方法论与内容原则
本站如何决定"能说什么"：把检查、判断、观察分开；给出每个数字背后的条件；标注不确定性，而不是掩盖它。
原则
- 01
发现必须携带证据
报告应展示观察到了什么、在哪里、命中哪条规则，而不只是给结论。拿不出证据的说法，我们不会发布。
- 02
三类陈述，分开呈现
规则检查可以机器复核；内容建议需要人工判断；AI 回答观察是带条件的抽样。把它们混成一个分数，只会掩盖各自能说明什么。
- 03
数字必须带分母
"18 条有效回答中提及 6 次，2 次失败已排除"才是诚实的指标形态。没有样本量和失败处理的比率，本站不予发布。
- 04
不做保证
我们不承诺排名、AI 推荐或流量。任何"保证 AI 可见度"的承诺，都是在出售并不存在的确定性。
- 05
时间反映真实变更
指南的更新时间来自 Git 中真实的内容历史，而不是构建日期。
- 06
示例数据永远带标识
演示和导出使用虚构站点上的固定示例数据，并在所有位置保留"示例数据"标识，避免被当作真实检测。
本站的定位
指南教授的是可迁移的方法——如何检查、判断和验证——基于搜索引擎与 AI 助手公开、稳定的行为。它不能替代针对你具体网站的检测，也无法回答某个 AI 系统下周会不会引用你。
AI 可见度观察的已知局限
- 助手会个性化并随时调整行为；一次快照描述的是那一天，不是那个系统。
- 回答生成是非确定性的：同一问题可能得到不同的回答与引用。
- 地区和语言差异很大；一个市场的样本说明不了另一个市场。
- 提及、引用、准确性是三个不同的问题，需要分别报告。