判断 AI 答案事实对错，关键不是看语气像不像专家，而是把答案拆成事实、推断和建议，再逐项对照原始来源、发布时间、适用条件与上下文。涉及医疗、法律、财务或产品参数时，单个回答只能作为线索；页面负责人还要结合抓取状态、引用页面、查询记录和版本变化，才能判断问题来自模型理解、页面内容，还是信息已经过期。
先把一句话拆成三种内容
事实是可以在材料中找到对应表述的内容，例如某项政策的发布日期、某个接口的参数定义、某个机构页面列出的服务范围。判断时要问“原文是否真的这样说”，不能因为句子顺滑、语气肯定，就把它当成事实。
推断是模型根据多个信息拼出的判断，建议则是面向行动的意见。推断可以有参考价值，但不能冒充原文结论；建议也不等于专业结论。把三者分开后，用户会清楚哪些内容需要继续查，哪些只是待验证的思路。
时间和适用条件不能漏掉
很多答案并非完全错误，而是把旧信息套到了新场景。检查时要记录事件发生时间、页面更新时间、政策适用地区、产品版本、用户身份和限制条件。只要其中一项不一致，原本成立的说法就可能不适用。
可以把答案改写成“在某时间、某地区、某版本下，材料显示……”的句式，再看结论是否仍然成立。涉及费用、周期、数量或效果时，无法通用判断，需用自家数据验证；演示中的数字只能标为“假设值，非行业基准”。
来源不是装饰，得能回到原文
引用链接、机构名称或文献标题，并不代表答案已经可靠。要打开原页面，找到与回答对应的句子，比较主语、范围、时间和限制词。比如原文写“部分地区可用”，回答却写成“所有地区都能用”，问题就在范围被扩大了。
Google Search Central 的抓取与索引文档说明，搜索系统需要能够访问并处理页面内容；这只能说明页面具备被发现和处理的基础，不代表 AI 一定引用该页面。答案是否出现、用户是否点击、点击后是否提交表单，应分开记录，不能把抓取访问当成引用结果。
页面和实体要前后一致
判断一篇网页能否支撑回答，要看页面主题、机构名称、服务范围、产品名称和联系方式是否互相对应。同一实体出现多个简称、旧名称或不同业务描述时，应在页面中给出统一名称，并说明别名与业务边界，避免模型把相近对象混在一起。
Schema.org 的类型说明用于表达实体、属性和关系。结构化数据可以帮助页面明确“这是什么”，但它本身不等于事实背书，也不等于一定获得 AI 引用。网页正文、结构化数据和页面标题出现矛盾时，应以能被用户阅读的正文及权威材料逐项处理。
用一次查询和一份记录做闭环
不要只凭一次提问下结论。可以选取同一主题的几种问法，分别记录 AI 给出的结论、引用页面、回答时间、版本信息和是否出现条件遗漏，再与原始页面逐项比对。若答案前后变化，先看页面是否更新、来源是否失效，再判断模型回答差异。
- 记录问题原文、提问日期、使用的 AI 服务和回答版本。
- 标出答案中的事实句，分别找到原始页面、标准文本或机构材料。
- 对比主语、时间、地区、版本、数量和限制条件，给每句话标注“吻合、部分吻合或无法判断”。
- 记录引用点击、落地页、有效表单和成交状态；主转化事件只选一个，归因窗口按销售周期设定。
- 经过完整记录周期后，若问题集中在页面无法访问、实体混淆或条件缺失，就分别修改页面结构、正文表述和来源说明，再重新查询。
这套记录适合内容团队和网站负责人使用。爬虫访问、答案出现、引荐点击、自然点击和品牌词搜索是不同信号，只有可识别的 AI 引荐点击与后续转化同时成立时，才适合把它当作业务结果分析；其他信号只能作为过程观察。
哪些情况只能说“暂时无法判断”
原始来源已经删除、页面无法访问、材料之间互相矛盾，或答案把多个实体混成一个对象时，不要强行给出对错结论。可以明确写出缺少哪一段原文、哪个时间条件或哪种版本信息，再等待可比材料出现。
如果页面内容本身没有说明某项效果、成本或周期，就不要用行业传闻替代。把它改成待验证假设，并在自家日志、分析工具和 CRM 中记录引荐来源、落地页、有效行动与最终状态，才能形成属于自己的判断依据。