我顺着AI答案里那句“截至去年”，扒出了它引用链上的三层老账

这几天闲着没事干，把手上几个项目的 AI 回答逐条抠时间词——就是那种「截至2023年」「去年年底」「目前」之类的表述。抠完一统计，约三成的引用来源是过期的，有的是去年的新闻稿，有的是已经改过的旧版页面。

我没急着骂工具，先顺着引用链往上翻，发现这账得拆成三层看。

第一层：源页面的时间戳本身就在说谎。
有个客户的产品页，页脚挂着「更新于2024年」，可正文里引的价格表还是两年前的。AI 抓的时候大概率只认了页脚那个日期，把整页当新内容用。这让我想起早年在厂里管图纸，归档员图省事，封皮换了新的，里面图纸没换，后来装配车间照着干，返工返了半个月。时间戳不核到内容级，等于没核。

第二层：AI 引用的是二手转述，不是原始出处。
有三条引用指向的是某行业媒体的「盘点文章」，而那篇文章自己也是抄来的，原始数据早被更新过。AI 图省事啃了转述，答案自然跟着旧。

第三层：也是最坑的——同一个问题，AI 在不同时间点给出的引用源不一样。
我隔一周重问同样的问题，引用列表换了小一半，但答案措辞几乎没变。这说明它答的时候未必真读了最新那条，只是旧结论还站得住就懒得换。

所以我的判断是：GEO 里谈「时效」，不能只盯内容发布日，得盯「引用链的最后一跳」是不是活的。 工具能给你导引用列表，但列表里哪条是新鲜的、哪条是僵尸，还得人肉点开看。我上周随机点了三十条，四条打不开，两条跳转到改版后的无关页。

实操上我现在加了一道笨办法：每个季度抽一批核心问题，人工核一遍引用源的可达性和内容日期，做个「引用保鲜表」。费事，但比事后被客户问「这数据哪年的」强。

抛个具体问题给大家：你们核引用时效的时候，是只看源页面的发布时间，还是会点进去比对正文里的数据年份？有没有人试过把「引用源可达率」当成一个固定监测指标来跑？