先给答案：信任是证据，不是平台技巧
一页内容可以技术健康、结构清楚、方便引用，却仍然没有被答案引擎展示为来源。这不证明背后有一道神秘“信任闸门”拒绝了它。页面可能根本没被选中，另一份来源可能更贴合问题，答案可能吸收了它的事实却没有给链接，也可能只是平台在这一次运行里表现不同。
站外证据仍然重要——先对人重要，有时也会影响系统如何检索一个人、项目或品牌。更谨慎的说法是：
让身份与证据容易核验，用真实工作赢得独立讨论，再测量这些变化是否影响来源选择或读者行为。
这是「GEO 生成式引擎优化」系列的第 4 篇（信任与背书）。上一篇 讨论站内结构；这一篇转向域名之外，但不把社区参与写成排名公式。
E-E-A-T：有用的自查框架，不是引用分数
Google 把 E-E-A-T 展开为 经验（Experience）、专业（Expertise）、权威（Authoritativeness）和可信（Trustworthiness）。以人为先的内容指南 说明，自动系统会综合多种因素，识别内容是否体现 E-E-A-T，其中 Trust 最重要。
同一份官方指南也写得很清楚：
E-E-A-T 本身不是一个特定排名因子。
Google 的质量评估员用这套概念判断搜索系统是否产生有帮助的结果，他们的评分不会直接决定某个页面的排名。Google 也没有说 Perplexity、ChatGPT、Claude 或所有答案引擎共享一套 E-E-A-T 引用分。
边界说清楚后，仍有大量值得做的事。
经验
把“我做过”写成可核验条件：
- 使用的环境与版本；
- 当时做出的决定；
- 观察到的失败；
- 修改前后的测量；
- 没有成功的部分；
- 这条观察最后一次确认的日期。
“我在一个 1,100 页的 Hugo 站点把构建从 18 秒降到 6 秒”只有在条件真实且可见时才有价值。脱离环境的数字，只是装饰。
专业
术语准确，事实与推断分开，关键论断回到原始证据，领域变化后及时修正。专业度不是一段里塞了多少缩写，而是读者能不能沿着你的推理检查结论。
权威
权威永远有语境。官方规范适合证明 API 契约；维护者适合解释项目发布流程；长期用户可能最清楚文档没有写到的故障模式。没有一个目录或社区能为所有问题永久授予权威。
可信
可信从普通的出版纪律开始：
- 可见作者与有内容的作者页；
- 清楚的发布日期和更新记录；
- 联系与纠错路径；
- HTTPS 与不欺骗用户；
- 来源支持附近完整主张；
- 披露激励、赞助与利益关系；
- 隐私做法与站点实际收集的数据匹配。
它们首先帮助读者决定是否依赖这篇文章。这个理由本身已经足够。
身份一致性：作者标记能做什么，不能做什么
Google 的 Article 结构化数据文档
建议：用正确的 Person 或 Organization 类型标记作者，并提供有效的 url 或 sameAs。目的很明确——帮助 Google 消歧内容作者。
一条干净的身份链大致是：
文章作者
↓
规范作者页
↓
官方账号与作品
这不支持“再加一个社交链接，就会提高 AI 引用率”的承诺。
当前博客的规范 Person 节点实际列出 7 个 sameAs URL：
- cubxxw.com；
- GitHub；
- X；
- LinkedIn；
- 知乎；
- Bilibili；
- YouTube。
正确的维护方向不是让列表越长越好，而是：
- 每个 URL 确实属于本人；
- 页面可见作者名与 markup 一致；
- 各平台简介没有互相冲突；
- 移除已废弃账号；
- 作者页解释与主题相关的项目和经验，不只放图标；
- 结构化数据与用户看得见的内容一致。
身份标记减少歧义，声誉仍要靠作品与证据生长。
站外引用研究真正说明了什么
旧稿曾为 Wikipedia、Reddit、YouTube 等平台给出普遍适用的引用占比和固定偏好，但没有连接到足以承担这些结论的原始数据与方法，因此本文不再保留这些数字。
一个更好的例子是 2026 年预印本 《How Large Language Models Source Brand Reputation Across Languages and Markets》 。在它的品牌声誉问答数据集中，85.7% 的引用指向品牌不拥有的第三方网站。
这条发现有严格边界：
- 它研究品牌声誉问题，不是所有信息查询；
- 结果属于特定平台、品牌、语言、提示和时间；
- 第三方引用可以正面、负面、中立、正确或错误；
- 引用频率不能暴露平台私有排名特征；
- 来源组合随市场变化：论文的波兰品牌样本里 YouTube 居首，本地招聘网站的引用也超过波兰语 Wikipedia。
