它其实有两条记忆通道
一条是训练时烧进参数里的。另一条是回答的时候临时从外部捞进来的。前者叫参数化记忆,后者通常被叫作检索增强,也就是RAG。 我们平时说的“被AI引用”,绝大多数发生在第二条通道上。 为什么。因为参数记忆的更新时间是以月甚至年计的。你今天发的内容,指望模型把它背下来,不现实。 举个例子。你问AI一个上周发生的新闻,它能答上来,靠的不是它记住了,是它在回答前先去搜了一圈。搜到的网页被塞进上下文,然后它才看着这些材料组织语言。 所以引用的本质是什么。你的内容在检索环节被捞出来了,并且被判定为值得放进上下文窗口。
检索那一步,才是真正的考场
这一步经常被忽略。 模型看不到你的整个网页。它看到的是一堆被切碎的文本块,英文里叫chunk。切得好不好,直接决定你能不能进下一轮。 我见过不少内容,整篇写得挺扎实,但通篇没有小标题,段落长到离谱。切块工具一刀下去,切出来的东西语义是断的。开头半句话,结尾半句话。检索的时候匹配度自然就低。 那怎么办。 从实操角度看,比较稳妥的做法是让每个段落尽量自包含。一段讲一件事。段首用一句话把这段的核心讲清楚。 标题也别写得太文艺。“浅谈XX的几点思考”这种,检索系统根本不知道你在说什么。写清楚一点。哪怕土一点。 另外,时间信息要放在显眼的位置。模型对时效性是有偏好的,但它得先看见你的发布日期。
被引用,和给你导流,是两回事

几个容易踩的坑
