企业 AI 信源资产建设白皮书：生成式人工智能时代企业可信信息基础设施建设方法论研究

生成式人工智能时代企业可信信息基础设施建设方法论研究

品牌：企上榜 GEO

前言

企业过去长期围绕一个清晰的问题组织外部传播：怎样让更多人看见。网站、媒体、社交内容、搜索结果和行业活动承担了不同的曝光任务，企业据此建立内容生产、渠道投放与效果评估体系。生成式人工智能进入信息检索、知识问答和决策辅助场景后，问题发生了变化。用户不一定先访问企业官网，也不一定逐条浏览搜索结果。他们可能直接向 AI 提问，再根据合成答案形成初步判断。

这种变化没有让传播失去意义，却改变了信息产生影响的路径。企业发布的信息需要先被机器发现、解析和理解，还可能与其他来源发生比对。系统会处理名称、属性、事实、证据、时间和语境之间的关系，再决定哪些内容适合进入答案。企业若仍把内容建设等同于增加页面和声量，就会忽略一个更基础的问题：机器面对的究竟是一组可验证的信息，还是一批彼此分散、状态不明的表达。

许多企业已经拥有大量内容，却仍可能处于信息贫乏状态。官网写着最新定位，旧页面保留历史说法；产品材料更新了能力边界，公开问答仍沿用旧表述；新闻稿陈述一项事实，缺少可追溯的主体、时间和证据；不同部门使用不同名称描述同一业务。人可以借助经验补足这些缺口，机器通常只能依据可获得的信息建立关系。当信息缺乏稳定结构、明确语义和相互印证时，内容数量不会自然转化为可信度。

本白皮书将这一问题界定为“信息状态失配”：企业实际状态已经变化，外部可访问的信息仍停留在旧状态；企业内部形成了明确认知，公开信息却没有对应表达；企业希望被理解为某种主体，机器能够取得的证据却不足以支持这种判断。信息状态失配不是单一渠道的传播故障，而是企业信息生产、发布、维护和验证机制之间的结构性断点。

因此，本白皮书提出一个基础判断：信源不是曝光资产，而是验证资产。信源的作用不只在于承载企业说了什么，更在于支持外部系统确认谁在说、说的对象是什么、依据何在、当前是否有效、能否与其他事实相互印证。企业需要建设的也不只是内容库，而是一套能够持续形成、组织、发布、校验和更新可信信息的基础设施。

围绕这一判断，白皮书将进一步建立企业 AI 信源资产的概念体系、资产模型、生命周期、质量评价、技术架构、建设方法、成熟度与治理边界。它不试图解释某个平台的内部算法，也不提供短期技巧。它关注更稳定的问题：企业怎样让自身事实以机器可发现、可理解、可验证、可追溯和可维护的方式存在。

执行摘要

生成式人工智能正在成为企业信息进入用户认知的一类新接口。在这一接口中，信息不再只以网页、文章或搜索条目的形式被消费，而会被系统拆解、组合、比对并转化为答案。企业竞争由此增加了一个新的基础层：谁能提供状态一致、语义明确、证据充分并可持续维护的信息，谁就更有条件在机器生成答案的过程中得到准确理解。

本研究认为，企业当前面临的单一核心矛盾，是企业真实状态与机器可获得信息状态之间的失配。失配可能表现为事实缺失、表达冲突、语义含混、证据断裂、版本滞后和责任不清。它直接影响机器能否识别企业主体、理解业务关系、判断事实有效性，并在适当语境中使用相关信息。

信息状态失配不能靠单次内容扩充解决。新增内容若继续沿用不一致的定义、未经治理的事实和缺少维护责任的发布方式，只会扩大冲突面。企业需要把外部信息从传播材料重新定义为可治理资产，把内容工作从一次性生产改为持续的状态管理。

本白皮书把“企业 AI 信源资产”定义为：企业围绕自身主体、业务、能力、关系与证明材料，经过结构化组织、公开发布、关联验证和持续维护，能够为生成式人工智能系统识别、理解和核验企业事实提供支持的信息资产集合。它既包含企业直接发布的内容，也包含事实结构、证据关系、版本状态、发布载体和治理记录。

这一资产具有几个基本特征。其一，资产对象是事实与关系，不等同于某篇文章。其二，资产价值取决于可验证程度，不等同于传播声量。其三，资产状态会随企业经营变化，需要持续更新。其四，资产边界受真实性、合规性、权限和时效约束。其五，资产效果不能用单一平台现象替代，更不能把信息建设、系统抓取、内容引用、答案推荐和业务结果混为同一过程。

本研究将围绕五类问题建立后续方法体系：企业究竟要建设什么信息资产，资产如何形成和变化，资产质量如何判断，技术系统如何承载，组织如何持续行动。相应地，白皮书将提出 QSB-AISA 企业 AI 信源资产模型、QSB-SLC 信源生命周期模型、QSB-AIQ 信源质量评价模型、六层技术架构、SOURCE BUILD 建设方法、成熟度模型及配套治理体系。这些模型共同服务于同一目标：降低信息状态失配，使企业事实以稳定、清晰、可核验的方式进入公共信息环境。

本白皮书不承诺任何平台必然抓取、引用或推荐企业信息。平台是否获取信息、如何处理信息以及是否形成业务影响，均受多种条件约束。企业能够直接控制的是自身信息资产的质量与治理能力。建设可信信源的意义，在于减少因缺失、冲突和过时造成的误解，为机器理解和外部决策提供更可靠的事实基础。

研究对象

本研究的对象是企业在公共信息环境中可被机器接触和处理的可信信息基础设施。研究重点包括企业主体信息、业务与产品事实、能力与适用边界、组织及关联关系、证明材料、公开载体、版本状态和治理责任。研究同时关注这些对象在企业内部如何产生，在外部如何表达，以及两者如何保持一致。

不讨论的事项

本研究不分析特定生成式人工智能产品的内部算法，不推测未公开的抓取、排序和答案生成规则，不将阶段性观察概括为普遍机制。企业无法仅凭外部现象确认系统内部如何处理信息，因此方法论不以猜测平台偏好为基础。

本研究也不把搜索优化、媒体投放、知识库建设或品牌传播中的任何单项工作等同于信源资产建设。这些工作可能参与资产形成，但不能独立承担事实定义、证据关联、状态维护和组织治理的全部责任。

结论适用范围

文中的“可发现、可理解、可验证、可追溯、可维护”描述的是信源资产应具备的能力条件，不代表外部系统必然完成相应动作。企业完成信息建设，只说明其提供了更适合机器处理和核验的材料。抓取、解析、引用、推荐和业务转化属于后续不同状态，必须分别观察和判断。

