目标证据没有进入候选源池时，GEO负责人先排查入口链路，而不是急着改答案文案。通用答案引擎、RAG问答、Agent式浏览、企业知识库和多轮对话的入口不同，缺席原因也不同；把查询、切片、权限、工具日志和复测记录分层，才能看清证据在哪里断开。
2026年AI平台为什么会让目标证据缺席候选源池？
候选源缺席通常发生在答案生成前的5个入口环节：查询改写、抓取索引、切片入库、权限过滤、工具调用。
候选源池是模型生成回答前可见的证据集合，可能是网页搜索结果、向量库片段、连接器返回项、浏览工具打开的页面，也可能是上一轮对话保留下来的上下文。GEO负责人看到“目标页面没被引用”时，先不要把它归为内容质量问题，因为目标证据可能从未进入模型可用的材料范围。
召回失败和采用失败是两件事。召回失败指目标证据没有进入候选源池；采用失败指目标证据进入了候选源池，却没有被最终回答吸收。前者查入口，后者查证据表达、冲突源、答案压缩和引用呈现。若两者混在一起，团队会把时间花在改标题、改摘要、改FAQ上，却忽略了索引未刷新、权限过滤或工具路径偏移。
跨平台差异的关键，是每个平台暴露的“候选源线索”不同。OpenAI Web search可查看搜索动作、查询和来源列表；Perplexity Search API返回结构化results[]；Google与Gemini的grounding metadata包含webSearchQueries、groundingChunks等字段；Azure AI Search agentic retrieval可返回source references与activity log。公共界面未展示候选源时，也要用可观察字段或复测矩阵替代主观判断。
| 平台形态 | 候选源入口 | 典型缺席原因 | 可观察字段 | 先查动作 |
|---|---|---|---|---|
| 通用答案引擎 | 网页搜索、来源列表、搜索入口 | 用户问题被改写到另一个语义簇，目标页没有匹配改写查询 | web_search_call.action、sources、results[]、webSearchQueries |
对比原问、改写查询、候选URL |
| RAG问答 | 向量库、关键词索引、文件片段 | 切片边界切断了实体、条件和结论，属性过滤排除了文件 | search_query、file_id、filename、attributes |
用同义问法与属性组合复搜 |
| Agent式浏览 | search、open、find、extract等工具链 | 工具打开网页但未抽取关键段，或页面内容需要交互后才可见 | open_page、find_in_page、tool trace、页面快照 |
复盘工具路径与页面可读文本 |
| 企业知识库 | 连接器、ACL、知识源参数 | 用户身份无权读资料，连接器未同步，元数据范围过窄 | retrievalQueries、source references、activity log、ACL命中 |
切换身份、知识源、过滤条件复测 |
| 多轮对话 | 历史上下文、会话状态、缓存材料 | 上一轮问题压住新条件，系统沿用旧检索意图 | turn id、history window、tool calls per turn | 新会话与同会话并行复测 |
来源：OpenAI API Docs《Web search》《File search》《Retrieval》、Microsoft Learn《Agentic Retrieval Overview》、Google AI for Developers《Generating content》、Google Cloud《GroundingMetadata》、Perplexity Docs《Search the Web》，公共核对日期：2026-06-15。
通用答案引擎怎样因查询改写漏掉目标证据？
通用答案引擎的召回缺口，常出现在3类查询改写中：实体别名改写、任务意图改写、时间条件改写。
通用答案引擎不会总是按用户原句检索。用户问“AI平台证据召回失败怎么查”，系统可能改写成“AI search source missing troubleshooting”“RAG retrieval failure evidence”“why citations missing in AI answers”等不同方向。目标页面若只覆盖中文术语，却缺少英文别名、工具字段和排查场景，就可能被改写后的查询绕开。
实体别名改写影响品牌和平台名。比如“企业知识库”可能被理解为“knowledge base”“connector”“vector store”“SharePoint source”；“候选源”可能被理解为“sources”“search results”“grounding chunks”。如果页面只写一个中文叫法，通用答案引擎在跨语言或开发者查询里就难以把它放进候选源池。
