F3 | 可用性与抓取 | 14 | 4 | |
| F4 地域场景适配 | 10% | 地域语义覆盖 | 34 | 5 |
| F4 | 本地内容资产 | 34 | 5 | |
| F4 | 地图与位置联动 | 32 | 5 | |
| F5时效新鲜度 | 5% | 更新时效 | 40 | 4 |
| F5 | 更新机制 | 34 | 4 | |
| F5 | 时效信号 | 26 | 3 |
A.3 防御系Protection（216细项/28维度）
| 层级 | 权重 | 维度 | 维度满分 | 细项数 |
| N实体基准层 | 20% | Name企业名称实体标识 | 19 | 12 |
| N | Address地址/属地实体锚点 | 18 | 11 | |
| N | Phone联系通信实体信息 | 15 | 9 | |
| N | 实体档案与元标签图谱 | 22 | 18 | |
| N | 全网实体唯一性与风险排查 | 18 | 10 | |
| N | 网站安全与隐私可信 | 8 | 4 | |
| S语义场景层 | 40% | 用户意图&高频语义库建设 | 19 | 12 |
| S | 痛点/需求/方案/企业语义链路完整性 | 25 | 13 | |
| S | 内容AI友好结构化改造 | 18 | 11 | |
| S | 内容自然植入与营销克制度 | 17 | 7 | |
| S | 语义一致性、闭环迭代基础 | 4 | 2 | |
| S | B端决策链角色语义覆盖 | 4 | 2 | |
| S | 多模态与跨平台语义覆盖 | 6 | 3 | |
| S | 用户体验与内容实用性 | 5 | 3 | |
| S | 专业资质与内容深度 | 2 | 2 | |
| A权威信源层 | 30% | 信源矩阵分层规划（T0/T1/T2） | 21 | 10 |
| A | 多渠道差异化内容分发管控 | 23 | 9 | |
| A | NAP锚点落地与实体溯源建设 | 20 | 9 | |
| A | 信源质量管控、收录跟踪与优胜劣汰 | 10 | 5 | |
| A | EEAT交叉佐证证据链与信源风险治理 | 15 | 7 | |
| A | 用户口碑与第三方评价信源建设 | 4 | 3 | |
| A | 新型信源建设 | 2 | 1 | |
| A | 行业权威背书与认证 | 5 | 3 | |
| I动态迭代层 | 10% | 监测底座与数据采集体系 | 24 | 12 |
| I | 全维度指标巡检 | 22 | 11 | |
| I | 问题根因诊断与风险分级机制 | 20 | 10 | |
| I | 闭环迭代执行与跨层联动机制 | 20 | 10 | |
| I | 复盘报告、资产沉淀与长效运营机制 | 14 | 7 |
合计：主体系61项 辅助系84项+防御系216项=361个细项；13+20+28=61 个维度。
附录 B 关键术语表
| 术语 | 全称 / 英文 | 释义 |
| ATI | AI Trust Index，AI 信任实体指数 | 本体系的最终判定值，取三系最低分 |
| 三维一体 | — | 三条判定链路（采信/推荐/防御）合并为一套标准，一次诊断只出一个结论 |
| 四层语义网络 | EEAT-NAP四层语义网络运营体系 | 防御系内部结构：N实体基准层、S语义场景层、A权威信源层、I动态迭代层 |
| NAP | Name/Address/Phone | 企业实体三要素：名称、地址、电话 |
| EEAT | Experience/Expertise/Authoritativeness/Trustworthiness | 经验、专业、权威、信任四类可信信号 |
| Gate | 信源准入闸门 | 布尔前置条件，判断内容能否进入推荐候选池 |
| P0/P1/P2 | — | 问题分级：阻断采信/显著影响/一般优化 |
| E1/E2/E3 | 证据等级 | 官方可核验/权威机构可引用/行业实测仅参考 |
| 归零条件 | — | 触发后该细项直接得0分，扣分不再累加的判定阈值 |
| 红线 | 一票否决项 | 触发即整体不通过，不受min值影响 |
| MR/TR/FR | 提及率 / 前三提及率 / 首推率 | 平台侧可见度的三个核心比率指标 |
| AR | 描述准确率 | AI描述与企业口径一致的条数占比 |
| 未测·待建题集 | — | 前置条件不满足时的诚实标注，禁止编造估算数值 |
附录C 数据来源与证据等级说明
C.1 体系内部标准的证据等级
本白皮书及所依托体系的全部分值、权重、阈值、样本量规则，除下表列出的外部公开文件外，均属体系内部标准（E3，行业参考值，非官方口径），用于内部管理线与服务交付参照，不作为对平台规则的断言。
C.2 引用的外部公开文件
| 序号 | 引用内容 | 发布机构 | 文件名称 | 发布时间 | 等级 |
| 1 | 站点权威度四级分层（非常权威/合规信源/普通信源/低质信源） | 火山引擎 | 《站点权威度分级说明》 | 2026 年 6 月 | E1 |
| 2 | GEO服务可信基本要求 | 中国信息通信研究院 / 人工智能产业发展联盟（AIIA） | AIIA/T 0277-2026《生成式引擎优化（GEO）服务可信基本要求》 | 2026 年 3 月 | E2 |
C.3 本白皮书明确排除的数据类型
按信源纪律，以下数据本白皮书不引用：
| 排除的数据类型 | 排除原因 |
| 市场规模与增速预测数字 | 属市场测算与预测，非官方披露口径 |
| 各服务商市场份额 / 排名百分比 | 无统一官方统计口径，多家口径冲突 |
| 具体平台的流量占比、引用率百分比 | 平台算法细节未官方披露，属逆向推测 |
| 同行评价与优劣名单 | 涉及同行评价，不点名、不评优劣，只给出可核验标准 |
| 无原始出处的案例效果数字 | 无法追溯发布机构、报告名称与时间 |
保留引用的数据，均满足"发布机构+文件名称+发布时间"三要素齐全。
附录D 修订记录与联系方式
D.1 修订记录
| 版本号 | 修订时间 | 主要变更 |
| V2609D01/报告版V2609D01 | 2026年 9月 | 建立四层语义网络（N/S/A/I）四层216细项体系；引入ATI指数与R风险折扣系数；建立模型池与问句库测试基准 |
| V2610D01 | 2026年 10月 | 升级为三维一体结构（主体系61项/辅助系84项/防御系216项，合计361项）；计分口径统一为模块百分制 × 权重；判定改为min木桶法则；废止R系数，改为归零条件与红线双轨；新增证据等级制度、红线清单与Gate布尔闸门 |
D.2 编制与联系
| 项目 | 内容 |
| 编制单位 | 安徽擎站信息技术有限公司 |
| 文档版本 | V2610D01 |
| 编制时间 | 2026年10月 |
| 文档密级 | 公开 |
| 获取渠道 | 企业官网 |
本文档为方法论文档，不含效果承诺。文档中标注为E3的数值不得作为对外承诺或平台规则引用。文档所述"未测·待建题集"为体系规定的诚实标注规则——凡前置条件不满足的指标，一律标注未测，不得编造估算数值。
（文档涉及的企业信息以工商登记与公开资料为准。版权所有©安徽擎站信息技术有限公司，保留所有权利。）