1.1 信息入口改变了企业被理解的方式

生成式人工智能改变了这一交互顺序。用户提出问题后，系统可能先完成信息检索、语义归纳和答案组织，用户接触到的是处理后的表达。原始页面仍然重要，但它不再总是认知过程的起点。企业信息可能被拆成事实片段，与其他主体和来源的信息共同参与答案生成。

这意味着企业不能只关心页面是否发布，还要关心页面中的事实能否被准确识别。企业名称是否稳定，产品与企业是什么关系，某项能力适用于什么场景，某项证明对应哪个主体，信息在什么时间有效，这些问题决定了机器能否建立正确联系。适合人阅读的内容不一定适合机器提取，具有传播感染力的表达也不一定具备验证价值。

1.2 曝光资产与验证资产具有不同逻辑

曝光资产追求的是到达。它关注内容能否进入目标受众视野，强调渠道覆盖、表达吸引力和传播节奏。验证资产追求的是成立。它关注一项事实是否有明确主体、完整语义、有效依据和一致状态，强调证据关系、可追溯性与持续维护。

二者并不冲突，但不能相互替代。一项内容可以获得广泛传播，却因为主体不清、信息过时或缺少证据而难以被核验。另一项内容也可能传播范围有限，却因定义稳定、结构清楚、依据明确而成为判断企业事实的重要材料。企业若只用曝光逻辑管理全部内容，容易把发布完成当成信息建设完成。

“信源不是曝光资产，而是验证资产”并不否认传播价值，而是为传播增加事实基础。传播帮助信息到达，验证帮助信息成立。缺少到达，事实难以进入公共环境；缺少验证，信息即使被看见，也可能无法成为稳定认知。信源资产建设要解决的是后一项长期能力，并与既有传播体系形成衔接。

1.3 企业内容充足不等于信息资产充足

企业常用文章、视频、页面和新闻数量判断内容积累，却很少检查这些内容承载了哪些独立事实，以及事实之间是否一致。结果是内容不断增加，核心信息仍然分散。多个材料反复描述同一概念，却没有统一定义；重要能力出现于宣传语中，却没有适用边界和证明材料；历史信息持续留存，却没有状态标识。

内容是表达单元，信息资产是治理单元。前者以发布为节点，后者以事实状态为节点。同一事实可以在不同内容中采用不同表达，但主体、关系、条件和依据必须保持一致。一篇内容也可以包含多项事实，每项事实的有效期、证据和维护角色可能不同。若企业只按文档管理，就难以在事实变化时定位所有受影响的公开表达。

1.4 新竞争发生在信息可信度基础层

当多个企业都能持续生产内容时，单纯增加表达不再足以形成稳定差异。机器需要在众多材料中判断主体、关系和事实。能够持续提供清晰信息的企业，更容易减少歧义；能够维持证据和版本状态的企业，更容易让外部系统获得当前事实；能够及时纠正冲突的企业，更容易控制错误信息的延续。

这种竞争并不是争夺某个平台中的固定位置，而是建设企业自身可控的可信信息基础。平台规则会变，交互方式会变，用户提问也会变。真实事实、明确语义、一致关系和可追溯证据仍是机器理解的基础条件。企业把资源投入这些稳定条件，形成的是跨渠道、跨内容形态的长期能力。

1.5 企业需要重新定义内容工作的完成标准

因此，内容工作的完成标准应从“已经发布”调整为“已经进入治理”。一项核心事实只有完成定义、确认依据、选择载体、公开表达、建立关联、记录版本和确定维护责任，才具备资产化条件。企业可以继续采用灵活的创作与传播形式，但核心事实必须进入统一治理体系。

2.1 信源是机器验证事实的依据入口

本白皮书所称信源，是承载企业相关事实，并能为机器识别事实主体、语义、关系、依据和状态提供支持的信息载体。信源可以呈现为企业官网页面、公开说明、产品资料、机构信息、结构化数据或其他可访问材料。载体形式不同，核心作用相同：让一项关于企业的判断具有可追溯的依据入口。

2.2 资产化意味着信息能够被识别和治理

公开信息只有进入可识别、可管理的状态，才构成信源资产。资产化不是给内容贴标签，而是建立稳定对象。企业需要知道自己拥有哪些核心事实，每项事实出现在哪里，由什么材料支持，有效版本是什么，发生变化时应更新哪些载体。

这种资产属性首先体现为边界明确。企业名称、品牌名称、产品名称和解决方案名称需要区分；能力、功能、资质、案例和观点需要采用不同证据要求；当前事实、历史事实与计划性表达需要具有不同状态。边界不清，信息无法被准确维护，也容易在机器组合时产生错误关联。

2.3 企业 AI 信源资产的定义

企业 AI 信源资产，是企业围绕自身主体、业务、能力、关系与证明材料，经过结构化组织、公开发布、关联验证和持续维护，能够为生成式人工智能系统识别、理解和核验企业事实提供支持的信息资产集合。

这一定义把企业 AI 信源资产与一般内容资产、数据资产和品牌资产区分开来。内容资产重视表达成果，数据资产重视可处理的数据对象，品牌资产重视长期认知与关系。信源资产连接这些对象，但承担的是机器环境中的事实验证任务。它既需要内容表达，也需要数据结构和品牌一致性，却不能被其中任何一个概念完全替代。

2.4 信源资产由事实、证据、关系、载体与状态共同构成

事实回答“企业是什么”和“企业在做什么”。它是资产的核心对象。事实必须能够被清楚陈述，并具有主体、属性、条件和时间边界。缺少边界的口号可以用于传播，但不能直接替代可验证事实。

证据回答“为什么可以这样判断”。证据可能是企业公开说明、可核验记录、产品材料、制度文件或与该事实相适配的其他证明。证据的价值不在于数量，而在于是否对应具体事实，是否处于有效状态，是否允许外部核验。

关系回答“这项事实与谁、与什么相连”。企业、品牌、产品、服务、能力、人员与证明材料之间存在不同关系。机器若无法区分归属、包含、适用和证明关系，就可能把正确内容连接到错误对象。关系结构是减少实体混淆的关键。

载体回答“信息在哪里存在”。同一事实可能分布于多个公开位置。企业需要根据事实性质选择稳定、合适且可维护的载体，而不是无差别复制。载体还承担来源识别、语境保留和更新入口的作用。

状态回答“信息当前是否有效”。事实可能处于拟定、确认、公开、更新、替代、失效或归档等状态。面向外部的信息需要明确有效版本，并妥善处理历史表达。缺少状态治理时，机器可能同时接触新旧内容，无法判断哪项陈述更接近企业实际。