真正耐久的观察是：来源生态会随市场改变。 危险捷径则是：“模型信任 Reddit 和 Wikipedia，所以我要把自己塞进去。”
引用频率不等于因果背书
假设某个数据集里 Reddit 被频繁引用，可能同时存在多种解释：
- 问题本身就在询问用户经验；
- 相关讨论量大且容易索引；
- 上游搜索中这些页面排名好；
- 回答试图增加观点多样性；
- 数据集偏向 Reddit 更有用的品类；
- 当前合作关系或产品实验改变了检索。
只有域名计数，无法告诉我们哪一种原因造成了某次引用。
“被频繁提及”也不等于“被认可”。安全事故、诉讼、宕机或差评都能制造大量第三方来源。必须把情感方向、事实支持与域名频率分开测。
五类来源，比域名排行榜更有用
我会按证据与对象的关系分组，而不是迷信某个主机名：
| 来源类型 | 例子 | 能证明什么 | 主要风险 |
|---|---|---|---|
| 自有（Owned） | 博客、文档、GitHub 组织、官方发布说明 | 你声称、发布和维护了什么 | 只有自述，没有独立支持 |
| 独立编辑（Earned editorial） | 独立文章、newsletter、播客、会议报道 | 别人认为这项工作值得报道 | 激励关系、浅层摘要、复制主张 |
| 社区（Community） | 论坛讨论、issue、问答、用户评价 | 真实体验、反对意见和边缘情况 | 水军、不可验证轶事、操纵 |
| 机构（Institutional） | 标准组织、大学、监管机构、专业协会 | 定义、证据、政策和资质 | 范围错配与文件过时 |
| 参考/名录（Reference） | Wikidata、注册库、精选目录 | 身份、标识符与可发现性 | 错误记录、知名度和利益冲突规则 |
没有一行自动压过其他来源。来源要与主张匹配：
- 版本看官方发布说明；
- 故障看事故报告；
- 比较看独立 benchmark；
- 社区讨论用来发现问题，再继续验证；
- 注册库证明标识符，不证明观点。
信任不是“多少著名域名提到我”，而是回答这个问题所需的证据是否真的支持主张。
分发先服务读者
个人博客没有新闻编辑部和 PR 预算，却常有大站难以保存的东西：做一件事时真实的纹理。
分发从“目标读者在哪里讨论”开始：
| 读者与任务 | 可能的渠道 |
|---|---|
| 中文工程讨论 | 知乎、掘金、V2EX、Bilibili、相关微信群 |
| 全球开发者讨论 | 项目论坛、Hacker News、Lobsters、dev.to、相关 subreddit |
| 开源实现 | GitHub README、release notes、issues、discussions、精选列表 |
| 研究或标准工作 | 学术社区、领域 newsletter、机构仓库 |
这张表是读者启发式，不是排名因子地图。不同项目可能一个都不需要。
适配，而不是喷洒
一篇扎实文章可以变成：
- 对社区真实问题的简洁回答；
- 可以复现的仓库；
- 演示视频；
- 聚焦失败的复盘；
- 会议提案；
- 一则邀请同行挑错的短文。
每个版本都应服从所在社区的表达方式。把同一段推广文案复制到所有地方，不是分发，是带着反链的噪音。
GitHub 只有在产物真实时才是证据
仓库可以让技术主张被检查：代码、测试、发布历史、issue 和复现步骤，都比一句“我有经验”更有力量。
但这不代表每个 GitHub 链接都是强 E-E-A-T 信号。为反链临时建一个空仓库，几乎证明不了任何事。先为读者构建一个能运行的产物，再把引用收益留作待测结果。
社区伦理就是信任的一部分
如果一个策略必须隐瞒你和页面的关系，它消耗的是信任，不是在建立信任。
披露关系
分享文章或项目时，直接说这是自己写的或维护的。读者可以诚实评估自荐，却无法评估一场没有披露的推广。
遵守社区规则
有的社区只在固定日期接受项目帖，有的要求长期参与，有的禁止自我推广。发帖前先读规则。一条链接因为违反规则被删除，不是“背书失败”，是分发动作失败。
不伪造讨论
不用小号、不购买评论、不安排虚假提问、不伪造评价，也不批量生成看似独立的文章。制造出来的共识不只欺骗用户，还会污染后来者依赖的证据。
把 Wikipedia 当百科，不当渠道
Wikipedia 有知名度、可靠来源、中立性和利益冲突规则。不要为了 GEO 给自己或项目创建、修改词条。如果未来的独立报道足以支持知名度，应由没有利益关系的编辑判断收录范围。
保留批评
