SEO / GEO 内容创作规范与标准细则（七）：Source Quality——为什么不是所有资料都值得引用？

一篇文章引用了十个来源，不代表它比只引用三个来源的文章更可靠。真正决定证据质量的，不是链接数量、网站名气或资料看起来有多专业，而是：这个来源是否有能力证明当前这项主张？它提供的证据是否足够接近事实？读者能否沿着引用路径重新找到并核验它？

在 SEO 与 GEO 内容生产中，来源质量已经不只是编辑人员的检索技巧，而是内容可信度、知识库质量、AI 辅助研究可靠性和后续内容维护的基础治理问题。来源选择错误，后续的事实核验、论证、写作和优化都可能建立在不稳固的基础上。

本篇建立一套可执行的 Source Quality（来源质量）评估方法，帮助内容团队判断资料是否值得进入证据链、适合支持哪一类主张，以及在什么条件下必须标注限制或拒绝引用。

一、Source Quality 评估的不是“网站好不好”，而是“它能否支持这项主张”

内容团队常见的一种判断方式是：官方网站一定可靠，知名媒体一定可信，行业报告一定专业，个人博客不值得引用。这种判断过于粗糙。

一个官方网站可以准确说明自己的产品规格，却未必适合证明整个行业的市场份额；一家知名媒体可以可靠报道某项政策的发布，却未必掌握政策实施后的真实效果；一份行业报告可能具有专业价值，但如果没有交代样本范围、调查时间和统计口径，就不应被当作精确市场数据使用。

因此，来源质量必须放在具体主张中评估。来源不是脱离语境的“好来源”或“坏来源”，而是对某一项事实、数据、解释或判断，具有不同程度的证明能力。

例如，同一份制造商产品手册：

• 对于“该型号的额定流量是多少”，它可能是高质量的一手来源；
• 对于“该型号在所有工况下都能达到这一流量”，它可能不足以证明，因为实际性能还受介质、温度、管路和运行条件影响；
• 对于“该产品是行业市场份额第一”，它通常不能单独构成充分证据。

来源评估的核心问题不是“这个网站是否权威”，而是“它与当前主张之间是否存在足够直接、明确、可核验的证据关系”。

二、先区分四个概念：Source、Evidence、Claim 与 Citation

在建立评估标准之前，需要把内容证据链中的四个概念分开。它们经常被混用，但承担不同职责。

概念	含义	需要回答的问题
Source（来源）	信息的发布者、载体或原始记录位置	是谁发布的？资料在哪里？
Evidence（证据）	来源中能够支持或反驳某项主张的具体内容	哪一段文字、数据、记录或方法构成证据？
Claim（主张）	文章希望读者接受的事实陈述、解释或结论	作者具体声称了什么？
Citation（引用）	把主张与来源、证据位置连接起来的引用关系	读者如何找到并复核证据？

仅仅在文章末尾列出一个来源链接，并不自动构成完整证据链。读者还需要知道这份资料支持文章中的哪一项主张，以及支持到什么程度。

一个合格的引用关系至少应满足三项要求：来源可识别、证据位置可定位、主张范围不超出证据能够支持的边界。

三、建立 SQ-8 来源质量评估模型

为了避免编辑人员仅凭网站声誉或个人印象判断资料，本文提出 SQ-8（Source Quality 8 Dimensions）评估模型。它由八个维度组成，用于组织来源审核、记录证据限制，并支持后续复核。

SQ-8 是本文提出的内容治理评估框架，不是 Google 公布的排名因素，也不代表搜索引擎使用了相同的评分模型。它的作用是帮助团队提高研究过程的可解释性和一致性。

1. Identity：来源身份是否清楚

首先确认发布者是谁，以及发布者与所述事项之间是什么关系。

需要检查发布机构或作者的名称、组织背景、作者身份、内容责任主体、原始发布页面，以及是否存在可以核验的机构介绍或作者资料。

匿名文章、无明确编辑主体的转载页、来源不明的图表和无法定位原始发布者的统计数据，都应降低信任等级。若资料来自企业自身，应同时识别其利益关系，而不是因为它是第一方资料就默认其所有结论都客观。

2. Proximity：来源距离事实有多近

来源与事实发生过程之间的距离，决定它可能掌握多少一手信息。

例如，监管机构发布的原始法规通常比新闻转述更接近政策文本；实验室的原始测试记录通常比一篇未说明测试条件的产品测评更接近实验结果；企业公开的原始财报通常比第三方对财报的二次摘要更接近经营数据。