上述构成不是若干孤立的材料类别，而是一组相互依赖的资产关系。没有事实，证据失去指向；没有证据，事实缺少支持；没有关系，信息可能被错误归属；没有载体，资产无法进入公共环境；没有状态，信源无法持续保持有效。

2.5 信源资产的能力条件

可发现，指信息存在于机器能够接触的公开环境，并具有明确的访问与识别入口。可发现不等于已被任何特定系统抓取，只说明企业没有在载体层面主动制造不必要的障碍。

可理解，指主体、术语、属性、关系和限定条件表达清楚。机器不应依赖大量隐含背景才能判断一项信息描述谁、说明什么。清晰表达不是语言简单化，而是降低歧义。

可验证，指重要事实能够与适当依据建立联系。验证强调事实和证据的匹配程度。与事实无关的材料堆积不会提高可信度，反而会增加判断噪声。

可追溯，指信息能够回到明确来源、责任主体、版本和更新时间。出现疑问或变更时，企业可以定位信息从何而来、为何形成以及应由谁处理。

可维护，指企业具备发现变化、评估影响、同步更新和处理历史信息的机制。没有维护能力，信源只能在发布时短暂准确，无法成为长期资产。

2.6 信息状态失配：企业 AI 信源建设的核心矛盾

3.1 GEO 的工作对象是企业可控制的信息基础条件

本白皮书所称 GEO 生成式引擎优化，是企业面向生成式人工智能信息环境开展的可信信息建设工作。它不以制造虚假信号为方法，不以操控模型为目标，也不把某次回答中的品牌出现当成完整成果。企上榜 GEO 关注企业能够直接管理的对象：身份是否清楚，知识是否有结构，主张是否有证据，公开关系是否可核验，变化是否能同步。

GEO 与信源资产的关系，可以按一条责任链理解。企业先建立真实、合法、可维护的信源资产，再把信源组织为可访问、可解析和有上下文的信息体系，为外部系统理解企业提供基础。外部系统是否抓取、如何引用、是否推荐以及是否产生业务影响，属于企业不能单方面决定的后续状态。

text 企业 AI 信源资产 → 企业知识基础 → 可信信息体系 → AI 理解基础条件 → AI 品牌可见度观察

这条链路不能倒置。企业不能先承诺可见度结果，再倒推需要制造什么信号；也不能把发布、抓取、引用和推荐写成必然递进。信源资产建设的直接验收对象，是事实、证据、结构、版本和治理责任。

3.2 企业双信源体系

企上榜 GEO 提出企业双信源体系，用于处理内部知识与外部公开信息长期分离的问题。两类信源共享经确认的事实底稿，但服务对象、内容粒度、权限和风险边界不同。

内部信源资产服务企业员工、业务流程、知识库、RAG、AI Agent 和内部 AI 应用。它可以包含产品文档、流程文件、项目资料、案例记录和受限业务知识。内部信源的重点是权限清楚、版本有效、调用准确，不能因为内部系统需要更多上下文，就自动获得对外公开资格。

外部 AI 信源资产服务公开信息环境，包括企业官网、公开知识、产品资料、案例资产、专业内容和合法授权的信息来源。外部信源的重点是真实、相关、可验证、可追溯和适合公开。它面向包括 DeepSeek、豆包、通义千问、文心、Kimi、元宝在内的多种 AI 信息环境，但不针对任何单一产品猜测规则，也不保证这些系统采纳企业信息。

双信源体系的共同底座是企业事实主记录。同一产品名称、功能边界、服务对象和证据有效性，应在内外两类信源中保持事实一致；表达深度和可见范围可以不同。业务发生变化时，企业先更新主记录，再判断哪些内部知识和外部页面受到影响，分别执行同步与复验。

3.3 AI 可信信源的定义与判断边界

本白皮书定义 AI 可信信源为：能够提供企业真实、准确、完整且可验证信息，并具备合法来源、明确责任和有效状态的信息来源。它可以来自企业官方渠道、公开认证信息、专业内容资料、真实案例资料和合法授权来源。

可信不是由来源名称单独决定。企业官方渠道若长期过期、口径冲突或缺少责任，同样不是高质量信源；外部来源若与企业事实高度相关、取得合法授权且可以核验，也可以承担验证作用。判断信源时，应同时检查主体匹配、事实相关、证据有效、权利合法、版本当前和访问稳定。

3.4 GEO 不等于购买 AI 推荐

企业开展 GEO 工作，不能购买虚假权威、伪造媒体报道、伪造案例或批量制造相互复制的信息。这些做法会破坏真实性和可追溯性，也会让企业承担品牌、法律和数据风险。GEO 的合理价值，是帮助企业发现信息缺口、统一事实口径、补足合法证据、改善信息结构，并建立监测和纠错机制。

因此，企上榜 GEO 对建设结果采用克制口径：有助于改善企业信息基础条件，增强企业信息被准确识别和理解的可能性，提升企业对错误信息的发现与修正能力。它不构成平台背书，不代表 AI 排名，不对收录、推荐或业务转化作结果承诺。

第四章 QSB-AISA 五层模型：企业 AI 信源资产的对象体系

企业建设 AI 信源资产，首先要回答“建设什么”。网页、文档、数据记录和问答材料只是载体。信息拥有明确主体、稳定语义、可核验证据、可控状态和持续责任后，才进入可管理的信源资产范围。

QSB-AISA 是企上榜 GEO 提出的企业 AI 信源资产五层模型。AISA 指 AI Source Asset。模型从 AI 理解企业时必须连续回答的五个问题出发：企业是谁，企业拥有什么知识，企业主张如何验证，企业如何形成外部可信关联，信息如何长期保持有效。由此形成 Identity Source、Knowledge Source、Evidence Source、External Validation Source、Evolution Source 五层。

五层存在依赖关系：身份信源提供对象锚点，知识信源解释企业及其业务，证据信源支持具体主张，外部验证信源形成独立且相关的核验关系，进化治理信源负责更新、纠错和版本控制。缺少任一层，都会出现主体混淆、理解不足、证据断裂、外部关系失真或信息过期。

五层描述资产属性，不是网页分层或部门分工。同一材料可以贡献多层资产，一项资产也可分布于多个系统。模型用于统一盘点、确定优先级并建立治理对象。

4.1 Identity Source：身份信源层

4.2 Knowledge Source：知识信源层

4.3 Evidence Source：证据信源层

4.4 External Validation Source：外部验证信源层

4.5 Evolution Source：进化治理信源层

4.6 五层模型的组合逻辑

五层模型的基本单元可以表达为一条资产链：确定主体提出一项有边界的事实陈述，事实由适配证据支持，事实及证据被组织进可理解的语义关系，并由明确责任机制维护。该链条既能从主体向外展开，也能从一个外部问题反向追溯。