一条发现 bug 的 issue 看起来不如发布稿漂亮，却能证明项目如何回应问题。为了让“实体足迹”干净而删除合理批评，会摧毁这套策略声称要建立的东西。
一套可重复的站外测量协议
目标不是证明“一次提及导致一次回答”，而是在不掩盖不确定性的前提下观察变化。
第一步：固定问题族
例如：
品牌问题：
- cubxxw 是什么？
- 谁在写 cubxxw.com？
品类问题：
- 有哪些关于 Hugo 与 AI Agent 的独立技术博客？
- 哪些资料适合学习 agent harness？
比较问题：
- cubxxw 与某个相关替代来源在具体任务上有什么差别？
证据问题：
- 哪些项目或文章能支持 cubxxw 在某主题上的实践经验？
一个小型个人站不一定值得出现在宽泛推荐问题里。“没有答案”也是有效数据。
第二步：记录环境
每次运行保留：
- 平台与产品模式；
- 界面可见模型（若有）；
- 精确提示；
- 日期、语言、国家和登录状态；
- 完整答案与引用 URL；
- 来源属于自有、独立编辑、社区、机构还是参考名录；
- 引用是否支持旁边主张；
- 情感为正面、负面、中立还是混合。
第三步：分开结果
沿用第 2 篇的测量模型 ，至少分开：
- selection：来源是否被选中或展示引用；
- absorption：回答是否使用其独特事实、措辞或证据；
- 身份准确性：人、站点与项目是否被正确连接；
- 主张支持度：来源是否完整支持回答；
- 读者结果：引荐流量是否产生有价值的互动。
在逐项看清之前，不要揉成一个“信任总分”。
第四步：先建基线，再做单变量修改
介入前，先在多天里重复运行固定问题。之后只改变一个分发变量：
- 为某篇文章发布真实可运行的仓库；
- 在一个社区给出有内容的回答；
- 修正跨平台身份冲突；
- 用可验证经验完善作者页；
- 赢得一篇独立评测或一次播客讨论。
保留未修改页面作为对照，重复同一问题，并报告分子、分母、时间窗与不确定性。
第五步：设置复查与停止条件
不存在“信任三个月后必然见效”的规则。复查日期应由发布频率和预期发现延迟决定。出现这些情况就停止实验：
- 约定窗口内没有相关读者；
- 维持渠道必须不断自我推广；
- 引用变化无法与平台漂移区分；
- 渠道维护成本超过读者价值；
- 动作与社区规则或编辑伦理冲突。
慢不一定等于复利，有时只是渠道选错。
这套框架落回我的博客
实际基础比旧稿描述得更完整：
- 规范
Person实体连接了 7 个已确认账号； - 每篇文章已经指向真实作者；
- 技术文章常有一手命令、失败与产物；
- 双语站点天然适合测试市场与语言差异。
下一步应该小而可观察：
- 让作者页解释当前角色和相关项目，不只列账号；
- 检查页面可见简介与结构化数据一致；
- 选三篇真正有可运行产物的技术文章；
- 只在能接上真实讨论的社区分享；
- 每次分享都披露作者关系；
- 记录引荐质量和固定问题集中的引用变化；
- 把负面与中立提及也留在证据账本。
我不会再开七个新账号、追求 Wikipedia 词条，或把每篇文章复制十份。身份靠一致变清楚，声誉靠别人有理由讨论的工作变扎实。
FAQ
独立作者能有权威吗？
可以，但要限定主题与主张。权威不是贴在人身上的永久等级。持续的一手实践、准确解释、可运行产物、公开纠错和独立使用，可以让作者在某个具体问题上成为有价值的来源。
每篇文章都应该发 Reddit 吗？
不。只有文章确实回答了某个 subreddit 的真实问题，并且规则允许作者链接时才适合。其他社区同理。
sameAs 会提高 AI 引用吗？
Google 把 sameAs 和作者 URL 记录为身份消歧辅助，并没有承诺 AI 引用提升。先实现准确 markup，再测量结果，不提前宣布因果信号。
外链已经不重要了吗？
不是。链接帮助读者发现内容，也是网页与搜索生态的一部分。但含义取决于语境：相关文档里的真实引用，不等于目录条目或临时创建的账号链接。
站外信任要多久？
没有统一时长。先建基线，定义介入动作、复查窗口与停止条件，然后报告什么变了、什么没变。
背书真正意味着什么
旧稿把背书缩成一张域名排行榜：去模型经常引用的站点露面，然后等信任流回来。它之所以诱人，是因为把声誉变成了一张采购清单。
真实背书更难：
有用的工作
↓
可检查的证据
↓
独立使用、讨论或批评
↓
准确的身份与主张连接
↓
被测量的读者与引用结果
这条链的中间部分无法命令。你能做的是让成果值得验证，诚实披露自己的关系，并在别人回应时保留证据。
信任不是一个账号如何介绍自己。
信任是一条主张经过别人双手之后，还能剩下多少。
- 上一篇：GEO 结构化内容实战
- 下一篇：博客重建案例
读者回响