查询扇出与AEO

机制：query fan-out（查询扇出）

• AI 构建回答时，把 Google 搜索当作工具使用：针对你的一个问题，模型在后台追加生成可能多达数十条相关查询，逐条检索，需要实时信息时再请求数据后端。
• 最终"仍然是搜索在发生"——每条后台查询都会与内容配对。你的页面是否被选中，取决于它对某条具体查询是不是最有帮助的内容。
• 传统搜索质量信号完整保留：垃圾内容信号会被排除，权威性/有用性信号决定是否被引用并附链接。模型被专门训练了"如何找信息、如何判断信息对不对、如何检查自己的工作"。

创作者策略（两条）

1. 经典质量准则依然有效：满足用户意图、给出来源和引用、原创而非重复了 500 遍的信息——Google 的 human rater guidelines（打磨了几十年的公开文档）仍是对齐目标，因为最终是"一个 AI 在做 research 找信息"。
2. 对准 AI 时代的新查询类型：AI 带来的增量提问集中在建议类、how-to 类、复杂多约束需求。创作者应自问："人们会用 AI 问什么样的问题？我的内容能否成为那类需求的最佳答案？"——而不是继续只优化关键词短查询。