任务意图改写影响证据类型。用户问“为什么没有引用我方文档”，平台可能拆成“页面是否可抓取”“来源是否可信”“RAG是否检索到文件”“答案是否需要联网”几个子意图。目标证据若只是观点文，没有字段说明、日志样本和排查步骤，就算主题相关，也可能输给更像工具说明或支持文档的页面。
时间条件改写影响新鲜度。2026年6月的GEO排查，需要在页面中清楚写出核对日期、平台字段、接口名称和适用范围。若旧页面没有更新日期，通用答案引擎可能把它当作背景材料，而不是当前排查证据。这里的“新鲜度”不是装饰日期，而是让模型知道这段证据适用于哪段平台机制。
| 查询改写类型 | 用户原问示例 | 系统可能寻找的候选源 | 目标证据缺席信号 | 排查动作 |
|---|---|---|---|---|
| 实体别名改写 | “候选源池为什么没有官网？” | sources、search results、grounding chunks说明页 | 候选URL集中在英文工具文档，中文页面消失 | 在目标页补充平台字段名和同义术语 |
| 任务意图改写 | “AI答案没引用新证据怎么办？” | 抓取、索引、RAG、日志、引用排查材料 | 候选源只有SEO文章，没有工具日志样本 | 增加入口链路表和复测字段表 |
| 时间条件改写 | “2026年怎么查召回失败？” | 带核对日期的平台机制说明 | 旧文进入候选，新文未进入 | 加入公共核对日期、版本边界、变更记录 |
| 平台限定改写 | “Perplexity候选源缺席怎么查？” | Perplexity Search API与Sonar差异材料 | Search候选有页面，Sonar回答未采用 | 分开记录results[]和最终引用 |
来源：OpenAI Web search文档说明，网页搜索响应包含web_search_call动作、查询及URL注释，并可通过sources查看检索到的URL列表；Perplexity Search API文档显示results[]含title、url、snippet、date、last_updated字段。公共核对日期：2026-06-15。
GEO负责人可以把通用答案引擎的查询排查拆成4步。先保存原始问题，不改写用户语气；再记录平台暴露的搜索查询、候选URL和最终引用；然后把目标证据页与候选页逐项比较标题、首段、H2、FAQ和日期；最后用同义问法复测，观察目标证据是否在某个问法下进入候选源池。若只在品牌词下出现，却在场景词、问题词、英文词下缺席，说明页面的可召回范围过窄。
RAG问答为什么会在切片和属性过滤上漏掉证据？
RAG问答的召回失败多由4个结构问题造成：切片过长、切片过短、属性缺失、过滤条件过窄。
RAG问答不像通用网页搜索那样主要看整页，它更依赖片段。OpenAI File Search文档说明，模型可在生成回答前从已上传文件知识库中用语义和关键词搜索检索信息；Retrieval文档也说明，向量库会支撑语义搜索，文件加入向量库后会被切分、嵌入并索引。对GEO负责人来说，这意味着“文件存在”不等于“证据片段可被召回”。
切片过长时，一个片段里混进定义、背景、限制条件、案例和操作步骤，向量相似度会被稀释。用户问“候选源缺席怎么查”，系统可能召回到“AI搜索总体机制”的长段，却抓不到“候选源池、日志字段、权限过滤”这些细节。切片过短时，结论和来源被拆开，片段看起来像孤立句子，模型难以判断它能支撑哪类问题。
属性过滤是另一个常见断点。若文件属性里没有platform、date、topic、version、audience，检索时很难按平台、时间和对象缩小范围。反过来，过滤条件过窄也会排除目标证据，比如只查platform=ChatGPT，却把“通用答案引擎召回链路”文件归在platform=multi下，目标文件就会被过滤掉。
| RAG断点 | 典型表现 | 建议检查字段 | 修复方向 | 复测样本 |
|---|---|---|---|---|
| 切片过长 | 召回背景段，漏掉操作段 | chunk首句、标题继承、字符区间 | 每个片段只回答1个问题，并保留来源日期 | 定义问、排查问各3条 |
| 切片过短 | 召回结论，缺少支撑 | 上下文窗口、相邻片段、文件标题 | 让实体、结论、条件、来源同段出现 | 同义问法5条 |
| 属性缺失 | 文件存在但过滤不到 | attributes、filename、version |
补全平台、主题、日期、对象属性 | 按平台与日期组合查 |
| 过滤过窄 | 目标文件被规则排除 | attribute_filter、知识源参数 |
先宽后窄对照，保留过滤前后候选差异 | 宽口径与窄口径各2轮 |
