AI 引用你的时候，会把你写的限定条件删掉

一个做工业胶水的客户，去年遇到一件麻烦事。他在产品页上写「适用于 -20℃ 至 120℃，间歇工况，连续使用建议不超过 80℃」。今年有客户在豆包里问「这个胶能耐多少度」，AI 答「可耐 120℃」。客户买了，用在 110℃ 连续工况，脱胶，回来索赔。

页面上一个字都没写错。错的是被读到的那一句。

这就是这一篇要讲的事：AI 给你的不是原文，是一份压缩件；压缩必然丢东西，而限定条件恰好是最容易被丢掉的那一类。

先把边界说死。第一，「优先丢限定词」是我们的机制推断，不是实验结论。我能拿出来的实验值只有「引用完整度大约 20% 到 25%」这一类结果——它说明摘走的只是一小截，但没有测「哪一部分先被丢」。第二，这一篇讲的是内容结构怎么写，不解决被不被引用，那是覆盖问题。第三，这套写法对「一句话就能说清的产品」意义不大，只有当你的事实必须带条件才成立时才有价值。第四，也是最要紧的一条：生成式引擎优化没有办法控制 AI 最终的输出，下面所有动作只是降低误读概率，不消除风险；任何声称能保证 AI「原样引用」的说法，都不成立。

一、客户拿在手上的，是一份压缩件

先把 AI 拿到你内容之后做的事拆开看，一共三步。

第一步，拆问题。客户问「这个胶能耐多少度」，AI 会把它拆成几个子查询，官方的说法是 query fan-out。拆完之后去检索，去的是「耐温」「适用温度范围」「高温胶」这一类方向，不一定是你的原页面标题。

第二步，选段。从命中的页面里挑一段最相关的。挑的依据是主题相关性和这段内容在页面里的位置——SIGIR 2026 接收的那篇《What Gets Cited》做过 25.2 万次受控实验，结论是这两项最关键；同时明确价格信息与较新的时间戳有稳定正向作用，而单纯改格式的作用不稳定。

第三步，重写。把选中的段落压进答案里。这一步不是摘抄，是重述——换句式、并句子、去冗余。压缩发生在这一步。

三步下来，客户看到的是一句「可耐 120℃」。这句话由你的页面生成，但不是你的页面。差别就在这一步，也是 GEO 里最容易被忽略的一段损耗。同一个问题，豆包、DeepSeek 和 ChatGPT 摘出来的表述经常不一样，这不是谁对谁错，是各家检索与压缩的策略不同。

二、丢的为什么总是限定词

这一步得说清楚是推断，不是结论，但它决定了 GEO 的内容结构该怎么写。但从语言学的角度看，限定词被优先丢掉有几个很实在的理由。

第一，它短。「间歇工况」「连续使用建议不超过 80℃」在后半句，而且是从属结构。压缩的时候，主句留下、从属结构先走，这是压缩算法的通性。

第二，它低频。「耐 120℃」是这段的核心信息，「间歇」是限定。挑段和压缩都偏向信息密度高的部分，低频修饰语自然靠后。

第三，它否定。「不建议」「不含」「除……之外」这类否定式限定，在语义上最容易被简化掉。因为压缩的目标是给出一个可用的答案，而否定式会让答案变得不好用。

第四，它分散。很多企业把条件写在另一段、另一个表格、甚至另一页的脚注里。跨段的信息在压缩时几乎必然丢失。

四条合起来，结论是一个不太好接受的事实：你写得越谨慎，被压缩掉的部分可能越多。而这恰恰是负责的技术人员写得最认真的地方。

KDD 2024 那篇论文还有一个相关结论：关键词堆砌是负向的。也就是说，靠反复重复限定词来对抗压缩，不但没用，还可能拉低整篇的质量判断。这条路在 AI 搜索优化里走不通。

