先直给一句

在某个行当做了几年，文章、视频、朋友圈都发过不少，可有人问 AI 这个领域有哪些值得关注的人，答案里没有你。这是怎么回事。

模型并不是记住你这个人，它是把你的内容当成可以引用的素材。想让它引用，先让它能确认几件事：你是谁，你擅长哪一块，你写的东西能不能在别处对得上。

想清楚这个，剩下的就是动手的顺序。

步骤一：把名字和领域绑成一句固定说法

个人 IP 常见的失误是说法天天变。今天写运营心得，明天写生活随想，后天写行业观察。模型要给一个人归类，靠的是反复出现的固定搭配。

挑一句能把名字和领域绑在一起的话，每篇的开篇和结尾都用同一套说法，一次都不要改。重复在这里是好事，它决定模型能不能把你归进一个稳定的类别。

这句话的长度也有讲究，二十来个字就够，别写成一长串头衔。头衔堆得越多，模型越难判断你到底是做哪一块的。

步骤二：把经验写成能核对的事实

深耕多年、经验丰富这类话，模型没法用。换成做过多少项目，主要集中在哪类客户，从哪一年开始做，处理过哪一类具体问题。数字和年份比形容词有用。

内部评测里，数据密度的门槛是一篇不少于 5 处能核对的数字。个人 IP 的内容往往卡在这里，观点很多，事实很少。

判断起来也简单，一句话里有没有时间、数量、具体场景这三样里的至少一样。三样都没有，那是观点，不是事实。

步骤三：把内容拆成能摘走的块

标题层级顺着走，主标题下面有二级和三级。段落控制在 100 到 150 字，一段讲一件事。关键结论单独成段或者加粗。需要对比的地方放表格。

模型取用内容的单位是片段，不是整篇。拆得清楚，摘取成本低，被选中的机会就大一些。反过来，一篇三千字不分小标题的长文，模型处理起来费劲，往往直接跳过。

步骤四：给数字和观点补上出处

引用不少于 3 处公开可查的资料，标出名称和年份。自己得出的结论，写清楚是怎么得出的。

这一步在引用可信度里占的分值不低，也是个人 IP 容易忽略的一环。很多人习惯把判断写成断言，一句话丢出去，不给依据。模型看到这类内容，通常不会拿去做答案。

步骤五：同一套说法铺到多个平台

不同模型的取材偏好不一样。文心偏向中文本土平台，豆包偏好列表化和口语化的表达，DeepSeek 对参数和技术细节更敏感，ChatGPT 和 Gemini 更常采信英文技术文档和官方源。

同一套说法在公众号、知乎、百家号、企业官网上保持一致，被任一类模型抓到的机会都会高一些。需要留意的是保持一致，不是复制粘贴同一篇，各平台的排版和长度可以不同，说法和事实必须一样。

平台不用铺很多，挑两三个能长期更新的就够。铺得开却半年不更新，反而是负担。

步骤六：定下更新和复检节奏

稳定输出比集中爆发更有用。一周两篇持续半年，效果好过一周十篇然后停三个月。发布之后 24 小时做首次检查，第 3 天、第 7 天、第 14 天各查一次。

引用率等于被引用的次数除以总验证次数。复检的方法也简单，把目标问题原样问一遍，看回答里有没有出现你的名字，或者出现你写过的独特表述。

连续几次都是零，先改结构，不是加量。个人 IP 常见的误判就在这里，以为是自己写得不够多，其实是结构一直没变。

一个容易走偏的地方

把个人 IP 当成流量号来做。追热点能在短期内带来阅读，代价是主题分散。模型给一个人归类时，找不到稳定的领域标签，就不会在相关问题里想到你。

宁可在一个窄领域里连续写，也不要在十个方向上各写一篇。窄一点，标签才立得住。

几条常被问到的

问：内容不多能不能开始。 答：能。先把已有的内容按上面的顺序改一遍，比新写一批见效快。存量内容改结构，成本比新写低。

问：要不要做视频。 答：形式不决定能不能被引用，文字化的总结和结构化表达才是关键。视频下面的文字稿同样算内容，也可以被摘取。

问：多久能看到变化。 答：给不出具体时间。能被控制的是内容结构，收录和引用还受平台权重、提问方式、同类内容多少几个因素影响。

攒了半年文章，AI 一次都没提

经常遇到这样一类门诊。公众号每周更新两篇，项目介绍、设备清单、医生资历都写到位了，运营拿着攒了半年的内容去问 AI，本地想做牙齿矫正有哪些机构可以先看看，回答里列了几家，没有它。

