一次AI可提取性審計，揪出6個隱身標題標簽后，我的網站得分從65飆到100

當AI助手回答一個問題時，它會從少數幾個網頁中擷取句子并給出引用。你的頁面是否“可被擷取”，并不是玄學，而是一組可以從HTML標記里測量、打分、修復的機械屬性。

過去90天，微軟Bing網站管理員工具報告顯示，我的33個頁面獲得了1600次AI引用。但真正讓我意外的，是一次針對自家頁面的可提取性審計——主頁居然只得了65分（滿分100）。

問題出在五個UI卡片組件上。它們把標題渲染成了

和 標簽。這六個標題在視覺上完全不可見，既未改變一個像素，也沒刪掉一個詞，卻把我頁面在AI提取管道里的分數壓得一塌糊涂。修復很簡單：把這些標題降級為保留ARIA語義的段落標簽。一刀不切、一字不改，分數立刻跳到100。

這個結果讓我意識到，大部分關于“讓AI更好地抓取內容”的建議都集中在第一站（robots.txt、站點地圖、llms.txt）和第三站（結構化數據、實體信號），而第二站——提取（Extraction）——才是真正便宜、無聲失敗的環節。頁面檢索正常、歸因順暢，但提取很差，就永遠不會出現在AI回答里，而且沒有任何提示告訴你為什么。

AI引用管道：檢索、提取、歸因

一次AI引用其實是三部機器流程的最后一步，你的頁面必須三關全過：

檢索（Retrieve）：引擎的爬蟲被允許抓取你的頁面，而且確實抓取到了。
提取（Extract）：模型能在你的標記中找到干凈、自成一體的答案塊。
歸因（Attribute）：引擎足夠確信是誰說的，才把你的名字放在引用旁邊。

大部分技術文檔和SEO建議都在強調第一關和第三關，但第二關的改進空間最大。因為它純粹是HTML工程問題，而且失敗是靜默的。一個頁面可能被完美抓取、完美歸因，但提取環節斷裂了，就永遠沒有露臉的機會。

所謂“可提取性”（Extractability），就是把第二關變成可度量的版本：一個解析器走在渲染后的HTML里，能不能在清晰限定的標題下找到自成一體的答案塊？這次審計用五個檢查項來打分，滿分100，任何一項都可以手工驗證。

75分以上落在“可提取”區間，40到74分屬于“部分可提取”，40分以下則是“不可提取”。這套區間來自我維護的《AI可見性就緒框架》，但那五個檢查本身與引擎無關——它們編碼了檢索增強系統如何按標題切塊、嵌入、并抽取與查詢匹配塊開頭句子的方式。

最關鍵的一點：審計統計的是渲染DOM里每一個

、 和 標簽，而不是你在CMS里寫了多少標題，而是你的組件庫產出了多少標題。這中間的落差，正是我那六個看不見的故障點所在。

審計前置：工具和頁面

動手之前需要三樣東西：一個能測量并部署的在線站點（我用的SvelteKit，所有修復方式都可以直接平移到React、Vue或純HTML）；裝有 requests 和 beautifulsoup4 的 Python 3.10 以上環境；以及來自搜索控制臺的數據，用來選定要審計的頁面。我用的是Bing網站管理員工具，加上一個 GitHub Action 把檢查塞進CI流水線。

六個隱身標題是怎么被發現的

審計腳本遍歷渲染后的DOM，統計所有標題標簽，然后對比頁面上可見的語義區塊。很快，五個卡片組件的標題浮出水面——每一個都被封裝成

或 ，但在頁面上既沒有視覺層級，也并非內容的邏輯分段。它們是純裝飾性的標簽污染了標題樹，讓分塊器把連貫的段落切成碎塊，導致檢索系統找不到自包含的答案段。

修復方法一分鐘不到：把這些標題標簽換成帶有 aria-level 屬性的

，保留原有輔助功能語義，同時從標題統計中移除它們。提交、推送、CI綠燈，分數立刻變成滿分。沒有改一行CSS，沒有任何可見變化。

五步檢查法，把提取性變成硬指標

具體來說，審計包含五個檢查點，每一個都可以手工復查：

1. 標題數量：頁面是否至少有一個 ？每個 下屬的 數量是否合理？
2. 標題內容：每個標題是否對應一塊有意義的內容？那些空標題或重復標題會被識別出來。
3. 答案塊：在每個標題下是否能找到至少一個自成一體的段落，足以獨立回答一個可能的問題？
4. 信息密度：答案塊中的句子長度、專有名詞密度和事實密度是否足夠，而不是一堆模糊用語？
5. 分塊完整性：同一塊內容是否被多余的標題截斷，導致提取的時候只拿到半截答案？

所有檢查都基于渲染后的HTML，因為AI爬蟲處理的不是你的源碼，而是瀏覽器看到的樣子。這也正是“看不見的標題”能夠藏身的原因。

把檢查塞進CI，讓分數不再回退

一次性修復不值得寫教程。真正有價值的是把審計變成每次構建的一部分。我寫了一個簡短的Python腳本，接收一個URL，返回0到100的分數，然后用 GitHub Action 把它掛在每次部署之前。如果任頁面的分數跌破75，構建直接失敗，拒絕部署。

這一步讓“可提取性”變成和單元測試一樣硬的東西。團隊里沒有人需要理解什么是標題污染，CI會替你記住。自那以后，再也沒有不可見的卡片標題溜進主頁。

AI可見性的便宜突破口

當下討論“內容被AI引用”時，大量精力砸在結構化數據和爬蟲權限上。這些當然重要，但第二關——提取——才是目前回報率最高的優化區間，因為它幾乎零成本，失敗方式極度隱蔽。

你甚至不需要猜測自己的頁面表現。跑一遍DOM統計，看看有多少標題是組件庫偷偷塞進去的，檢查一下每個標題下是否真有可以單獨成立的答案。很可能，分數從“部分可提取”跳到“可提取”，只需要改幾行HTML標簽。

這次審計讓我學到的另一件事是：AI引用并非不可捉摸。它有一組可度量的前序條件，而這些條件就躺在你的HTML里，等著被爬蟲讀取。與其期待下一次算法更新，不如先檢查一下，自己頁面上有沒有六個看不見的標題標簽。