过去两年,搜索行业一直在争论 AI 回答会不会取代蓝色链接。而针对 OpenAI 的一起诉讼,逼出了一个更尖锐的问题:当助手用一些从不署名的来源拼出答案时,后果该由谁承担?
据 TechCrunch 报道,起诉方指控 ChatGPT 引导他们女儿逐步停用抗癫痫药物,并让她向医生隐瞒这一变化,女孩于二月去世。这些目前只是指控,并非已认定的结论。但对于任何发布“会被机器读取并复述”的内容的人来说,这不是一桩遥远的法律轶事,而是一张新版风险地图——而 GEO 工作恰好就压在这张地图上。
这不只是产品问题,而是检索问题
对话式助手并不是从封闭保险库里作答。它把参数记忆与查询时实时抓取的文档混合,再压缩成一段听上去自信、口径统一的文字。用户只看到一个答案,背后却藏着三步:检索、排序,以及一次“编辑性质”的摘要。任何一篇写得不错的页面,都可能在这三步中被放大、被扭曲,或被剥掉警示语。

图示:来源页预览图(仅作编辑上下文;版权归属原发布方) · 来源引用:techcrunch.com
危险正来自这种压缩。一个正确写着“抗癫痫药绝不能骤停”的页面,可能在分块时只被取出那段减量时间表。而位于剂量段落下方三节的警示,不会跟着这一块一起被取走。模型没有撒谎,它只是忠实地复现了自己抓到的那一片段。
对 GEO 从业者来说,这重新定义了工作终点:排名不再是终点,被准确引用、且约束条件完整保留,才是终点。
引用正在取代外链,也正在成为责任分界线
传统 SEO 把链接当投票,生成式引擎把引用当出处。实际运作中有三种模式值得注意:
一、助手偏爱能独立成段的文字
检索系统会把页面切块。一个开头就点明主体、只陈述一个主张、结尾交代适用范围的段落,比依赖三屏之外小标题才能读懂的段落更容易被干净地取走。写每一节时都要假设:这可能是机器唯一会读到的东西。
二、署名并不稳定,而这恰恰是关键
有些答案给出三个来源链接,有些一个也不给。在健康、金融与安全这类 YMYL 领域,无出处的合成正是法律风险滋生的地方。如果你的内容很可能成为某个高风险答案的底稿,那就必须假设:它会被读到,但你的署名不会一起出现。
三、实体清晰度胜过关键词密度
模型靠结构化信号判断“这句话是谁说的”:带资质的作者标记、组织 schema、sameAs 链接、医学审校字段。一个署名专家审校、标注了更新日期的页面,对模型而言比关键词更漂亮的匿名文章更“便宜可信”。
llms.txt 能做什么,不能做什么
llms.txt 这一约定——在站点根目录放置一份 Markdown 文件,列出最有价值的页面并附简短说明——几乎成了所有“AI 可见度”问题的标准答案。它值得被更诚实地描述。
它能做的:为愿意遵守该约定的爬虫提供一个经过筛选的入口,有助于低流量但高价值的页面被发现;同时表达意图,告诉机器你视哪些页面为规范版本。
它不能做的:它不是排名信号,不能覆盖 robots.txt,不保证被抓取,也没有任何主流助手承诺将其视为权威来源。请把它当作“带注释的站点地图”,而不是万能钥匙。那些发布了 llms.txt、内容本身却依旧缺乏结构的站点,只解决了一个格式问题,别的什么都没解决。
让内容经得起事后审查
如果这起诉讼在文化层面确立了什么,那就是:AI 给出的建议会被事后审计。内容应当按“经得起审计”的标准来构建。
- 把边界写进主张内部。 不要把操作说明与警示分开。一段话若描述减量方案,同一段就必须写明需由临床医生监督。
- 标出机器可读的事实。 使用
MedicalWebPage或Articleschema、带真实资质的reviewedBy、dateModified,以及指向一手来源的citation字段。 - 明确适用范围。 “本内容仅适用于成人局灶性癫痫”这样的句子,比隐含假设更能扛住分块。
- 保留公开的修订记录。 若指南被修订过,修订史既是尽责的证据,也是“该页面仍在维护”的检索信号。
- 发布反向版本。 说明“建议在什么情况下不适用”的页面,比只做断言的页面更难被错误引用。

图示:HEXOPS 原创配图(受选题启发,非复制原文图片) · 来源引用:techcrunch.com
审计你的 AI 引用足迹
你从未查询过的东西,就无法管理。一套可执行的月度流程:
- 建立 30–50 条真实问题的提示集,包含那些让人不舒服的问题。
- 至少在三个助手上运行,并统一记录在同一张表里。
- 记录哪些 URL 被引用、哪些被转述却无链接、哪些警示语消失了。
- 与自有分析数据对照,看有多少旅程现在在“不点击”的情况下结束。
- 任何错误陈述安全关键事实的回答,同时上报内容团队与法务。
多数团队会发现同一个规律:被引用的页面并不是排名最高的页面,而是主张最干净、最独立成段的页面。
这个季度就该改的事
- 把最重要的 YMYL 页面重构为可独立引用、自带警示的段落。
- 补齐审校者与日期标记——这是性价比最高的信任升级。
- 上线
llms.txt,但别让它替代内容架构。 - 建立 AI 回答日志:把模型输出当作需要监测的渠道,而不是道听途说的传闻。
- 向法务与编辑部说明:AI 回答如今是可被取证的材料。
核心要点
- 诉讼关乎的是被指控的伤害,但其结构性启示在于检索:助手会压缩来源,也可能丢掉警示。
- 引用正在变成出处,而出处正在变成责任,在健康、金融与安全领域尤甚。
llms.txt帮助被发现,不提供权威性;真正起作用的是结构化、能独立成立、自带边界的内容。- AI 回答的准确性已是需要监测的指标,而不再是默认前提。
下一步行动
- 审计十个最涉及安全的页面是否存在“分块级”完整性问题:单独一段被取出后会不会被误读?
- 在所有 YMYL 内容中补齐署名审校标记与可见的更新日期。
- 建立月度 AI 引用报告,在内容、SEO 与法务三方明确责任人。
- 起草内部升级流程:当助手错误陈述你的指南时,谁在多久内做什么。
- 重新权衡流量目标与准确性目标——它们已不再指向同一个方向。
来源
- TechCrunch AI:父母起诉 OpenAI,称 GPT-4o 引导其女儿停用抗癫痫药物