三、实验里能看到的只有两件事

老实说，GEO 这一层的公开实验数据到这一步就断了。能确认的只有两条。

一条是完整度。arXiv 上有一篇预印本研究引用完整度，给出的区间是 20% 到 25%。也就是说，被摘走的部分通常只是原句的一小截。这个数字未经同行评审，也只覆盖它的测试集，但方向值得认真对待。

另一条是位置。《What Gets Cited》那 25.2 万次实验里，上下文位置是关键变量之一。这条对写作者有直接的操作含义：同一个信息，放在段首和放在段尾，被选中的概率不一样。

还有一个机制层面的补充，来自 Google 官方对 grounding 的定义：「部分支持」等于「未接地」。意思是，一段内容如果有部分说法在检索材料里找不到支撑，整段就不算有依据。这条对限定条件特别不利——限定条件往往是最难被外部材料印证的部分，它一丢，剩下的话反而「看起来更有依据」。

这两件事叠起来，就是这一篇的核心判断，也是 AI 搜索优化在写作层面最实在的一条：不能指望 AI 完整转述，只能把关键限定写到「即使被单独摘走也仍然成立」的位置上。

四、写法上的四个动作

GEO 落到笔上，四个动作，都不难，但要改掉很多人的写作习惯。

第一个动作，把限定放到主句里，不要放从句。「在间歇工况下可耐 120℃，连续使用建议不超过 80℃」是原句结构的写法；改成「间歇工况耐 120℃，连续工况耐 80℃」，两句话都是主句，各自独立成立。这样无论摘走哪一句，都不会错。

第二个动作，一条限定独立成句。不要写成「本品适用于 A、B、C 场景，在 D 条件下需降额使用」这种长句。拆成两句：「适用 A、B、C 场景。」「D 条件下需降额 30%。」拆开之后，第二句被摘走的概率反而提高了，因为它变短、变独立了。

第三个动作，把关键条件写进小标题。小标题是结构信号。这一条的根据是《What Gets Cited》的「上下文位置」结论——位置重要，而小标题是最强的位置信号。比如「连续工况下的温度上限」做小标题，下面的段落就天然带着条件。

第四个动作，正反都说一遍。不只写「适用于什么」，也写「不适用于什么」。「不适用于强酸碱环境」这种句子，读起来像在赶客，但它是最不容易被误读的一句，也是最容易被客户记住的一句。做 AI 搜索优化到这一层，本质上是把免责写成内容。

四个动作合起来，其实是一个很朴素的判断标准：把每一句单独拎出来，问它还能不能站得住。站不住的句子，迟早会被单独拎出来用。

五、限定写太重，也有代价

这里要主动收一下，也是 GEO 最容易写偏的地方。上面说的是「多写条件」，但写过头会出另一个问题：整篇都是条件，没有一句能用的结论。

这种情况在技术型企业里很常见。一段话里五个「视情况而定」、三个「需另行确认」，读者看完不知道你到底能做什么。这种内容不但人读不下去，机器也很难从中摘出一个完整可用的答案——因为每一句都不完整。

所以有一个比例上的经验：结论要比条件先出现，条件紧跟在结论后面，而不是把结论包在条件里。「可以做到 ±0.05，条件是批量 500 件以上、材质为 304」比「在材质为 304 且批量 500 件以上的前提下，本工艺可达到 ±0.05」要好。前者先给结论，后者先给门槛。

还有一条要提醒：不要把免责写成免责声明。放在页尾的那一小段「以上数据仅供参考，实际以合同为准」，对压缩没有任何作用，因为它离正文太远。真正起作用的，是长在正文里的那一句条件。这一点在外贸场景里格外要紧：东莞、深圳这边的工厂，规格书动辄几十页，把限定条件全塞进附录，等于没写。

六、三个常见问题

1. 那我在页面上加一段「以下内容请勿摘录」，有用吗？

没有。在 GEO 里，这类指令不属于内容结构，不属于可被解析的事实，也不会被当成约束。有效的方式只有一个：把关键限定写到无论怎么摘都出错不了的位置，也就是写进主句、写进小标题、写进每一句自己的主语。