模型不要求企业同时把所有层建设到同等深度。优先级应由核心问题、风险程度、事实稳定性和外部使用频率共同决定。高风险、高频且容易发生口径冲突的对象，应先完成完整资产链；低频、尚未确认或不宜公开的对象，可以保留在内部状态。建设顺序服从可信性，不服从内容规模。

第五章 六层技术架构：让资产可进入、可处理、可使用

五层模型定义了资产对象，技术架构负责承载这些对象的形成、连接和运行。两者不能机械对应。一个技术层可能同时处理多类资产，一类资产也会穿过多个技术层。QSB 企业 AI 信源资产技术架构由数据采集、信息治理、知识组织、内容表达、信任验证、AI 适配六层组成，并由治理安全、监测进化两个机制贯穿。

架构保留原始信息与加工结果的区别，分开内部资产状态与外部平台状态，并要求自动化服从治理规则。高风险事实、冲突证据和公开边界不能仅由自动流程决定。

5.1 数据采集层

数据采集层负责把企业允许进入体系的信息源登记并接入。来源可以是官网、产品文档、知识库、业务系统、结构化数据、正式公告、资质文件和经授权的外部材料。接入动作包含来源注册、权限校验、采集方式确定、原始副本留存和更新信号记录。

数据采集层输出来源目录、接入任务、原始快照和异常日志。它不判断内容真假，也不默认获得的信息都可用于外部发布。权限不足、来源不稳定或涉及敏感信息时，系统应停止后续公开流转，并把问题交给责任角色处理。

5.2 信息治理层

信息治理层把不同格式、结构和表达方式的信息转换为可比较、可拆分的标准对象。主要处理包括格式解析、文本提取、字段映射、去重、时间标准化、单位统一、段落切分、敏感信息识别和基础质量检查。

本层输出规范文档、结构化字段、内容片段、重复关系和处理日志。质量关注解析完整性、字段一致性、重复识别和异常可见性。无法可靠解析的材料可以进入待处理队列，不应以缺失字段的形式悄然进入事实库。

5.3 知识组织层

知识组织层负责识别内容中的企业、品牌、产品、人员、机构、时间、地点、能力和场景，并将其映射至主体目录与概念词典。该层完成实体识别、别名归一、同名消歧、关系抽取、术语映射和问题意图关联。

本层输出实体链接结果、候选冲突、语义标签、关系草案和问题映射。其质量由正确归属、未决冲突可见、术语映射稳定和关系边界完整来判断。知识组织层为机器理解提供结构，但不独立决定事实是否成立。

5.4 内容表达层

内容表达层把已经组织和确认的知识转化为适合不同使用场景的文章、问答、案例、产品说明、主题页和结构化内容单元。表达必须保留主体、条件、证据指向和版本信息，不能为了语言流畅删除关键边界。

本层输出内容模块、问答单元、案例模板、发布包和渠道映射。质量关注语义清楚、上下文完整、事实一致、证据可达和机器可解析。不同渠道可以调整篇幅与语言，但不能改变核心事实。

5.5 信任验证层

信任验证层把事实、证据、来源、授权、版本和适用范围连接成可复核关系。它承担证据绑定、来源分级、冲突检测、有效期判断和公开边界校验，使一项主张能够回到明确依据。

本层输出证据目录、事实证据映射、来源质量记录、授权状态、冲突队列和版本基线。质量取决于证据是否适配、来源是否相关、关系是否可追溯、历史版本是否保留。证据数量和来源知名度不能替代匹配程度。

5.6 AI 适配层

AI 适配层负责降低企业信息在生成式人工智能环境中的识别和理解难度。它检查公开入口可访问性、页面结构、实体名称、问题映射、内容颗粒度、上下文保留和版本标识，并形成适配建议与复验问题集。

本层输出 AI 适配清单、问题地图、可解析内容单元、公开入口状态和复验记录。适配只说明企业完成了信息供给与结构改善，不代表外部系统已经抓取、索引、引用、推荐或产生业务结果。任何外部状态都必须单独观察并注明时间、问题和范围。

5.7 贯穿机制一：治理安全机制

治理安全机制贯穿六层，统一处理真实性、版权、授权、隐私、数据安全和发布责任。数据进入体系前要判断来源与权限，信息治理时要识别敏感内容，知识组织时要保留权利状态，内容表达时要检查主张边界，信任验证时要确认授权与有效期，AI 适配时要避免把受限信息转为公开内容。

该机制设置已确认、待核验、受限、禁止公开和冲突等状态。高风险事实不能仅由自动流程决定；发现虚假、无权使用、隐私泄露或重大过期信息时，应暂停相关内容并进入处置流程。治理安全的验收对象是规则、角色、记录和处置闭环。

5.8 贯穿机制二：监测进化机制

监测进化机制按“测试、发现、修订、复验、归档”运行。它同时观察内部资产状态和外部信息样本，记录来源异常、解析失败、事实冲突、证据失效、版本滞后、公开错误和责任逾期，并把问题分派到对应层。

该机制至少覆盖问题编号、发现时间、相关事实、涉及来源、维护角色、修订动作、复验结果和归档状态。监测不是只看曝光或品牌出现，而是发现信息质量问题。复验也不用于证明控制外部系统，只用于判断企业可控的基础条件是否完成修订，问题是否仍需继续处理。

5.9 架构运行的状态分离

六层架构最终要建立一套清晰的状态语言。内部可以确认的状态包括：来源已接入、内容已解析、主体已确认、事实已审核、证据已绑定、内容已发布、资产已更新。外部可观察状态包括：页面可访问、被抓取、被索引、在特定问题中被引用、在特定条件下形成推荐、带来某类业务行动。

这些状态之间不存在必然递进。发布不保证抓取，抓取不保证索引，索引不保证引用，引用不等于推荐，推荐也不直接等于业务结果。架构的职责，是提高企业信息被准确发现、理解和核验的基础条件，并保留对外部状态的观察证据。任何跨状态判断都应说明观察范围、时间和限制。

第六章 QSB SOURCE BUILD：企业 AI 信源资产六阶段建设方法

QSB SOURCE BUILD 将模型和架构转化为六个阶段：Scan 信源诊断、Organize 信源整理、Upgrade 信源强化、Rebuild 信源体系建设、Continuous 持续维护、Evolution 持续进化。BUILD 是五项约束：事实起点（Base）、对象统一（Upgrade）、资产连接（Interlink）、生命周期管理（Lifecycle）和责任纪律（Discipline）。

