索引与候选池：进了索引不等于进了候选

站长在搜索里查一下，页面收录都在；AI 的引用列表却始终轮不到他——这是高频困惑。解释在候选池的构建层：进了索引只说明页面存进了库，离“进入某次提问的候选”还隔着几道筛子：切块与向量化质量决定块能不能被匹配，过滤层决定哪些块没上场就被划掉，召回截断决定名额花落谁家。索引怎么随时间更新是另一件事，见新鲜度与索引更新页；本页讲一次提问发生时，候选集怎么从全库收窄到最终名单。

即答：“进了索引”与“进了候选”之间是漏斗：收录在库的页面可能因为切块质量差而检索不出，可能因为时效、质量、重复过滤而没上场就出局，也可能只是排不进召回名额。诊断“为什么没被引用”要分层走——收录只是第一格，不是终点站。

从收录到可检索：切块与向量化质量

收录之后的页面要被切成内容块、每块向量化，才具备被匹配的资格。这一步的质量上限由页面本身决定：一节混三个主题的页面，切出来的块方向含混；结论埋在段落尾部的页面，切出来的块没有可匹配的核心句。结果是“收录在库、检索不出”——库里有你，匹配层永远看不见你。切块策略与写法的对应关系见切块策略页，块级写作纪律见 Chunk 术语卡。这是漏斗的第一道收窄，也是最容易被“收录正常”四个字掩盖的一道。

过滤层：没上场就被划掉的块

候选构建阶段存在多层过滤，多数发生在召回之前或召回之中，站长完全不可见。定性地归四类。时效过滤：时效敏感的问题上，过期内容在检索前就被预筛——索引里在、候选里没有（信号侧的机制见时效信号术语卡）。质量过滤：薄内容、大规模同质内容、明显采集内容在候选构建时被降权，问题不是“排后面”而是“不出场”。重复折叠：同一内容存在多个 URL 时，系统只保留一个代表进入候选——代表是谁由规范化信号决定，选择权并不在站长（治理手段见Canonical 术语卡）。语言与地区过滤：与提问语言不匹配的候选被提前划出。

这层对诊断的意义最大：相当一部分“没被引用”死在过滤层，而站内排查往往从这里直接跳到“内容质量不行”，开错药方——时效题补时效信号、重复题做收敛，都不是改写文案能解决的。过滤层不可见，但可以旁证：同一页面在常规搜索里表现正常、在 AI 提问里长期缺席，且内容与提问的语义对齐没有明显问题时，嫌疑就落在过滤层——时效题检查时间信号，同内容多 URL 检查规范化，语言混杂页检查语种纯净度。旁证不能代替确诊，但足以决定下一步先治理哪一项。

召回截断：名额经济

通过过滤的块与提问做相似度匹配，粗排取前列进精排——前列之外，与本次提问无关。名额大小不公开，且随问题复杂度浮动：多子问题、需要多源支撑的题，名额自然更宽。名额经济的推论很硬：你不需要“比所有对手都好”才能出场，但必须排进名额；名额边缘的竞争里，块的直接性、自含程度每提升一档，都是实打实的出线概率。精排阶段的座次逻辑见重排序页。扇出机制还会改写名额的算术：主查询拆出的每条子查询各自带一份候选名额，名义名额被乘数放大——在主查询名单里挤不进去的块，仍可能在某条子查询的名单里入场。这给边缘块指出第二落点：把块写得对某个具体子问题足够直接，比在主查询的名单里硬挤更划算。

对 GEO 的三条诊断推论

**推论一：按漏斗分层排查，别跳步。**顺序是固定的：能否被常规搜索找到（收录与抓取）→块能否被语义与词法匹配（切块与术语）→是否被过滤层误伤（时效、重复、语言）→精排座次如何。每一层有对应的检查动作与对应的责任人：第一层找技术，第二层找写作，第三层找治理。检查动作也可以落到实处：收录层用常规搜索与平台自查入口对照；匹配层抽查核心块的标题与首句是否复现真实提问；过滤层按时效、重复、语言三项逐一排查；座次层把核心问题的答案块与竞品对照直接性。四步走完，“为什么没被引用”通常能落到具体的一格，而不是一句笼统的“内容不行”。

**推论二：重复内容先于内容优化治理。**多 URL 同内容让引擎做代表选择，选择依据是你的规范化信号是否清晰——信号混乱时，出场的代表可能不是你想推的那篇，其余拷贝白占抓取与索引成本。

**推论三：时效敏感题配时效信号。**价格、政策、版本类问题的候选池有时效门槛，显式的更新时间、稳定的更新节奏决定你有没有过门槛的资格；门槛之外的文采毫无意义。

常见误解

**“搜索里收录正常，AI 检索就正常。”**常规搜索的索引与生成式引擎的检索库不是一套系统的保证——供给、切法、过滤都可能不同。收录状态要分池验证，不能拿搜索后台的截图替 AI 侧背书。

**“没被引用就是内容写得不好。”**过滤层与名额经济的淘汰先于质量评价发生：写得再好，被时效门槛划掉就不会进入比较。诊断先查“有没有上场资格”，再评“上场后的表现”。

**“候选池越大机会越大。”**对全库成立，对单页不成立：名额固定时，决定命运的是块的名次，不是库的规模。抱怨“内容太多卷不动”，不如把自己那几块的名次往前提。

限制与待核实

• IS-01：各引擎的搜索索引与检索库是共用还是分建不公开，本页按“检索库由抓取内容构建”的通用抽象讲。
• IS-02：过滤层清单是定性归纳，具体过滤项、阈值与作用阶段均不公开，实际系统可能更多层或更少层。
• IS-03：召回名额（top-k）无公开数字且随题浮动，本页不给区间。
• IS-04：重复折叠的代表选择规则不公开，本页只主张“存在代表选择”这一现象层，不描述具体算法。