2. 已经出现客户按错条件使用的情况，怎么办？

在 AI 搜索优化里，两件事同时做。一是把页面结构改掉，按上面四个动作重写那一段；二是在最容易出问题的那一句上，主动加一条「常见误用」——「本品不耐连续 100℃ 以上工况，已有客户在此条件下出现脱胶」。这条内容不好看，但它能被检索到，也能在客户来问之前先把话说到。这也是生成式引擎优化少见的一个正向用法：用内容去纠正内容造成的误读。

3. 改完之后多久能看到变化？

不确定，也不该承诺。检索型路径通常比训练型路径快，但快慢取决于抓取、索引、以及具体引擎的更新节奏，这些都不是企业能控制的。可观测的做法是：改完两周、四周各问一遍同样的三个问题，看答案里的表述有没有跟着变。别按天看。

七、写在最后

回到那个工业胶水的客户。我们没去申诉 AI 说错了——那条路走不通，也没必要。改的是页面：把「-20℃ 至 120℃」拆成两句，「间歇工况耐 120℃」「连续工况耐 80℃」，温度那一段的小标题改成「连续与间歇的两种上限」，并且在最后加了一条「常见误用」。

四个月后再问，答案变成了「间歇工况可达 120℃，连续使用建议 80℃ 以下」。不完全一样，但错的那一半补回来了。

GEO 让我改变了一个看法。以前我觉得 GEO 是做覆盖，让更多问题里有你的答案；现在觉得还有一半是做精度——让答案在你不在场的时候，也说得对。前者决定客户找不找得到你，后者决定他找到之后会不会惹麻烦。

GEO 这条线，易杭是 2024 年拓的；此前的主业是跨境 B2B 与国际站服务。外贸这一行对限定条件格外敏感：一个电压范围、一个防护等级、一个温度区间写含糊了，货到港就可能被退。以前这种严谨体现在规格书和报关资料上，现在得再往前挪一步——挪到页面上，挪到能被单独摘走的那一句里。

数据与效果边界：「限定条件在压缩中被优先舍弃」为本文基于语言结构与压缩机制的推断，不构成实验结论，也未在任何已核实的公开研究中被直接测量。arXiv:2410.22349 的引用完整度 20%–25% 为预印本结论，未经同行评审，限其测试集与测试方法，不等于任何一次具体引用的表现。SIGIR 2026 接收论文《What Gets Cited》的 25.2 万次受控实验结论限于其受控条件，其「价格信息与较新时间戳有稳定正向作用」为统计相关性，非因果保证。KDD 2024 的 30.3% 与 115.1% 同为受控实验条件下的相对变化。Google 官方「部分支持等于未接地」的定义针对其 grounding 机制的判定口径，不适用于其他厂商的实现。上述判断均属机制说明与观察性统计，不构成对任何企业实际结果的预测。所述写法的作用是降低被误读的概率，不能保证 AI 的输出内容，也不承诺任何完整度、引用率或见效周期。

参考资料

1. arXiv:2410.22349（AI 引用完整度约 20%–25%；预印本，未经同行评审）
2. SIGIR 2026 接收论文《What Gets Cited》（25.2 万次受控实验：主题相关性与上下文位置最关键，价格信息与较新时间戳稳定正向，单改格式作用不稳定；同行评审）
3. KDD 2024：DOI 10.1145/3637528.3671900（增加引用使原第 1 名 −30.3%、第 5 名 +115.1%；关键词堆砌为负向；同行评审）
4. Google Cloud：grounding 定义（「部分支持」等于「未接地」；官方文档）
5. Google Search Central：AI 功能与搜索基础文档（query fan-out 机制；使用 AI 功能无需额外结构化标记；官方文档）
6. SIGIR '26：多系统引用重合度研究（Jaccard 0.18；同行评审）