但“一手”不等于“绝对正确”。企业对自身产品的描述虽然接近产品信息，却可能带有营销立场；当事方对事件的说明虽然属于第一手陈述，也可能只呈现其掌握的部分事实。评估时既要看证据距离，也要看信息边界。

3. Competence：发布者是否具备相应专业能力

来源主体是否有能力理解、测量、解释或发布当前领域的信息？应结合其专业职责、研究能力、技术资质、数据采集能力和长期工作记录判断。

专业能力必须与具体主张匹配。一个机构可能在统计方法上具有专业能力，却未必具备解释某项工程设备失效机理的技术能力；一位工程师可能熟悉某种设备的现场维护，却不一定能够代表整个行业给出市场规模结论。

不要把“知名度”直接等同于“专业能力”，也不要因为作者拥有某个头衔，就推定其所有领域的观点都具有同等证明力。

4. Methodology：方法是否透明、合理

当来源提供调查、实验、统计、排名或行业结论时，必须检查其方法是否足以支撑结论。

重点关注样本来源与规模、调查时间、地域范围、数据收集方式、指标定义、计算口径、排除条件、误差或局限说明，以及研究是否可以被重复或独立检查。

如果一份报告声称“超过 80% 的采购人员更关注供应商交付能力”，却没有说明调查对象、样本数量、调查时间和问题设计，那么这个比例就不应被当作普遍事实。它最多只能作为待核实的行业观点或研究线索。

5. Claim Fit：证据与文章主张是否匹配

这是最容易被忽略、却最重要的维度之一。来源即使真实、权威、专业，也可能无法证明文章引用它时所表达的那句话。

审核时应逐项对照：来源是否明确表达了相同含义？是否支持相同对象、时间、地域和条件？文章是否把相关性写成因果关系，把局部样本写成总体结论，把预测写成已发生事实，或把产品宣传语改写成独立验证结果？

如果来源只证明“某项技术正在试点”，文章就不能写成“该技术已在行业普遍应用”。如果来源只证明“某一型号在特定测试条件下达到某项指标”，文章就不能扩展为“所有型号在所有工况下均达到该指标”。

6. Timeliness：资料是否仍然有效

时效性不等于越新越好，而是判断资料是否适合当前主张。

政策、价格、软件功能、搜索引擎文档、市场数据和产品参数通常需要较高的时效性；基础理论、长期有效的技术原理和历史事件则不一定需要最新来源。

至少记录原始发布日期、最后更新时间、所描述事实的发生时间，以及当前是否存在替代版本。尤其要区分“页面更新时间”和“事实发生时间”：页面今天更新，不代表其中所有数据都是今天采集的。

7. Independence：来源是否真正独立

多个网页并不一定代表多个独立证据。如果十家媒体都引用同一份新闻稿，或者多篇文章都转载同一份研究报告，它们仍然可能只构成一个原始信息源。

应检查来源之间是否存在共同的数据提供者、共同作者、新闻稿、转载关系、商业合作或相同的原始引用。多个互相复制的页面不能被当作多方独立验证。

真正有价值的交叉验证，应尽可能来自不同的数据获取路径或不同责任主体。例如，将法规原文、监管机构解释和实际执行记录进行对照，而不是收集多篇转述同一份公告的文章。

8. Traceability：来源是否可以追溯和复核

最后要确认来源能否被后续人员重新找到、定位和核验。

记录稳定 URL、文档标题、发布机构、作者、发布日期、访问日期、版本号、页码或段落、数据表编号，以及必要的网页存档或文件副本。对于动态页面和经常更新的文档，应保存关键版本信息。

