# AI 搜索一边想要新的，一边只信老的——GEO 的时间-信任悖论该这么解

做 GEO 的人，大概都听过这两句互相打架的话。

一句是：内容要新鲜，AI 才愿意用你。模型的知识有截止时间，检索端总在拉最新的网页，你不更新就要被新出来的东西顶掉。
另一句是：内容要老，AI 才敢信你。权威和背书是靠时间攒出来的，一篇刚发出来的东西，凭什么让模型在回答里点名引用你。

这两句单独拎出来都对，放一起就是悖论：你又想要新的，又想要信任，可新和信，天生互相拖后腿。

我今天想把这个结掰开一点，顺便拿我们官网自己的更新做例子，别嫌我自曝。

## 一个活样本：今天的资讯流就是"新但不信"的现场

打开 xiaojiuai.cn 的资讯栏，今天早上自动抓了一批新闻稿，从量子位到 TechCrunch 都有。像《在受版权保护的书籍上训练AI模型是否合法？这很复杂》，发布时间就是今天早上 8 点，够新鲜了吧。

可你要是拿同一句话去问模型"AI 训练用版权书到底合不合法"，它大概率不会引用我这条。为什么？因为这是我转的二手新闻，没有一手作者信度锚点，没有可追溯的实验数据，也没人给它背书。它出现在 RAG 检索结果里，只配当背景语料，不配被点名。

这就是时效悖论的典型现场：**内容够新，但信任分不够，检索得到了，引用不到。**

## 三个真实坑，做 GEO 迟早都会踩

**坑一：常青内容变"僵尸"，不是内容烂，是时间标签烂了。**
很多站点压箱底的好文，讲原理、讲方法，放三年也不过时。但模型检索时看到发布链路很久没动，或者文章里写着"截至2024年"，就会在时间相关性上给它降权。文章本身没坏，是它身上没贴着"我还有效"的标签。GEO 里这类内容往往直接被率、目录率双低，钱都白压在老货上。

**坑二：刚发的干货，权威分还没攒够。**
反过来，你真挖到一手数据、写了深度解析，当天发出去，检索端也认识你这篇文章。但模型点名的逻辑里，"新的""准确的"和"可信的"是分开算的。一篇没有历史、没有外部引用、没有作者资历锚点的新内容，哪怕内容是对的，也只被当成"仅供参考"。新，反而成了它不被采信的软肋。

**坑三：聚合转载是最尴尬的一档。**
时效有了，信度没有，而且因为是拼装内容，RAG 分块的时候信噪比特别差——模型抓到一段，既分不清是你的原创还是别人的观点，也没法给它一个明确的出处。这类页面占了大量站点的"更新频率"，却对 GEO 几乎零贡献。这说的就是我前面那批资讯转载，也包括很多靠日报/快讯刷更新的站。

## 下半场，能做的是这三件

第一，给常青内容做"时效刷新"，而不是大改。在文首加一行"本文结论截至 X 年仍适用"，给关键论断标上适用范围，把过时的并列句删掉。让模型的检索端读到一个"虽然旧的但明确标着还有效"的页面——这种人肉维护的成本很低，却能把僵尸货重新拉进候选。

第二，给时效内容挂"信任锚"。一手数据、原作者署名、可追溯的实验链接，能挂多少挂多少。宁可少一篇拼装快讯，也不要让刚发的新内容裸奔着等模型来信。对站点来说，锚点越多，新内容被点名引用的概率越大。

第三，固定按时间窗做"新旧比例体检"。别只看总字数、总更新量，把内容按发布时间分桶，看每个时间窗里被 AI 检索/抽取的比例。你会发现大多数站点是两头断：最旧的没刷新、最新的没锚点，中间的反而最健康。知道这个，比你闷头天天发文要管用。

去 xiaojiuai.cn 看锐评页，你可以随手拿一条我们自己的资讯帖做个测试：问问不同的 AI"这条消息靠不靠谱、源头是谁"，看看它是把你当来源，还是当背景板。这本身就是个很好的体检。再说句实在的，迷榖GEO 这块也一直在盯着这两个维度做测量——先量好时间过时率，再量信任层的被点名率，不拿单日的更新量糊弄人。

## 我的态度：别二选一，管好"时间-信任"的二维位置

很多人把 GEO 简单粗暴地划成两派：一派追新，内容运营天天发；一派守旧，只深耕老内容。我两个都不站。

因为 AI 回答里的"用不用你"，从来不是一个分数，而是两个维度：时间上够不够新，信任上够不够稳。你缺哪个，模型就把你放在哪个位置——缺新鲜的，你就当背景语料；缺信任的，你就只配被带过。单押任何一头，都是把另一头的地基让出去。

我也承认这事不好量化。时间维度看过时率还勉强能测，信任维度的"被点名率"到现在也没有个统一的口径，各家服务商报的数字更是各说各话。所以这篇我不想吹什么"一套方法全搞定"——那都是忽悠。

但方向我得说清楚：**别被"越新越容易被引用"这句话带偏，也别迷信"老内容注定僵尸"。真正值钱的，是让每一篇内容在 AI 检索里都有一个清楚的时间标签和一个够硬的信任锚点。** 这两件事都做到，它才能既被检索到、又被点名引用。

做 GEO 到这份上，拼的早就不只是内容好坏，而是你把"新"和"信"这两件事，分别安排得明明白白。