截至 11 月 7 日的公开信息，11 月 4 日在 2026 年世界互联网大会乌镇峰会上，中国信息通信研究院、华为、阿里、腾讯、小米等 20 家单位联合发布《智能体发展自律公约》，提出八条自律措施，第一条即健全智能体信任体系：建立分层次、可验证的智能体身份标识，完善身份验证与管理、权限授予与控制、规则表达与内嵌等机制；配套的国家区块链网络则强调智能体身份可核、授权可控、行为可查、责任可追。对做品牌 AI 搜索可见度的团队来说，这份公约的价值不在行业倡议本身，而在它把「谁说的、依据什么说」变成了可追溯的技术要求——当 AI 回答开始带上身份与责任链条，品牌被引用这件事也需要跟着升级成可核验的证据。
身份可核之后，引用不再是一个数字
过去两年，衡量品牌在 AI 里的存在感，常用指标是「被提及次数」和「被引用次数」。这两个数字有一个共同缺陷：无法区分引用来自哪里、由谁生成、是否可核验。当智能体开始带上身份标识，引用的来源就有了可追溯的锚点——不是「某个模型提到了你」，而是「某个具备特定身份的智能体，在特定授权范围内，引用了某条具体内容」。
对品牌来说，这意味着监测的颗粒度必须变细。同一条回答，来自不同身份的智能体，可信度完全不同；同一个引用，指向官网还是指向二手转述，说服力也完全不同。把这些差异合并成一个总数，等于放弃了最有价值的那部分信息。
责任可追，意味着证据要能对上
「责任可追」听起来是治理语言，落到品牌身上是很具体的要求：如果 AI 回答把你的产品说错了，你需要能指出这条错误来自哪条原始信源，才能要求修正。没有这条链路，你能做的只有反复发通稿，指望模型下次改口。有链路之后，修正就变成了一次有据可依的沟通。
竞品对比会因为身份而重新排序
当智能体身份与授权范围被明确，平台在选择引用来源时会更倾向于可核验的一方。这对品牌是一个机会窗口：谁能把自己的参数、资质、检测结果做成结构化的可核验页面，谁就更容易在对比类问题里被选中。反过来，只靠营销内容铺量的品牌，会在这一类问题里逐步失位。
引用追溯可以分三层看
| 层级 | 证据类型 | 可核验程度 |
|---|---|---|
| 来源层 | 官网、官方账号、检测报告 | 高，可对照原始页面 |
| 转述层 | 媒体报道、行业榜单 | 中，需回溯原文 |
| 生成层 | 模型归纳出的描述 | 低，需人工比对 |
三层的差别在于能不能被独立验证。来源层的内容有固定地址，随时可以对照；转述层需要找到原文才能确认；生成层的描述是模型加工的结果，可能与任何单一来源都不完全一致。监测时如果不分层，就会把「模型自己编的一句话」和「官网写的一句话」算成同一种引用。
这也是为什么越来越多团队在监测表里加一列「来源身份」——不是记录域名，而是记录这条内容属于哪一类主体。加了这一列之后，优化动作会变得具体：来源层弱，就补结构化页面；转述层弱，就争取权威媒体覆盖；生成层偏差，就针对具体错误项修正对应信源。
问题库要按身份场景重写
智能体接入不同业务系统后，用户提问的方式会变。过去是「哪个牌子好」，以后可能是「帮我按预算和户型选一个」。这类问题没有品牌名，只有约束条件。品牌如果只覆盖带自己名字的问题，就会在这一层完全缺席。问题库需要按使用场景与约束条件重建，而不是按关键词扩展。
把追溯能力落成五步
五步的价值在于把「行业公约」翻译成「可执行动作」。公约离品牌很远，但引用来源的可核验程度离品牌很近——它决定了你在 AI 回答里是一句被引用的事实，还是一段无法追溯的转述。
常见问题
智能体公约和品牌做 GEO 有什么关系？
公约推动身份与责任可追溯，间接提高了引用来源的可核验要求。品牌把内容做成可核验的形式，更容易被选中作为引用。
引用来源为什么要分层？
因为可核验程度不同。来源层可对照原始页面，转述层需回溯原文，生成层是模型加工结果。合并统计会掩盖真实问题。
「责任可追」对品牌有什么用？
当 AI 描述出错时，你能指出错误来自哪条信源，修正才有依据。否则只能靠反复发布内容期待模型改口。
现在就该调整监测口径吗？
建议先加一列来源身份，不改动其他字段。口径调整的成本低，但能让后续三个月的对比数据可用。