如果一条数据只存在于无法定位的截图、社交媒体转发或 AI 摘要中，即使它看起来合理，也不适合直接进入高重要性事实的证据链。

四、不同类型的来源，应该承担不同的证明任务

来源不应只按“权威程度”排成一条简单排行榜。不同来源拥有不同的信息权限、专业能力和局限。内容团队需要根据主张类型选择合适来源。

来源类型	适合支持的内容	主要限制
政府、监管机构及标准组织	法规、政策、标准、官方统计、监管要求	需要核对适用地区、版本、生效时间和解释范围
产品制造商及企业原始资料	产品规格、企业声明、服务范围、官方流程	存在商业立场；不能自动证明比较性或市场性结论
学术论文及研究机构	研究发现、实验方法、理论解释、特定样本结论	需要检查研究设计、样本、发表时间和适用范围
行业协会及专业组织	行业标准、成员调查、术语解释、行业观察	应识别会员范围、调查方法和组织立场
专业媒体	事件报道、采访、行业动态、专家观点	需追溯原始文件，区分记者核实与引用转述
专业人士及一线从业者	实践经验、操作细节、故障案例、经验判断	个人经验不等于总体规律；应标明场景和样本边界
论坛、社区及用户评论	用户体验、问题线索、常见困扰、使用反馈	身份、样本和真实性不稳定，不宜单独支持重大事实
企业营销材料及商业报告	企业公开主张、产品定位、研究线索	应核查商业利益、数据来源、方法和独立验证情况
AI 生成摘要或无原始出处的聚合内容	发现关键词、寻找线索、生成检索方向	不能替代原始证据，不能作为未经核验的事实来源

这张表不是固定的权威排名。某一份制造商技术手册，可能比一篇泛泛而谈的媒体文章更适合证明产品尺寸；某位长期从事现场维护的工程师，可能比非专业作者更了解特定故障的处理过程。但当文章要讨论整个行业的故障率时，单一工程师的经验又不足以支持总体结论。

五、识别不值得引用的资料：八类常见风险信号

来源审核不是为了让所有资料都通过，而是要尽早识别无法承担证明责任的内容。以下情况应触发进一步核查，必要时直接拒绝引用。

• 发布者不明：没有机构、作者或原始发布页面，无法确认信息责任主体。
• 原始出处缺失：反复出现“研究显示”“业内数据显示”，却没有可定位的报告、数据集或研究机构。
• 时间信息混乱：将转载日期当作事件日期，或使用过期数据描述当前状态。
• 方法不透明：给出精确比例、排名或市场规模，却不提供样本、口径和计算方式。
• 主张明显过度：证据只支持局部场景，文章却扩展成普遍规律、确定因果或绝对结论。
• 商业利益未披露：内容由产品供应方、代理商或付费推广方发布，却被包装成独立第三方评价。
• 重复转载冒充交叉验证：多个页面实际引用同一份原始材料，却被误认为多方独立证据。
• 无法追溯：链接失效、页面被替换、截图没有上下文，或无法确认引用内容的具体位置。

风险信号并不意味着资料一定虚假，而是意味着它不能在未经处理的情况下承担事实证明责任。团队应记录问题、寻找原始来源，或降低该资料在文章中的使用等级。

六、来源冲突时，不要简单地“多数表决”

研究过程中，经常会遇到多个来源对同一事实给出不同数字或不同解释。此时最常见的错误，是选择出现次数最多的说法，或者选择看起来最符合文章观点的数字。

更可靠的做法是先检查冲突是否真实存在。许多数字差异来自统计对象、时间窗口、地域范围、单位、定义或计算方式不同。例如，一份报告统计的是全球设备出货量，另一份统计的是某地区的安装量，两者不能直接比较。

建议按照以下顺序处理：

1. 统一定义：确认双方讨论的是同一指标、对象、单位和范围。
2. 核对时间：区分数据采集时间、报告发布日期和统计周期。
3. 追溯原始来源：查看二手报道是否准确转述原始数据，是否省略了限制条件。
4. 检查方法：比较样本、计算口径、测量方式和误差说明。
5. 保留差异：如果来源仍然无法统一，应说明差异及原因，不要人为制造一个看似确定的数字。

当高质量来源之间仍存在分歧时，文章可以如实呈现不同口径，并说明目前无法得出唯一结论。承认证据边界，比给出一个没有充分依据的确定答案更专业。

七、多个来源不等于多个独立证据

来源数量经常被误当成可信度指标。例如，一篇文章引用了五篇媒体报道，读者可能认为结论已经得到多方证实。但如果这五篇报道全部来自同一份企业新闻稿，它们只是在重复同一条信息。

因此，来源审核需要建立“来源依赖关系”。每个来源都应尽可能记录它引用了什么原始资料、数据由谁提供、是否转载其他页面，以及是否存在共同利益关系。

可以把来源关系分为三类：

• 独立证据：不同主体通过不同方式获得信息，能够对同一主张形成相互补充的验证。
• 派生证据：来源基于同一份原始报告、数据库或公告进行分析或转述。
• 重复转载：来源没有新增核验，仅复制或改写已有内容。