六阶段不是一次性瀑布流程。企业首次建设时可按顺序推进，进入常态运行后，任何业务变化都可能触发局部循环。例如产品版本变化，会从范围确认进入信源整理，随后更新事实、证据、内容服务和治理记录。方法的完成标准不是发布一批内容，而是形成可以反复运行的资产机制。

6.1 S：Scan 信源诊断

6.2 O：Organize 信源整理

6.3 U：Upgrade 信源强化

6.4 R：Rebuild 信源体系建设

6.5 C：Continuous 持续维护

6.6 E：Evolution 持续进化

6.7 六阶段的闭环与完成判据

SOURCE BUILD 的阶段边界由成果状态决定，而不是由会议或文档是否完成决定。范围阶段以对象、目标和边界可判定为完成；观测阶段以来源和问题基线可复查为完成；规范阶段以主体、事实、术语和状态可以共同使用为完成；关联阶段以关键事实能够回溯证据为完成；编排阶段以资产能够按场景稳定调用为完成；演进阶段没有终止点，其完成表现为变更能够持续进入闭环。

企业应检查五层资产是否形成、六层架构是否承载、关键问题是否拥有可核验回答、变更能否定位影响对象。外部抓取、索引、引用和推荐仍作为独立状态观察。分开两类结果，企业才能管理可控基础，并在信息变化时保持可信。

第七章 评价体系、生命周期与成熟度：让信源资产可判断、可维护、可升级

企业建设 AI 信源资产，不能把“已经发布”当成“质量合格”，也不能把“页面增多”当成“能力成熟”。信源价值不由数量单独决定，而由它在特定时间与业务边界内承担验证责任的能力决定。

企上榜 GEO 据此构建三个工具：QSB-AIQ 评价信源质量，QSB-SLC 判断信源状态与下一步任务，S1—S5 判断企业持续建设能力。三者分别评价对象、过程与组织，不能互相替代。

7.1 QSB-AIQ：企业 AI 信源质量的五指标模型

QSB-AIQ 的评价对象不是企业声誉或平台推荐，而是可识别、核验和维护的“信源记录”，至少包含对象标识、事实或主张、适用范围、证据、责任主体、版本与有效时间。评价网站或知识库时，应先拆为记录再汇总，不能用整页观感代替核验。

模型设置真实性、一致性、可追溯性、来源质量、时效性五项指标，均按 0—100 分表达。分数仅是内部管理尺度，不表示市场排名或 AI 系统必然采纳。评价前须固定范围、抽样方法、基准日期和规则版本。

7.2 QSB-SLC：企业 AI 信源资产五阶段生命周期

QSB-SLC 将信源资产从原始材料到持续治理划分为 Source、Structure、Strengthen、Synchronize、Sustain 五个阶段，分别对应信源发现、信源整理、信源强化、信源同步和持续维护。阶段之间不是一次性直线：维护中发现事实变化，要返回强化；发现分类错误，要返回整理；发现授权撤回，应立即停止同步。生命周期管理的核心，是让每条信息始终具有明确状态，而不是让内容发布后脱离责任链。

7.3 S1—S5 企业 AI 信源资产成熟度模型

成熟度评价针对企业能力，而非单条信源。它不以企业规模、预算或页面数量划级，也不表示同行排名。评级应以“最低稳定能力”为原则：某些示范页面达到高水平，不能掩盖大部分核心信息仍无人维护。企业可按业务单元分别评价，集团总评必须说明覆盖范围。

7.4 三套模型的联合使用

企业可按“基线评价—生命周期整改—成熟度升级”运行：用 QSB-AIQ 形成基线与红线清单，将问题分派到 QSB-SLC 对应阶段，再判断属于个别记录缺陷还是组织能力不足，据此安排 S1—S5 升级任务。

三套模型共同遵守一个边界：它们评价企业可信信息基础，不代替外部平台机制，也不构成对抓取、收录、引用、推荐、排名或经营结果的保证。评价真正要推动的，不是让分数好看，而是让每个重要判断都能找到事实、证据、责任和有效时间。

第八章 企业 AI 信源资产治理：可信的前提是权利、责任与纠错同时成立

信源治理贯穿识别、核验、组织、应用和维护。真实信息若无权使用，仍不是合格信源；经过授权的信息若版本过期，也会造成误导。治理要让“事实成立、使用有权、披露适当、变化可控、错误可纠”同时成立。

8.1 真实性治理：把主张责任落到事实源头

真实性治理应区分事实、观点、预测和宣传性主张。事实必须有可核验证据；观点应标明主体与适用语境；预测应说明假设与不确定性；宣传性主张不得伪装为客观结论。企业应为主体身份、产品能力、资质、价格、案例、安全和效果等高风险信息设定更严格的证据要求。

真实性责任不能由内容编辑独自承担。业务部门对事实本身负责，资料管理员对证据关联负责，审核者对表达是否超出证据负责。发现材料冲突时，应冻结争议信息的发布，保留不同版本和冲突原因，由有权事实维护角色裁定。不得为追求表达确定性，将“可能”“适用于特定条件”改写成无条件承诺；也不得把情景推演、复合案例或内部测试描述为真实客户结果。

8.2 版权治理：拥有事实不等于拥有表达

事实本身与承载事实的文字、图片、图表、视频、软件界面和数据库编排，应分别判断权利。企业掌握某项业务事实，不代表可以直接复制媒体报道、研究报告、合作方图片或平台页面。信源资产入库时应记录作品名称、作者或权利主体、取得方式、许可范围、期限、地域、可否改编、可否再授权及署名要求。

员工、供应商和合作机构创作的材料，应以合同或授权确认权利，不能仅凭“为企业项目制作”推定归属。引用应限于必要范围并保留出处。生成式 AI 参与起草或制图时，应记录使用场景、输入材料权利与人工复核结果；模型生成不自动消除近似表达或商标误用风险。

8.3 授权治理：控制谁能以什么方式使用信息

授权治理包含两层：企业是否获得对某项材料的使用授权，以及企业内部人员、系统和外部合作方是否被授权执行特定动作。前者决定资产能否入库、改编和公开，后者决定谁能查看、编辑、审批、发布、导出和删除。

