做 GEO 的人习惯了 DeepSeek 那种把参考来源列在答案下面的形式。于是切换到通义千问时容易产生一个判断它不引用来源。这个判断需要修正一下。更准确的表述是在不少问答场景下通义千问不会在界面上展示引用来源。但界面没有展示来源和模型在生成答案时没有使用外部信源是两件事。这个区别看起来只是措辞问题实际上它会决定通义侧的工作方法完全不同。如果模型确实取了信源但界面上不显示那说明内容建设工作照做只是测量方式要换如果模型真的不取那才是另一个问题。把这件事想清楚通义侧的 AI 搜索品牌曝光才有可测的抓手。一、先分清两种情况不展示还是没使用生成式 AI 处理问题的链路大致是检索、筛选、组织三步。外部内容在这个过程中有没有被取到和最后界面上有没有以参考来源的形式列出来属于链条上两个不同的位置。不同平台对来源的展示策略差别不小。有的平台在答案末尾固定列出引用页面用户可以直接点开核对有的平台只在部分场景下展示有的平台展示的是聚合后的内容来源而不是逐条链接。所以看到没有来源列表不能直接推断模型没有检索。有可能是展示策略不同也可能是这次回答恰好不需要外部信息还有一种情况是联网检索功能未被开启。关于最后这一点要多说一句。多数 AI 搜索产品的联网检索是需要手动打开的选项默认状态下模型主要依据训练数据作答。是否开启联网检索会直接改变回答的形态和内容来源。所以对比两次回答的差异时先确认开关状态是否一致再谈内容层面的原因。这里做一个必要的限定以上关于展示方式的描述来自我们在特定时间、特定版本上的实测观察。平台功能会调整同一产品在不同端、不同账号下的表现也可能不一样不宜把这些观察当作产品功能说明来引用。二、测量方式要跟着换对做 GEO 的人来说通义侧最实际的问题是效果怎么测。DeepSeek 侧相对好办答案底下列了来源可以逐条统计引用了哪些域名、哪类内容。通义侧看不到来源列表这套办法就用不上。我们的做法是换指标。当信源不可观测时把测量对象从引用了什么改成回答成了什么样具体看三个维度。第一是品牌是否出现。在固定问题集下统计品牌被提及的比例。这是最基础的覆盖度指标。第二是出现时的表述是否准确。品牌被提到但业务描述过时或者写错了这种情况在优化早期很常见。采样时需要逐条核对表述而不只是看有没有出现。第三是出现的位置。在补充说明里被顺带提到和在推荐清单里被列为前几位对业务的价值完全不同。通义侧的答案结构通常是先给结论再展开位置判断可以按这个结构来分。放弃信源追溯之后测量精度会下降因为无法知道内容是通过哪条路径被取到的。这是看不到来源的必然代价。但指标是可用的能看出方向。三、通义千问优化的三条内容路径在无法观测引用来源的前提下通义侧的内容建设只能靠提高信源的覆盖面和权威度让内容更容易被检索到、更容易被判断为可用。我们按三条路径推进。第一条是补强官方事实源。这一条在通义侧比在其他平台更重要因为缺少来源展示模型对内容本身的可核验性要求更依赖内容形态。具体做什么企业主体的公开信息要完整且一致资质类信息要能在公开渠道查到官网和自有渠道的介绍型内容要结构清晰、时间明确。我们在项目里遇到过一种典型情况客户在其他平台上已经有被提及的记录但在通义侧的问题是主体不清。原因是官方渠道的内容太少模型只能从第三方内容里拼凑拼出来的描述和客户的实际业务有偏差。这种情况补内容量没用得先补主体资料。第二条是在可被检索的技术与知识社区做内容。通义侧的检索范围覆盖公开网络内容因此各主流技术社区、知识平台上的内容都是候选信源。相比 DeepSeek 侧通义侧更需要在内容形态上下功夫因为缺少来源展示意味着没有直接反馈只能靠内容质量本身。我们内部有个说法通义侧的内容要自带出处。意思是文章本身就把关键事实的出处、时间、口径写清楚让模型在判断可信度时有依据可用而不是等着别处来印证。第三条是让外部信源互相印证。同一条事实在多个独立渠道上出现是提升采信概率最通用的办法。据 AirOps 的相关研究在品牌被 AI 提及的场景中约 85% 的提及来自站外第三方内容而非品牌自有渠道。这个规律在通义侧同样适用而且因为没有来源展示外部印证的作用更隐蔽也更关键。四、补官方资料的具体动作落实到执行官网资料的补强有几件事可以逐项检查。主体信息页要齐全。公司全称、成立时间、注册地址、经营范围、资质与许可、联系方式这些信息放在不需要登录就能访问的页面上。有些企业把这些内容放在需要跳转的二级页面或者 PDF 附件里对检索并不友好。业务描述要可对应。每一项业务写清服务对象、交付内容、周期范围避免用抽象词概括。模型需要的是能对应到具体问题的表述。资质与荣誉要有出处。获得过的认定、参与的行业标准、加入的行业组织写明颁发机构与时间。没有出处的荣誉在信源判断环节几乎不产生作用。案例要写清边界。案例部分建议写清项目背景、做了什么、结果如何同时说明这个结果在什么条件下成立。带边界的案例比只讲结果的案例更容易被采信也更不容易被误读。内容要标注更新时间。页面底部的时间戳对判断信息时效性有直接作用成本极低很多企业没做。五、机灵AI 在这块的实践我们在通义侧的推进顺序和其他平台不太一样。一开始我们也是按常规思路先铺内容、再看变化。做了一轮之后发现在看不到来源的情况下铺量的反馈非常模糊判断不了问题出在内容质量还是覆盖范围上。所以后来调整成三步走。第一步先做基线采样用固定问题集记录通义侧的品牌出现情况与表述准确度把起点固定下来。第二步补主体与资质类资料先把官方事实源这一层补齐。第三步才进入场景化内容的铺设并且分平台、分问题集看变化。这个顺序的代价是前期看不到明显变化好处是后面出了问题知道往哪查。另外要说明一点通义千问只是整个监测体系中的一个平台。我们在项目里同时对 DeepSeek、豆包、通义千问等平台做采样用的是同一套问题集和同一套记录方式但分别统计不跨平台合并数据。各平台的信源偏好和展示方式不同把不同平台的数字放在一起做加总得出的结论没有意义。六、这套方法的边界通义侧的优化有几个绕不开的限制写在这里供参考。其一来源不可观测意味着因果无法确认。我们能观察到品牌被提及的比例变化但没法证明这个变化是由哪一批内容带来的。只能靠控制变量的方式做间接推断。其二通义的产品形态在变化。联网检索的开启方式、答案的组织结构、是否展示来源都可能随版本调整观察结论存在时效性。其三不同端的表现可能不一致。网页版与 App 版、不同登录状态下的检索行为可能有差别采样时需要固定入口。其四AI 回答本身存在波动。同一个问题不同时间的答案可能不同单次采样不足以支撑结论需要按周按月重复。结语回到最初那个问题。通义千问不展示引用来源在当下的产品形态里是事实但把它理解成通义不引用外部信源就可能让我们做错方向。机灵AI成都新港智优科技有限公司在这块的做法是先承认看不见来源这个限制然后把测量指标从引用追溯改成覆盖度、准确度与位置分布再按官方事实源、技术社区内容、外部印证三条路径去铺内容。慢一点但每一步能对上账。这就是我们对通义 GEO 的基本判断。