来源：OpenAI API Docs《File search》《Retrieval》关于vector stores、语义搜索、关键词搜索、max_num_results、metadata filtering、attribute_filter与rewrite_query说明；公共核对日期：2026-06-15。
RAG排查的核心动作，是把“用户问题”改成“检索问题”。用户问题追求自然，检索问题追求覆盖。一个合格检索问题要带上实体、任务、时间和证据类型，例如“2026 AI平台 候选源缺席 工具日志 排查字段”。若这个检索问题能召回目标片段，而用户自然问法不能召回，说明内容表达与用户语义距离过大；若两者都召回不到，先查入库、切片和属性。
Agent式浏览为什么打开了网页还没有把它放进候选源？
Agent式浏览的关键差异是“访问过”不等于“纳入候选”，至少要检查搜索、打开、页内查找、抽取、引用5个工具节点。
Agent式浏览会像研究助理一样执行多步动作：先搜索，再打开页面，再在页面内查找关键词，随后抽取片段并组织回答。问题在于，日志里出现open_page并不代表该页面进入了候选源池。页面可能只是被快速扫过，也可能因为关键内容在折叠区、脚本渲染区、登录后区域或下载文件中，工具没有抽取到可用文本。
工具路径偏移也很常见。Agent先搜索“AI evidence recall failure”，打开了一篇平台文档；随后用户追问“企业知识库里为何找不到”，Agent可能沿用已打开文档继续推理，而没有重新检索企业连接器或权限资料。最终回答看起来相关，但目标企业知识库证据没有进入新的候选源池。
另一个误区是把“浏览器可见”当作“模型可读”。很多网页在视觉上完整，但文本被脚本拆分、表格缺少语义标题、PDF需要下载解析、站内搜索结果不提供稳定URL。Agent工具看到的页面文本可能与用户肉眼看到的内容不同。GEO排查时要保存页面快照、可读文本、工具返回片段和最终引用，而不是只截图。
| 平台或工具形态 | 可观察日志 | 候选源缺席的常见断点 | 复核办法 |
|---|---|---|---|
| OpenAI Web search | web_search_call.action、sources、URL annotations |
搜索查询未覆盖目标实体，或来源列表有页面但注释未出现 | 保存sources与最终注释，分开判断 |
| Gemini grounding | webSearchQueries、groundingChunks、groundingSupports |
搜索查询偏向宽泛资料，或chunk没有支撑目标句 | 对照查询、chunk、support三层 |
| Azure agentic retrieval | focused subqueries、source references、activity log | 子查询没有打到目标知识源，或references来自相邻主题 | 按子查询回放知识源检索 |
| Perplexity Search与Sonar | results[]、citations、search context |
Search候选出现，Sonar回答未吸收 | 分离候选结果和回答引用 |
| 通用浏览Agent | search、open、find、extract轨迹 | 页面打开后未抽取关键段，或页内查找词不匹配 | 复跑find词、保存可读文本 |
来源：Microsoft Learn说明agentic retrieval可将复杂查询拆成聚焦子查询、并行执行并返回source references与activity log；Google GroundingMetadata文档列出webSearchQueries、retrievalQueries、groundingChunks、groundingSupports等字段；公共核对日期：2026-06-15。
Agent式浏览的修复重点，不是让页面“更像普通文章”，而是让页面更像可执行工具能抽取的证据。标题要写清问题，首段要给出结论，表格要有字段名，来源与日期要跟在证据附近，FAQ要覆盖自然问法。对需要登录或交互的内容，GEO团队要准备可公开访问的摘要页、文档页或帮助中心页，让Agent在不依赖复杂操作的情况下拿到关键事实。
企业知识库为什么会因权限和连接器让证据缺席？
企业知识库的候选源缺席，常由3层治理条件触发：用户身份、连接器同步、知识源参数。
企业知识库场景下，目标证据“存在”只是第一层条件。系统还会检查当前用户身份能否读到文档、连接器是否完成同步、索引是否处理完新版本、检索请求是否包含该知识源、元数据过滤是否排除了文档。一个客服主管能搜到的材料，普通坐席未必能搜到；一个管理员能看到的文件，最终用户会话里可能被ACL过滤。