授权应坚持目的限定与最小权限。客户案例的“可公开”不应被推定为可在所有渠道、所有地域、永久使用；品牌标识授权也不当然覆盖产品背书。授权到期、用途改变或权利人撤回时，系统应触发影响分析和下游处置。口头同意或聊天记录若不足以说明范围，应暂按受限使用处理。对外部代运营、技术服务商和内容合作方，应明确资料边界、保密义务、留存期限、转委托条件和退出后的删除或返还要求。

8.4 隐私治理：从“能获得”转向“有必要处理”

个人信息进入信源资产前，应先回答处理目的、必要范围、合法依据、保存期限和访问主体。公开渠道已经出现的信息，也不意味着企业可以无条件汇集、画像、长期保存或再次公开。客户姓名、联系方式、员工履历、照片、访谈记录、定位信息以及可关联到个人的行为数据，都应进行识别与分级。

治理方法包括数据最小化、去标识化、分级访问、用途隔离和到期处置。案例若不需要识别个人，应删除或替换个人标识；需要实名或肖像时，应取得与使用场景相匹配的授权。面向 AI 检索或问答系统提供数据时，要防止提示词、日志、向量表示、缓存和导出文件形成新的泄露路径。涉及未成年人、敏感个人信息或跨境处理等高风险情形，应进入专门审查，不由内容团队自行判断。

8.5 数据安全治理：保护资产，也约束资产的流动

信源资产可能同时包含公开信息、内部信息、商业秘密和受限证据。企业应按敏感程度和业务影响分级，并将分类结果映射到存储、传输、访问、备份、日志和销毁规则。公开表达层可以展示经过批准的结论与必要证据摘要，原始合同、客户数据、密钥、未发布产品信息等不应因构建“完整知识库”而进入公开可访问环境。

技术控制至少应覆盖身份认证、最小权限、传输与存储保护、操作日志、异常告警、备份恢复和第三方接口管理。测试环境、个人网盘、即时通信附件和模型调用日志是常见的旁路，不应因不属于正式系统而免于治理。安全事件发生时，应能够定位受影响资产、访问者、下游副本和公开渠道，执行隔离、撤回、修复、通知与复盘。安全措施的强度应与风险相称，本白皮书不以单一工具或产品替代企业自身的安全制度与合规判断。

8.6 角色与责任：一条信源必须有事实主人和资产管家

企业可设置以下角色，并根据规模合并岗位，但不能取消责任：

同一人可以承担多个角色，但高风险信息不宜由同一人同时完成事实提出、合规审批和最终发布。责任矩阵应明确谁提出、谁确认、谁批准、谁执行、谁知会，并为缺席、离岗和紧急事件设置代理机制。系统生成、自动同步或 AI 辅助内容也必须归属于明确的人类责任链，不能把“算法生成”当作责任主体。

• 治理负责人：批准总体规则、风险等级和重大例外，协调跨部门争议；
• 事实维护角色：对业务事实的真实性、适用范围和变化通知负责，通常来自业务、产品、人力、财务或法务等源头部门；
• 资产管理员：维护主记录、元数据、证据关系、版本和生命周期状态；
• 权利与合规审核者：审查版权、授权、隐私、监管要求和承诺性表达；
• 安全维护角色：确定数据分类、访问控制、系统安全和事件响应措施；
• 发布维护角色：确认渠道版本、公开范围、发布时间和撤回能力；
• 监测与纠错维护角色：接收反馈、评估影响、推动修复并关闭问题；
• 审计或独立复核者：检查流程是否执行、记录是否完整、例外是否被滥用。

8.7 变更治理：每次修改都要回答影响了什么

变更可由业务事件、证据到期、规则调整、授权变化、系统迁移或外部纠错触发。企业应按照“提出—评估—批准—实施—验证—关闭”的流程处理。变更单至少记录变更对象、原因、旧值与新值、生效时间、证据、提出人与批准人、影响范围、下游清单和回退方案。

重大变更应先完成影响分析：哪些网页、知识条目、问答、接口、销售材料和外部合作方持有旧版本；是否需要暂停发布；是否影响既有承诺和客户权益。紧急纠错可以先隔离或下线再补齐审批，但必须保留理由和事后复核。历史记录原则上归档而非无痕覆盖，以便解释某一时间点为何出现某种表达。变更完成后，应复算受影响记录的 QSB-AIQ 指标，并确认下游同步结果。

8.8 纠错机制：公开错误必须有入口、有时限、有回执

纠错来源包括内部巡检、员工发现、客户反馈、合作方通知、权利人投诉、安全告警和对 AI 回答的观察。统一入口应收集错误位置、涉及对象、证据、发现时间和潜在影响，避免反馈散落在个人聊天中。收到问题后先分级：涉及虚假身份、重大产品误导、隐私泄露、无权使用或安全风险的，应优先隔离相关内容；一般错别字和非实质表达问题可进入常规队列。

纠错处理包括确认事实、控制扩散、修正主记录、同步下游、必要时对外说明、复核结果和关闭回执。企业只能直接修正自身可控制渠道；对于外部平台或第三方内容，可通过其正式渠道提交更正请求，并保存请求与结果，不得声称一定能够删除、替换或影响模型输出。观察到 AI 回答错误时，应区分企业源信息错误、第三方来源冲突、平台缓存、模型推断偏差等可能原因，避免把每个错误都归因于“没有做内容”。

纠错不是删除负面信息，也不是通过大量新页面稀释争议。对于有事实依据的批评、司法记录、监管信息或用户评价，应依法依规处理，不得用信源治理包装操纵信息。企业应复盘错误为何通过核验、为何未及时发现、为何下游难以同步，并将原因转化为字段、规则、权限或流程改进。

8.9 治理例外与审计：允许例外，但不允许无记录

业务紧急、系统故障或公共安全事件可能要求临时发布未完成常规流程的信息。例外必须说明业务必要性、风险、适用范围、批准人、失效时间和补充核验计划。例外到期后自动失效或进入复审，不得长期成为绕过制度的通道。

审计应检查证据适配、权限、变更同步、纠错关闭、日志和高风险例外。发现应回到 QSB-SLC 阶段整改：单条错误修记录，重复问题修机制。真实性、权利基础、隐私安全、责任链和纠错闭环共同成立，信源资产才具备可信基础设施的条件。

本章治理框架用于企业内部方法设计，不替代针对具体行业、地区和业务情形的法律、审计、网络安全或专业合规意见。企业应依据自身适用规则完成进一步审查，并对最终发布与处理行为承担责任。

9.1 趋势判断的方法与边界

本章讨论的是条件性趋势，不是对某一产品、平台或模型行为的确定预测。生成式人工智能的产品形态、信息调用方式和内容治理规则仍在变化，任何企业都不能据此承诺收录、引用、推荐或排名。本白皮书采用“驱动因素、可能变化、企业影响、应对准备”四个环节进行推演，把趋势判断限定在企业能够管理的信息基础设施范围内。

