把 AI 的回答当作待验证的线索，而不是可直接引用的结论，是做事实核查更稳妥的起点。拿到 AI 回答之后，有哪些实操方式做事实核查，关键不在于反复换一种问法，而在于把一句看似完整的话拆成来源、时间、范围和结论，再用能回溯的原始页面逐项比对。涉及页面抓取、索引和引用表现时，单次搜索结果也不足以下判断，需要留存查询条件与页面版本。
先把一句话拆成几条能判断的断言
AI 常把多个信息拼进一句话，例如某页面已被抓取、内容已进入索引、结构化数据有效、某平台会引用该页面。这其实是四类不同的断言，不能因为其中一项成立，就顺带接受其余几项。把回答复制到记录页后，可按“谁做了什么、发生在何时、面向什么范围、依据是什么”切开。
拆分后要给每条断言标注类别：原文直接写明的事实、根据事实作出的推测、缺少出处的结论。原文写明的内容可以回到该页对应段落比对；推测只能保留条件；没有出处的内容应暂缓采用。这样处理能避免 AI 把相邻概念混在一起，例如把爬虫访问写成内容已被收录。
原始出处比二次转述更值得花时间
事实核查应尽量回到规则制定方、数据产生方或事件当事方的原始材料。若 AI 提到抓取规则，可查看搜索引擎关于抓取与索引的说明；若提到结构化数据属性，可查看 Schema.org 对类型和属性的定义；若提到某篇文章的观点，则应阅读文章原文而非只看摘要。
阅读时别只找相同关键词。要看原文是否真的回答了 AI 的那句话，尤其留意适用对象、例外条件和更新时间。一个页面写“允许抓取”，不等于写“会被索引”；一个页面标注了结构化数据，也不等于出现特定展示或被 AI 回答采用。原文说到哪里，结论就停在哪里。
时间、版本和范围最容易被悄悄带偏
很多回答在逻辑上没有明显问题，却把旧规则、旧页面或局部案例说成当前通用结论。查看页面日期、文档修订记录、产品版本和适用地区，能排除不少这类偏差。没有明确日期的页面，可以记录访问日期，并在引用时避免写成长期不变的规则。
范围也要单独写出来。例如“某搜索引擎支持某项标记”不等于所有搜索服务都有相同行为；“某网页可访问”也不等于移动端、不同地区或未登录用户看到的内容一致。涉及 AI 搜索时，不同产品、不同提问方式和不同时间的回答都可能变化，效果无法通用判断，需用自家数据验证。
页面能打开，不等于机器能正确理解
面向 GEO 的内容核查，不应只盯着文字对不对，还要检查页面是否能被访问和理解。浏览器中能正常打开的页面，可能因为登录限制、脚本加载失败、返回状态异常或页面重复，导致搜索服务获取到的内容与读者所见不同。Google Search Central 的《抓取、编入索引和呈现》说明了抓取、编入索引与呈现是不同环节，应分开观察。
结构化数据也要看它是否与页面正文一致。Schema.org 对类型与属性提供词汇定义，但它描述的是信息含义，不替代正文事实。企业名称、作者、日期、产品名称、地址等实体信息若在标题、正文、页面标记和其他自有页面中写法不一致，AI 可能难以判断它们是否指向同一对象。这里的重点是消除自相矛盾，不是堆更多标记。
把核查做成五步，结果才方便复盘
下面这套做法适合核对 AI 对网页、规则说明、机构信息和数据结论的回答。它把“我看过了”变成可回看的一组记录，也方便团队成员在后续页面更新时找到判断依据。
- 摘出原句：保留 AI 的完整表述，并圈出人名、机构、日期、数字、因果关系和范围词。
- 找到原始材料：优先寻找规则文本、原始数据页、完整公告或原文页面；找不到时，把该句标为待定，不把它写进正式内容。
- 逐项比对：记录原文对应段落、页面标题、访问日期和不同之处；数字要同时看统计口径与时间范围。
- 检查页面状态：查看页面能否直接访问、正文是否完整呈现、是否存在重复版本；涉及网页机制时，把抓取、索引、展示和引用分别记录。
- 建立观察闭环：选定一个主转化事件，例如有效表单；连续记录引荐来源、落地页、有效表单和成交状态，并按销售周期设定归因窗口。AI 引荐点击、答案出现和爬虫访问应分开统计，效果无法通用判断，需用自家数据验证。
遇到说不清的内容，别硬把它写成事实
来源之间不一致时，先不要急着选一边。可以并列写出各自的时间、适用范围和原话，再判断它们是否回答的是同一个问题。有时所谓矛盾，只是一个材料讲技术规则，另一个材料讲产品界面；一个描述历史版本，另一个描述当前版本。
如果原始材料没有给出明确结论，更合适的写法是“现有材料只说明了某项条件”或“该结果仍需用自家查询记录验证”。这比补足一个听起来顺畅的答案更有用。对外发布前，把事实、推测和行动建议分段写，读者与 AI 摘要系统都更容易识别内容边界。