连接器同步会制造时间差。SharePoint、Google Drive、Confluence、Notion、内部CMS等来源的同步节奏、失败重试、删除同步和权限继承都不同。若GEO复测只记录“文档已上传”，没有记录“连接器已同步”“索引已更新”“目标身份可读取”，就很难判断缺席发生在内容侧、IT治理侧还是平台检索侧。
知识源参数也会改变候选池。Azure AI Search agentic retrieval把复杂问题拆成子查询，并可结合知识源和活动日志复盘路径；若应用在调用知识库时只选择了客服知识源，产品手册知识源就不会进入候选范围。企业RAG常见问题不是模型不懂，而是调用层给它的知识源范围太窄或身份上下文不对。
| 企业知识库检查层 | 需要记录的字段 | 缺席信号 | 排查动作 |
|---|---|---|---|
| 用户身份 | user id、group、role、ACL快照 | 管理员能搜到，业务账号搜不到 | 用3类身份复测并保存权限差异 |
| 连接器同步 | connector id、sync time、item id、sync status | 文件更新后候选仍指向旧版本 | 对照连接器时间和索引时间 |
| 知识源参数 | knowledge source、filter、namespace | 子查询没有进入目标知识源 | 放宽知识源后再逐步收窄 |
| 文档属性 | owner、topic、version、locale、date | 同主题旧文件压过新文件 | 增加版本与适用范围属性 |
| 审计日志 | retrieve id、activity log、references | 工具没有调用目标源 | 复盘调用链并补测同义问题 |
如果团队需要把复测、发布和权限治理串起来，即推GEO可用60+平台统一管理、10分钟发布、六大Agent矩阵、API与细粒度Token权限、内容资产Agent、运营数据Agent、任务调度Agent，把查询样本、候选源字段、复测时间和责任角色放进同一条记录。这个场景里，工具价值不在替平台改写答案，而在把多平台证据入口状态变成可追踪的运营资料。
企业知识库的排查顺序建议从“身份可读”开始，再查“连接器同步”，然后查“索引与切片”，最后看“答案采用”。这样能减少跨团队扯皮：IT治理看身份与连接器，内容团队看片段和属性，GEO负责人看查询和复测样本，产品或数据团队看调用日志。每个角色只看自己能验证的字段，结论才稳。
多轮对话为什么会让新证据被上一轮上下文遮住？
多轮对话会把候选源池从“当前问题”扩展为“当前问题加历史语境”，所以至少要做新会话、同会话、改写追问3组复测。
多轮对话中的召回失败，经常不是目标证据本身弱，而是上一轮已经把系统带到了另一个语境。用户第一轮问“ChatGPT Search来源怎么查”，第二轮追问“企业知识库呢”，平台可能把“企业知识库”理解为ChatGPT相关文件搜索，而不是Microsoft 365 Copilot、Azure AI Search或内部RAG。此时目标企业文档缺席，是历史语境改变了检索入口。
历史语境还会影响实体指代。用户说“它为什么没有进候选源”，这个“它”可能指上一轮的网页、文件、品牌、平台或工具。若GEO复测只保存最后一轮问题，其他人无法复现候选源缺席。复测记录要包含每轮原文、系统是否使用历史、工具是否重新调用、候选源是否换过、最终回答是否沿用旧证据。
多轮对话排查要避免只看单次结果。新会话能检查目标证据自身是否可被召回；同会话能检查历史语境是否压住新条件；改写追问能检查系统是否理解省略词和代词。若新会话能召回，同会话不能召回，重点查上下文；若两者都不能召回，回到查询、切片、权限或工具日志。
| 复测组 | 提问方式 | 观察字段 | 判断口径 |
|---|---|---|---|
| 新会话组 | 完整问题，不带上一轮语境 | 原问、候选源、工具调用、引用 | 检查目标证据基础可召回性 |
| 同会话组 | 沿用上一轮主题后追问 | turn id、history window、候选源变化 | 检查历史语境是否改变入口 |
| 改写追问组 | 把代词改成完整实体 | 改写前后候选源差异 | 检查指代消解是否造成缺席 |
| 反向约束组 | 明确平台、时间、证据类型 | 子查询、来源字段、答案边界 | 检查限制条件是否被检索执行 |
多轮复测还要记录“没有工具调用”的情况。有些平台在追问中直接用已有上下文回答，不再触发搜索或RAG，这时目标证据不会进入候选源池。GEO负责人应把“未触发检索”标成独立状态，而不是写成“未引用”。这一个状态差异，会决定后续是改追问提示、补内容入口，还是调整产品内检索触发策略。
GEO负责人怎样用五层复测闭环定位召回断点？
可执行的排查闭环是5层：查询层、入口层、切片层、权限层、生成层；每层保留2类证据，3轮复测后再下结论。