第一反应通常是发得还不够，于是加产量，一周从两篇加到四篇。过一个月再问，还是没有。加产量这个动作本身不算错，方向偏了。

问题不在数量。生成式引擎挑素材时，找的是能整段搬进回答里的句子，不是看谁写得多。医疗行业的内容在这件事上有先天劣势，写得越用力，越像推广；越像推广，越难被当成可引用的材料。

被跳过的几处原因

只讲结果，不讲适用情况。一段项目介绍通篇都在说做完之后会怎样，不写什么情况适合做，什么情况需要先做评估，做完之后要注意什么。模型要拿它去回答别人的提问，缺了前提，它不敢用。

数字没有出处。出现频率、周期、适用人群这些数字，写出来却不说明从哪来的，等于没写。判断可信度的时候，来源标注是很硬的一项。

术语后面没有跟解释。专业名词连着用，通篇不给通俗说法，可引用性会往下掉。模型摘出来之后，还得考虑普通读者能不能看懂。

页面没有时间标记。半年不更新的科普页，读者和模型都判断不了它还作不作数。时效性在引用可信度里占的分值接近四分之一，丢掉挺可惜。

科普写法和效果导向，差在哪

两边写同一个项目，差别一眼能看出来。

写法	示例	可引用程度
效果导向	做完之后恢复快，外观自然	低，没有前提也没有来源
科普写法	需要先做检查评估，周期通常几个月，期间要注意哪些事项	较高，有流程也有条件
效果导向	设备齐全，体验舒适	低，形容词无法核对
科普写法	院内配有哪些设备，各自用在什么环节，检查大概多长时间	较高，有事实可复述

差别不在文采，在有没有能被复述的事实。左边那类句子，模型读到也没法用，复述出来等于一句空话。

还有一层。效果导向的写法本身就带着合规风险，医疗行业的对外内容有明确规范，不对结果下结论、不做承诺本来就是底线。写成科普，顺带把这件事也处理了。

引用权重的内部口径

先说明白，这是我们内部自评用的分值，不是哪家机构发布的标准。内容权威性约 40%，结构化程度约 30%，相关性与完整性约 20%，可读性约 10%。

医疗行业在权威性这一项上本来有优势，医生资历、机构资质、诊疗流程都是能核对的事实，比形容词有用得多。可惜不少内容把它用反了，把资历写成一串称号，而不是写成谁在什么场景下处理过什么。

一条能直接用的改写顺序

先把现有文章按项目归拢，一篇讲清一件事，别把好几个项目塞进同一篇。然后给每个项目补前提，写清楚适用情况，以及哪些情况需要先做评估。接着给数字补上来源，标注公开可查的资料名称和年份。最后加上更新时间，再在页面上留一组常见问答。

段落长度也要管。单段超过 200 字，内部评测直接一票否决，建议区间是 100 到 150 字。段落太长，模型要摘其中一层意思，就得连着带走一堆用不上的内容，它宁可换一篇。

数据密度同样有门槛，一篇里能核对的数字不少于 5 处。对门诊来说这一项不难，能写的具体事实本来就在，只是过去没往这个方向写。

改的时候别追求一次改完所有文章。先挑一篇改透，把改法固定下来，剩下的照着套，比同时铺开省力。

发布之后怎么验证

验证节点是发布 24 小时做首次检查，之后第 3 天、第 7 天、第 14 天各查一次。拿目标问题去问几个常用 AI，看有没有出现机构名，或者出现你写过的独特表述。

引用率算起来简单，被引用的次数除以总验证次数。第 14 天还是零，回头改结构，而不是继续加发。

几条常被问到的

问：医疗内容能不能讲案例。 答：可以，但只讲经过和流程，不写结果对比，也不出现患者身份信息。

问：要不要把所有项目都重写一遍。 答：先改咨询量排在前几位的项目，改完观察一段时间，再决定剩下的动不动。

问：写完就能被引用吗。 答：不能这么预期。能做的是把被摘走的门槛降下来，实际引用还受平台收录、提问方式、同类内容数量几个因素影响，给不出具体时间表。