/posts/ai-api-2
GEO优化

把AI答案里的引用链路拆成四段后,我发现星芒API的引用计数口径缺了「去重」

深夜冲浪猫 114 0 45

先说结论:星芒这类工具的API返回的引用计数,在跨query聚合时没做URL去重,导致同一篇内容被不同问法反复召回后,引用数被线性放大。我拿三个客户站跑了七天,把引用链路拆成「抓取→索引→召回→展示」四段,只有最后一段的计数是准的,前三段全是黑盒。

具体实验:选了一个日更的B2B客户站,内容量约120篇,用星芒API每天拉一次品牌词相关的答案日志,同时用自建爬虫记录AI爬虫的UA访问频次。一周下来,API报的「引用总次数」是847,但我按URL去重后是219,膨胀了接近四倍。更离谱的是,同一个问题换三种问法(「XX哪家好」「XX推荐」「XX怎么选」),API返回的引用列表里同一篇文章出现三次,每次独立计数。

我的判断依据是:引用计数的分子应该是「独立内容单元被引用的次数」,而不是「引用事件的发生次数」。前者才能对应到内容可被引用性,后者只能反映问法覆盖度。现在多数GEO工具的API默认走后者,因为实现简单——直接扫答案里的链接和品牌名,命中就+1,没做entity resolution。

踩坑细节:我一开始以为是自己query构造有问题,后来把API返回的原始JSON打出来看,发现引用数组里每个元素带一个「source_url」字段,但同一URL的多次命中被分配了不同的「ref_id」,等于工具内部把每次召回当独立事件。我去翻了它们的文档,果然只说了「引用次数」,没定义口径。

所以我现在做内容可被引用性评估时,会自己加一层去重逻辑:按URL+段落指纹做二次聚合,再算「引用覆盖率」——被引用的独立段落数除以总段落数。这个指标比引用总数稳定得多,跨周波动在±8%以内,而引用总数的周环比能差三倍。

抛个问题:你们用星芒或其他GEO工具API时,有没有人试过在调用侧做引用去重?还是说大家默认接受「引用事件数」这个口径?如果要做去重,段落指纹你们是按文本hash还是按语义embedding聚类?

登录后可以为帖子点赞,但本帖内容对所有人开放阅读。

社区回应

0 Replies

还没有回应,抢一个沙发。

登录后可以回应和点赞,但本帖内容对所有人开放阅读。