同一篇文档喂给四个AI搜索，引用方式差出三档，我拆了字段级命中

先说结论：同一篇结构化文档，在四个主流生成式搜索入口里被引用的方式完全不是一回事，差异不在“谁更聪明”，而在字段级命中粒度。最近拿一批自己写的技术文档（带明确的小标题层级、表格、代码块和FAQ结构）做了组对照，每篇只改一个变量，看引用有没有变。样本不大，四十来篇，但趋势挺稳定。

实验设置

• 文档结构统一：H2 层级、每段控制在 120 字内、关键结论前置、表格带 caption、FAQ 用 Q/A 成对。
• 变量：只改段落位置、是否把结论写成陈述句、表格是否带单位、代码块是否有注释。
• 观察指标：引用片段是整段、单句还是跨段拼接；引用位置是首段还是中段；有没有把表格转述成自然语言。

跑出来的几个区间

1. 结论前置的段落被整段引用的比例明显高于结论后置，差距大概在 25%–40% 之间，具体看入口。
2. 带 caption 的表格被转述成自然语言的概率高，但转述时丢单位的问题很普遍，四个入口里三个会把“MB/s”写成“MB”。
3. FAQ 成对结构对引用位置影响最大：Q/A 成对的文档，引用更容易落在问答段；纯叙述结构的引用点更分散，跨段拼接多。
4. 代码块带注释的，被引用的片段更完整；不带注释的，经常只截函数签名。

踩坑细节
最坑的是“跨段拼接”：一个入口会把 H2 下的第一句和第三段最后一句拼在一起当作引用，语义没坏但逻辑关系变了。我逐个核对了二十来次，发现触发条件是两段都用代词开头（“它”“这”），模型在切分时把指代关系拉平了。改成每段首句用名词复指之后，拼接率降了一半左右。

另一个观察：四个入口对“版本号”这类字段的保留意愿不一样。同样写“v2.3.1 起支持”，有的入口完整保留，有的直接省略成“最新版本支持”。这对技术文档是致命的，因为版本号本身就是可引用性的锚点。

我的判断
GEO 的工程化不在“多写点关键词”，而在把文档拆成可被独立引用的最小语义单元，并且保证每个单元不依赖上下文就能站住。星芒那类工具的 API 可以批量跑这种字段级命中率，但免费公益版在并发和字段维度上确实有上限，想跑变量对照得自己补采集层。

想请教各位
你们有没有遇到过引用片段“跨段拼接”导致语义漂移的情况？如果想量化这个漂移率，除了人工标注，有没有人试过用嵌入相似度做自动筛查，阈值大概卡在哪个区间比较稳？