派生证据和重复转载并非完全没有价值。专业媒体可能补充背景、采访和解释，行业分析也可能提供独立判断。但不能把它们简单计数为多个独立事实来源。

八、案例：工业泵采购文章中的来源质量判断

假设团队正在撰写一篇面向 B2B 采购人员的工业泵选型文章，需要说明某类泵的适用工况、能效表现和维护要求。研究人员收集到以下资料：

资料	拟支持的主张	审核结论
制造商官方技术手册，列出型号、材质、流量范围和测试条件	产品规格及厂商声明的适用范围	可作为一手来源；必须保留型号、条件和版本信息
第三方实验室报告，说明测试设备、介质、温度和测量方法	特定测试条件下的性能数据	方法透明且对象匹配时，可作为较强证据
行业协会发布的年度调查	行业采购趋势或受访企业反馈	需核对样本范围、调查年份及会员代表性
经销商博客称某品牌“市场占有率第一”	品牌市场地位	商业利益明显，若无独立数据和口径说明，不宜引用为事实
论坛用户分享某型号运行故障	某个现场的使用问题和排查线索	可作为经验线索，需说明场景，不应据此推断普遍故障率
AI 摘要称该泵“适用于所有腐蚀性介质”	产品适用性	没有原始出处，且表述绝对化，应拒绝直接引用并回查材料

这组资料说明，来源审核不是给每个网站贴上永久标签，而是逐条检查“来源—证据—主张”的匹配关系。

如果制造商手册明确说明某种材质适用于特定浓度、温度范围的介质，文章就应保留这些限制；如果实验室报告只测试了一个型号，不能把结果推广到整个产品系列；如果论坛用户分享了一次密封失效经历，文章可以将其作为案例线索，但不能据此声称该型号存在普遍质量缺陷。

最终文章不一定需要引用最多的资料，而应优先使用能够直接支持核心结论、方法透明且可追溯的证据。

九、建立 Source Evaluation Record：来源评估记录 V1.0

如果来源审核只存在于编辑人员的个人判断中，团队很难在多人协作、内容更新和 AI 研究流程中保持一致。建议为重要来源建立统一记录，至少包含以下字段。

字段	记录要求
Source ID	来源唯一编号，便于在文章、知识库和审核记录中引用
Source Title	原始资料标题，不使用自行概括的标题替代
Publisher / Author	发布机构、作者或责任主体
Source Type	官方文件、研究报告、论文、企业资料、媒体报道、实践记录等
Original URL	原始链接；转载页面应另行标明
Published / Updated Date	发布日期、更新时间；无法确认时明确记录未知
Access Date	实际访问日期
Version / Locator	版本号、页码、章节、表格编号或段落位置
Claim Supported	该来源准备支持的具体主张，避免只填写宽泛主题
Evidence Extract	关键原文、数据或证据摘要，并保留上下文
Method / Scope	样本、时间、地域、条件、方法和适用范围
Limitations	利益关系、数据限制、代表性、时效性或其他已知局限
Dependency	是否引用其他来源；是否与其他资料存在共同原始出处
SQ-8 Review	八个维度的审核结果及必要说明
Decision	最终使用状态及审核人、审核日期

记录的重点不是把表格填满，而是保留足够信息，让另一位编辑在未来能够回答：这条主张为什么引用这个来源？证据具体在哪里？有哪些条件不能省略？如果页面更新或失效，是否还有办法复核？

十、为来源设置五种使用状态

建议不要只用“通过”和“不通过”两种状态。来源可能具有一定价值，但只适合用于特定场景。可以采用以下五级状态管理：

状态	含义	允许用途
Verified	来源身份清楚，证据与主张匹配，关键限制已核验	可支持对应主张；仍需保留适用范围
Verified with Limitations	来源基本可信，但存在时间、样本、地域或方法限制	可在明确标注限制后使用
Context Only	有助于理解背景、行业观点或问题语境，但不足以证明核心事实	仅用于背景说明或观点归属
Discovery Only	用于发现线索、关键词、原始报告或潜在研究对象	不得直接作为事实引用；必须继续追溯
Rejected	来源身份、证据质量或主张匹配存在不可接受的问题	不进入正式证据链