未来五年的核心变化，不是企业必须追逐更多信息入口，而是企业需要建立一套不依赖单一入口的信源治理能力。只要用户继续用自然语言提出复杂问题，只要 AI 系统继续对多种信息进行组织和再表达，企业身份、知识、证据、外部关联和更新机制就会持续影响信息呈现。平台规则会变，信源资产的基本要求相对稳定：事实要真实，口径要一致，主张要有证据，版本要可追溯，变化要能同步。

9.2 趋势一：企业公开信息将从内容库存转为可验证资产

许多企业目前仍以文章数量、页面数量和发布频率管理公开内容。这些指标可以说明生产活动，却不能说明信息是否可被验证。生成式人工智能把不同来源中的企业信息组织成答案后，内容之间的矛盾更容易暴露：同一产品出现多个名称，同一能力出现不同边界，同一案例缺少时间和适用条件，旧资料与新资料同时存在。

因此，公开内容的管理单位会逐步从“篇”转向“事实单元”和“证据关系”。企业需要知道一项主张由什么材料支持，材料由谁确认，在哪些渠道发布，何时需要复核，变化后影响哪些页面和问答。内容生产仍然存在，但它位于事实治理之后。没有事实台账的高频发布，可能增加冲突；有事实台账的内容生产，才能形成可复用信源。

9.3 趋势二：内部知识与外部信源将形成协同治理

企业内部知识库服务员工、业务系统和内部 AI 应用，外部 AI 信源资产服务公开信息环境。两者的权限、表达和风险边界不同，但不能长期分离。内部产品资料更新后，外部产品页如果仍保留旧口径，企业就会出现“内部已经改变、外部仍按过去理解”的状态。外部出现高频误解后，内部标准问答如果没有吸收该问题，错误还会重复发生。

双信源体系将推动企业建立共同的事实底稿。底稿保存经确认的主体、业务、产品、场景和证据关系；内部知识按权限调用更详细内容，外部信源只发布可以公开且经过授权的信息。统一的不是全部文本，而是事实版本、实体关系和变更记录。企业应避免把内部资料直接公开，也应避免让外部内容完全脱离业务事实。

9.4 趋势三：可追溯性将成为信息质量的基础要求

企业过去可以依靠编辑经验判断一段文字是否准确。随着资料数量增加、参与部门增多和 AI 应用扩展，仅靠人工记忆难以持续。未来的信源治理会更重视来源字段、证据编号、确认时间、维护角色、适用范围和失效条件。

可追溯性不等于给所有内容增加脚注。它是一种内部治理能力：看到一项公开主张时，企业能够回到事实底稿；看到一份证据时，能够确认其支持什么主张；看到一次更新时，能够识别受影响的页面、问答和资料。对于不适合公开的原始材料，可保留内部证据记录，对外只表达经授权的事实和边界。

9.5 趋势四：更新能力将比一次性建设更重要

企业信息不是静态对象。品牌会调整，产品会迭代，服务范围会变化，案例会过期，授权会终止，组织关系也可能改变。一次性完成官网改版或知识库整理，并不能解决持续变化带来的版本问题。

未来信源资产的差异，更多来自企业能否把变化转化为稳定流程。业务部门提出变更，资产维护角色判断影响范围，内容负责人完成同步，合规角色检查公开边界，监测角色执行复验，最后归档旧版本。这个闭环越清楚，错误信息停留的时间越短。更新频率不必机械统一，关键事实应按风险和变化速度设定不同复核周期。

9.6 趋势五：AI 适配将从文本优化走向信息工程

早期 GEO 工作容易被理解为关键词、标题或文章写法的调整。随着企业信源规模扩大，真正的难点会转向实体识别、字段标准、关系组织、证据映射、版本同步和异常监测。文字仍然重要，但文字只是信息工程的表达层。

企业需要让同一事实能够被网页、问答、案例、知识库和内部系统一致调用，同时保留各渠道必要的表达差异。结构化程度也不意味着把所有内容变成表格。更合理的做法是：关键事实采用字段管理，复杂判断采用段落解释，关系采用图谱或清单表达，证据采用卡片管理，公开页面再面向读者组织成自然内容。

9.7 三种发展情景

本白皮书构建三种情景，用于帮助企业判断不同外部变化下的共同准备，而非预测哪一种必然发生。

10.1 研究对象与工作边界

企上榜 GEO 将企业 AI 信源研究的对象限定为企业能够合法建设、发布、授权、纠正和持续维护的信息资产。研究不以操控模型为目标，也不把某次回答中的品牌出现视为完整成果。实践体系关注五个可管理问题：企业身份能否被准确区分，企业知识能否被清楚理解，企业主张能否获得证据支持，外部关联能否被核验，信息变化能否及时同步。

这一边界决定了企上榜 GEO 的研究不从“如何让企业被推荐”出发，而从“企业是否提供了足以支持正确理解的信息条件”出发。前者依赖外部系统决策，后者可以转化为企业内部的资产、流程、角色和检查项。

10.2 一套事实底稿

实践工作的起点是一套经确认的企业事实底稿。底稿至少包含主体名称与关系、品牌与产品关系、业务范围、服务对象、核心能力、适用与不适用场景、证据材料、公开边界、版本时间和维护角色。事实底稿不是宣传文案，也不直接等于官网内容。它是多种对外表达共享的事实基准。

事实底稿需要保留“不能说什么”。尚未验证的能力、未经授权的案例、可能暴露隐私的材料、已经失效的资质、不能普遍化的个别结果，都应进入限制字段。只有同时管理正向事实与表达边界，企业才能减少夸大和越界。

10.3 两张工作地图

第一张是信源地图。它记录信息位于官网、产品页、帮助中心、公开账号、行业资料或其他合法来源的哪些位置，并标明可访问性、内容状态、维护角色和更新日期。信源地图回答“事实在哪里”。

第二张是问题地图。它记录用户、客户、合作伙伴和 AI 信息环境可能围绕企业提出的身份、能力、比较、场景、证据和风险问题。问题地图回答“这些事实需要支持什么问题”。两张地图关联后，企业可以识别无来源的问题、无问题映射的内容、重复冲突的页面以及缺少证据的主张。

10.4 三类运行机制

第一类机制是变更同步。企业发生品牌调整、产品迭代、服务变更或授权变化时，先更新事实底稿，再根据影响清单同步内部知识和外部信源。

第二类机制是错误纠正。发现公开信息或 AI 答案存在偏差后，先判断错误属于主体、知识、证据、关联还是版本问题，再定位可能的信源缺口。修订后保留前后版本和处理记录。

