我们按周把同一组 45 道中文问题发给配置好的 12 个 AI 引擎，每个回答存成一行记录。10 月 6 日（UTC）开跑的那一期，首轮跑完时拿到回答的是 323 行；第二天我们手动补跑，现在再查是 450 行。多出来的 127 行不是新任务。表里还是那 540 行，只是其中 127 行被补跑原地改写了：原来记的是「失败」或「跳过」，现在记的是「拿到回答」。表里只留最新结果，首轮是什么样子，要靠专

先说一个我们自己读错过的数字。某一期监测里，一个技术社区的域名在 AI 回答的引用列表里出现了 89 次。我们在那个社区也发过文章，于是想知道这 89 次里有几次是自己的。当时拿一条看上去说得通的路径通配规则去标「我方文章」，标出了 22 次。后来换成拿真实的文章 ID 逐条精确比对，结果是 0。精确比对是 0，说明那 89 次里没有一次是我们的，通配标出来的 22 次也全是别人的内容。路径通配匹

做 AI 搜索可见度监测这段时间，我们踩过的最没技术含量、又最难跟人解释清楚的一个坑，是「覆盖了多少个引擎」这句话到底在数什么。我们的配置里躺着 12 个 AI 引擎，每期定时任务会给这 12 个各下发一遍，跑批日志上 12 条记录整整齐齐。但拉报表算分母的时候，我们只敢用 11。差的那一个是 Claude。原因跟模型能力无关、跟该引擎的服务本身也无关——我方账号的登录态失效了，在我们取数的这 5

先说这篇要回答的问题：一个国产 AI 引擎在回答带推荐性质的提问时，到底会去引什么样的网站？这个问题很难泛泛地答，但可以在一个具体样本里数清楚。我们手上正好有这样一个样本：同一批 45 道题，在同一个窗口里问了 DeepSeek 一遍，每次回答返回的 citations 字段都原样存了下来。下面是把这 478 条引用逐条拆开之后看到的东西。题集：45 道按真实用户口吻写的问题，围绕 GEO / A

做 AI 搜索可见性这个方向的人，大概都好奇过同一个问题：当豆包、DeepSeek、ChatGPT 们回答一个带推荐性质的提问时，引用来源里到底是哪些网站？我们手里正好有一份能部分回答这个问题的数据。先把话说在前面：它有明确的局限——单一商户、单一话题、一周窗口——不是什么权威榜单。但 1548 次实测回答的 citations 域名统计，至少比凭感觉猜要靠谱一点。这份榜单此前没有公开过，这里把原