状态应绑定具体主张，而不是简单绑定整个域名。同一个来源可能对一项主张是 Verified，对另一项主张却只能是 Context Only。

十一、将来源质量审核嵌入内容生产流程

Source Quality 不应成为文章完成后的补充检查，而应出现在研究和写作的前段。推荐将其嵌入以下流程：

1. Source Discovery（来源发现）：从官方文档、原始研究、行业资料和专业实践中发现候选来源。
2. Source Capture（来源采集）：记录原始 URL、标题、发布者、日期、版本和关键位置。
3. Source Evaluation（来源评估）：按照 SQ-8 检查身份、距离、能力、方法、主张匹配、时效、独立性和可追溯性。
4. Claim Mapping（主张映射）：将来源中的证据映射到文章中的具体事实或结论。
5. Cross-Verification（交叉核验）：对高影响主张寻找独立来源或原始记录进行验证。
6. Evidence Approval（证据批准）：确认来源状态、限制条件和引用方式。
7. Source Archiving（来源归档）：保留版本、访问时间和证据定位信息，便于未来更新。

对低风险、常识性内容，可以采用轻量审核；对政策、技术参数、价格、安全、合规、市场规模和具有商业影响的结论，则应提高审核强度。审核资源应与错误可能造成的影响相匹配。

十二、AI 参与研究时，如何避免把“检索结果”误当成“可靠来源”

AI 工具能够快速汇总网页、提取数据和生成引用建议，但模型输出并不自动构成证据。AI 可能混淆发布日期与事件日期、把二手转述写成原始结论、拼接不同版本的数据，或生成看似完整却无法打开的引用。

因此，AI 应承担来源发现和初步整理工作，而不能独立完成最终来源批准。建议把以下要求加入研究提示词：

你是一名内容研究与来源审核助手。请对给定主题的候选资料进行 Source Quality 审核。

工作要求：
1. 优先寻找原始来源、官方文件、原始数据、研究论文和可核验的一手记录。
2. 对每条资料分别记录标题、发布者、作者、原始 URL、发布日期、更新时间、访问日期和版本信息。
3. 不得把搜索摘要、AI 摘要或二手转载当作原始证据。
4. 将文章中的每一项重要主张拆分为可核验的 Claim，并指出来源中的具体证据位置。
5. 按 SQ-8 八个维度评估：Identity、Proximity、Competence、Methodology、Claim Fit、Timeliness、Independence、Traceability。
6. 识别来源之间的转载、共同引用、商业关系和数据依赖，避免把重复转载计为独立验证。
7. 标明样本、时间、地域、指标定义、方法和适用边界。
8. 对证据不足、来源冲突或无法定位原始出处的内容明确标记，不得自行补全。
9. 将来源状态分为 Verified、Verified with Limitations、Context Only、Discovery Only、Rejected。
10. 输出来源评估表、主张—证据映射表、未解决问题和需要人工核验的事项。

禁止事项：
- 不得编造 URL、作者、报告名称、发布日期、数据或页码。
- 不得把相关性表述为因果关系。
- 不得把单一案例或小样本结论推广为普遍规律。
- 不得仅凭域名、机构名气或搜索排名判定来源可靠。
- 无法确认时必须明确写出“未核实”或“证据不足”。

AI 的输出应作为待审核材料进入流程。编辑人员仍需打开原始资料，确认引用内容确实存在，且没有脱离上下文。涉及高风险主张时，应由具备相应领域能力的人员完成复核。

十三、持续维护：来源质量不是一次性审核

来源可能失效、被修订、被新数据替代，也可能因为新的研究结果而改变其解释价值。内容发布后，来源治理仍然需要持续进行。

建议对以下情况设置复核触发条件：

• 官方文件、法规、产品手册或技术标准发布新版本；
• 原始网页发生重要修改，关键数据或结论被撤回；
• 引用链接失效、重定向到其他页面或无法访问原始版本；
• 新研究或独立数据与文章中的重要结论发生冲突；
• 来源主体更正数据、披露利益关系或调整方法；
• 文章中使用的价格、市场规模、政策状态和产品参数进入预设复核周期。

可以用以下指标观察来源治理是否真正运行：

指标	计算或观察方式	管理价值
Source Traceability Rate	具有可访问原始链接和明确定位信息的来源数 ÷ 已引用来源总数	判断证据是否容易复核
Claim Evidence Coverage	有明确证据支持的重要主张数 ÷ 重要主张总数	判断核心结论是否存在证据缺口
Primary Source Ratio	直接引用原始来源的引用数 ÷ 全部引用数	观察是否过度依赖二手转述；不应追求脱离场景的绝对高比例
Independent Verification Coverage	完成独立交叉核验的高影响主张数 ÷ 需要交叉核验的高影响主张数	判断关键结论是否得到独立验证
Broken Source Rate	失效或无法定位的引用数 ÷ 全部引用数	监控引用维护情况
Source Correction Rate	因来源错误、过期或误读而修订的内容数量及比例	识别研究流程中的系统性问题