第三类机制是复验归档。企业使用固定问题集和固定记录格式观察信息表达变化。复验用于发现问题和验证基础条件是否改善，不用于声称控制外部系统。每次复验应记录时间、问题、观察结果、相关信源、判断和后续动作。

10.5 组织协同与责任分配

企业 AI 信源资产不应只由市场部门负责。管理层确认主体定位和重大边界；产品与业务部门确认能力、功能和适用条件；品牌与内容团队组织公开表达；法务或合规角色检查版权、授权、隐私和承诺风险；技术或数字化团队维护数据结构、知识组织和系统连接；资产维护角色管理台账、版本和复验。

跨部门协同不等于所有内容都经过漫长审批。企业可以按风险分级：主体名称、资质、价格、法律承诺和客户案例属于高风险信息；一般知识解释和已确认产品说明属于常规信息；过期动态和低影响页面可采用批量复核。分级有助于把审查资源放在真正可能造成误导的位置。

10.6 实践交付物

根据企上榜 GEO 的方法论设计，一次完整的信源资产建设至少形成以下可维护成果：企业事实底稿、双信源资产目录、主体关系表、产品与服务边界表、证据卡片库、外部关联清单、问题地图、内容发布清单、版本变更记录、错误纠正单和复验报告。交付物不是项目结束后的静态文件，而是后续运行的工作底座。

案例分析 情景化复合案例

以下案例由本白皮书为解释方法而设计，综合了企业信息治理中常见的问题类型，不对应企上榜的特定客户，不代表真实项目，不构成效果测试或结果承诺。

案例一：品牌、公司与产品名称混淆

某企业在不同阶段使用过公司全称、品牌简称和产品名称。官网首页突出品牌名，公开账号使用公司简称，旧文章把产品名写成企业名，部分资料又将集团与子公司混用。外部信息环境中因此出现主体关系不清、业务归属不稳定的问题。

诊断时，项目组不从删除文章开始，而是先建立主体关系表：法定主体、经营主体、品牌、产品、历史名称分别是什么，彼此是什么关系，哪些名称仍有效，哪些仅用于历史说明。随后把核心身份事实写入官网主体页和品牌说明页，对旧资料增加时间与关系提示，并在内部知识库同步同一关系。

该案例说明，主体混淆的治理对象不是单个错误句子，而是缺失的身份关系。修正完成后仍需用固定问题复验“企业是谁、品牌属于谁、产品由谁提供”等表达是否稳定。复验结果只用于继续定位问题，不等于保证外部系统采用某种回答。

案例二：产品能力与服务边界冲突

某软件服务企业的销售方案强调定制能力，产品页强调标准功能，早期新闻稿又保留已经停止的服务。用户询问适用客户时，公开资料无法说明哪些能力属于标准产品、哪些需要项目条件、哪些已停止提供。

项目组先把产品能力拆成事实字段：功能名称、适用版本、交付方式、前置条件、限制、更新时间和证明材料。对不能普遍适用的能力增加条件说明，对已停止服务标记状态，对案例中出现的个别能力注明项目背景。内容团队再根据统一字段更新产品页、常见问答和案例说明。

该案例说明，一致性不是要求所有页面使用同一段文案，而是要求页面在核心事实和边界上不冲突。产品页可以解释功能，案例页可以描述过程，问答页可以回应场景，但它们应共享同一版本的能力边界。

案例三：旧信息持续影响企业表达

某企业完成品牌升级和业务调整后，只更新了官网首页。旧下载文件、历史介绍页、公开账号简介和合作资料仍保留过去的业务描述。新内容持续发布，但旧信息没有进入变更清单，导致外部表达长期混杂。

项目组使用 QSB-SLC 对旧资料进行分流：仍有效的资料进入结构化整理；部分有效的资料补充版本与适用范围；已经失效但需要保留的资料增加历史标记；应停止公开的资料按权限和合规流程处理。每一项变更都记录影响页面、维护角色、完成时间和复验状态。

该案例说明，信息更新不是简单覆盖。企业需要区分现行版本、历史版本和失效版本，并保留可追溯关系。没有版本治理，持续发布新内容也无法自动抵消旧信息。

结语

企业进入生成式人工智能时代后，真正需要建设的不是一批面向某个平台的临时内容，而是一套可信信息基础设施。它以身份事实为起点，以知识组织为主体，以证据和外部关联形成验证，以版本和纠错机制保持长期有效。

企上榜 GEO 提出，信源不是曝光资产，而是验证资产。曝光回答信息是否出现，信源资产回答信息能否被识别、理解、核验和持续维护。企业把这一能力建设起来，有助于改善 AI 信息环境中的表达基础，但不能替代真实业务，也不能控制外部系统的收录、引用、推荐或排名。

本白皮书构建的 QSB-AISA、QSB-SLC、QSB-AIQ、六层技术架构、QSB SOURCE BUILD 和 S1—S5 成熟度模型，分别回答建设对象、资产变化、质量判断、系统承载、实施行动和阶段升级六类问题。它们共同服务于一个长期任务：让企业真实信息拥有清楚结构、可信证据、明确责任和持续生命。

附录一 核心术语表

附录二 信源诊断清单

• 企业全称、简称、品牌、产品和组织关系是否清楚。
• 官网、公开账号、产品页和下载资料的核心身份是否一致。
• 产品功能、服务范围、适用条件和不适用边界是否明确。
• 关键主张是否有合法、有效且可追溯的证据。
• 案例是否获得授权，是否说明时间、背景和结果边界。
• 重要信息是否以可访问、可解析的形式公开。
• 历史资料是否标明状态，新旧版本是否存在冲突。
• 内部知识变化是否有外部同步机制。
• 是否建立固定问题集、错误纠正单和复验记录。
• 每类资产是否有维护角色、复核周期和升级规则。

附录三 企业 AI 信源资产台账模板

附录四 证据卡模板

附录五 版本变更记录模板

附录六 QSB-AIQ 评分记录表

附录七 项目验收清单

项目验收不以内容数量或 AI 出现次数作为单一标准。验收应确认：定义与模型是否完整；五类资产是否建立台账；双信源是否有共同事实底稿；关键主张是否完成证据映射；高风险信息是否通过授权与合规检查；版本变更是否能定位影响范围；固定问题集是否建立；纠错和复验是否形成记录；交付文件是否可打开、可检索、可继续维护；所有表达是否避免虚假信源、平台背书和结果保证。