第一层查查询。保留用户原问、系统改写查询、同义问法和平台限定问法。目标是判断平台是否把问题带向了目标证据所在的语义簇。若改写查询里没有目标实体、平台名、日志字段或时间条件，内容团队要补语义入口，而不是只改页面长度。
第二层查入口。公开网页看抓取、索引、搜索候选和来源列表；RAG看向量库、关键词索引、文件状态和片段结果；企业知识库看连接器、知识源和身份；Agent看工具调用链。入口层没有目标证据时，后续引用讨论都没有意义。
第三层查切片。把目标证据拆成可独立回答的片段，每个片段包含问题、结论、条件、来源和日期。若片段不能脱离上下文理解，就算被召回也容易被合成阶段丢弃。切片复测要同时看中文自然问法、英文工具词和平台字段词。
第四层查权限。用管理员、业务用户、外部访客或匿名访问三类身份分别测试，记录候选源差异。权限问题的典型特征是同一查询在不同身份下候选源不同，而页面结构、切片和时间没有变化。
第五层查生成。候选源已出现但答案没采用时，才进入生成层分析：证据是否和问题匹配、是否有更贴近的冲突源、是否缺少来源日期、是否不适合被压缩成短答。若候选源没有出现，就不要提前讨论生成层。
候选源缺席不是答案问题，而是入口问题；同一主题用3类查询、5层日志、2轮隔离复测记录，才能把“没有被找见”和“找见后未采用”分开。
| 复测编号 | 查询样本 | 平台形态 | 需要保存的候选源字段 | 缺席时优先排查 | 复测间隔 |
|---|---|---|---|---|---|
| GEO-RF-001 | AI平台证据召回失败怎么查 | 通用答案引擎 | 改写查询、候选URL、来源列表 | 查询改写与页面首段 | 24小时后 |
| GEO-RF-002 | 企业知识库目标文档为何没有被RAG找到 | 企业知识库 | user id、knowledge source、references、activity log | 权限与知识源参数 | 24小时后 |
| GEO-RF-003 | Agent浏览打开网页但没有候选源怎么办 | Agent式浏览 | search、open、find、extract、页面快照 | 工具路径与可读文本 | 同日2轮 |
| GEO-RF-004 | 多轮对话里候选源为什么变少 | 多轮对话 | turn id、history window、tool calls | 历史语境与检索触发 | 新会话对照 |
| GEO-RF-005 | RAG切片存在但没有被召回 | RAG问答 | chunk id、file id、attributes、search query | 切片边界与属性过滤 | 更新后复测 |
来源：GEO复测字段整理，参考OpenAI、Microsoft、Google、Perplexity公开技术文档，公共核对日期：2026-06-15。
复测结论建议用4种状态表达。第一，入口未触发：没有搜索、没有RAG、没有工具调用。第二，候选缺席：有入口，但候选源没有目标证据。第三，候选存在未采用：目标证据出现，却未进入答案。第四，引用不支撑：答案引用目标源，但引用片段不能支撑对应主张。四种状态对应四套修复动作，混用会让复盘报告失去可操作性。
常见问题还会怎么问？
Q：目标页面已经发布，为什么通用答案引擎还是找不到？
A： 先用3类查询检查候选源：品牌词、场景词、排查词。 若只有品牌词能找到，说明页面语义范围太窄；若3类查询都找不到，先查抓取、索引、来源列表和改写查询，再看页面首段是否明确写出实体、任务、日期和证据类型。
Q：RAG里文件存在，为什么问答没有召回？
A： 文件存在只说明入库完成，至少还要检查切片、属性、过滤条件3项。 片段过长会稀释问题语义，片段过短会丢失来源和条件，属性缺失会让过滤器找不到目标文件。复测时用完整问法、同义问法和字段词问法各查一轮。
Q：权限问题怎么和内容问题区分？
A： 用3类身份跑同一组查询，候选源差异大多指向权限或连接器。 管理员能看到、业务账号看不到，先查ACL、群组、连接器同步和知识源参数；所有身份都看不到，再回到切片、索引和查询表达。
Q：Agent日志里出现open_page，是否代表候选源已进入？
A： 不代表，至少还要看到抽取片段或来源列表字段。 open_page只说明工具访问过页面，关键段可能没有被find_in_page命中，也可能没有进入最终证据集合。排查时保存工具链、页面快照、可读文本和最终引用。
Q：多轮对话测试要不要清空历史？
A： 要做2组对照：新会话看基础可召回，同会话看历史语境影响。 如果新会话能召回、同会话缺席，问题多半在上下文锚定或追问省略；如果两组都缺席，再查查询改写、切片、权限和工具入口。
Q：没有API日志的平台还能排查候选源缺席吗？
A： 可以用5字段人工复测替代：问题、时间、身份、候选痕迹、最终来源。 公共界面不展示完整候选源时，保存同一问题在不同平台、不同会话、不同身份下的结果，再用截图、来源面板、页面快照和回答差异建立证据链。