这些指标是内容团队的内部治理指标，不是 Google 排名指标。它们的目的在于减少错误、提高可复核性，并帮助团队发现研究流程中最薄弱的环节。

十四、Source Quality 与 SEO / GEO 的关系：可信内容需要可验证的证据基础

Google 的公开内容指南强调，内容应当有帮助、可靠、以用户为中心，并建议创作者关注信息来源、作者背景、原创价值和内容质量。Google 关于 AI 搜索功能的说明也鼓励网站提供独特、有价值、能够体现第一手经验的内容。

这些公开指南可以支持一个审慎结论：来源质量和证据管理有助于内容团队生产更可靠、更有信息价值、也更容易被读者核验的内容。但不能据此推断 Google 存在一个名为 SQ-8 的算法评分，也不能声称某个来源审核表会直接提升排名。

对于 GEO 和 AI 搜索环境，来源质量的意义还在于降低内容中的事实错误和证据断裂。内容如果只重复二手摘要、缺少原始数据、没有清楚的适用条件，即使写得流畅，也难以形成稳定、可复用的专业知识资产。

更合理的目标是：让每项重要主张都有明确证据，让证据具有可追溯路径，让读者能够理解结论的适用边界。SEO 与 GEO 的优化应建立在这样的内容质量基础上，而不是用“权威域名数量”或“引用数量”替代真实核验。

十五、发布前来源质量检查清单

• 文章中的重要事实、数据和技术结论是否都能映射到具体证据？
• 是否优先检查了原始来源，而不是只依赖搜索摘要和二手文章？
• 来源身份、发布者和作者是否可以确认？
• 来源是否具备支持当前主张所需的专业能力？
• 研究或统计资料是否说明方法、样本、时间和范围？
• 引用是否保留原始条件，没有把局部结论扩大为普遍事实？
• 是否区分发布日期、更新时间和事实发生时间？
• 多个来源是否真正独立，还是重复引用同一份原始材料？
• 来源链接、版本和具体证据位置是否可追溯？
• 来源的局限和利益关系是否在必要时得到披露？
• AI 提供的来源和引用是否经过人工打开原文核验？
• 高影响主张是否完成了与风险相匹配的交叉验证？

如果重要主张无法回答这些问题，就不应为了让文章看起来更完整而勉强引用。可以继续研究、降低结论强度、明确标注未知，或者直接删除缺乏证据支持的内容。

结语：来源质量决定证据链的起点

内容专业性不是由引用数量堆出来的。一个来源是否值得引用，取决于它是否能够以清楚、直接、适当且可追溯的方式支持当前主张。

SQ-8 的价值，在于把“我觉得这个网站可信”转化为一组可以被团队讨论、记录和复核的问题：来源是谁、离事实多近、是否具备专业能力、方法是否透明、证据是否匹配、资料是否有效、来源是否独立，以及未来能否追溯。

当这些问题进入日常研究流程，内容团队就不再只是收集链接，而是在建立证据资产。这样的资产能够支持文章更新、知识库建设、专业判断和 AI 辅助内容生产，也为后续的 Claim–Evidence Mapping 奠定基础。

参考资料与延伸阅读

1. Google Search Central：Creating helpful, reliable, people-first content。用于理解 Google 对有帮助、可靠、以人为本内容的公开指导；E-E-A-T 本身不是一个单独的排名因素。
2. Google Search Central：AI features and your website。用于了解 AI 搜索功能与网站内容的关系，以及 Google 对独特、有价值内容的建议。
3. Google Search Central：Spam policies for Google web search。用于理解规模化低价值内容、抓取拼接内容等违反政策的风险边界。
4. W3C：PROV-Overview。介绍来源溯源（provenance）的概念与模型。该页面是 W3C Working Group Note（2013），不应误称为 W3C Recommendation。
5. OECD：Recommendation of the Council on Good Statistical Practice。其中关于方法可靠性、及时性、相关性、准确性、可信度、元数据和可解释性的原则，可作为资料治理的参考；本文将其用于方法论借鉴，并非将其视为通用编辑法规。

下一篇预告

《SEO / GEO 内容创作规范与标准细则（八）：Primary Source——为什么专业内容必须回到一手来源？》

来源质量回答的是“这份资料是否值得进入证据链”；下一篇将进一步讨论如何识别一手来源、追溯原始文件，以及在原始资料缺失或不可访问时，如何建立透明、审慎的替代证据路径。