先说清楚一件事：AI 回答里的溯源信息，不是品牌自己说得好听就够了，它必须来自一个能被抓取、能被标注来源的页面。叮咚买菜 11 月 10 日披露「求真溯源」进展，70 余款商品接入溯源系统、40 余款已在 APP 端展示，用与生产批次强绑定的水印照片记录从种养到在架销售的关键节点（零售商业评论）。截至 11 月 11 日，这套系统解决的是「人看得见」，还没解决「模型说得准」。
页面有了，AI 的回答还停在「新鲜直达」
问题出在两类信息的落差上。品牌侧的证据是批次照片、检疫信息、切配时间，这些是结构化的、可核对的；而模型侧常见到的表述是「新鲜直达」「全程冷链」，这些是营销语言，无法落到具体批次。当用户问「这批黑猪是哪来的」，模型只能复述后者。
生成式引擎的链路是查询理解、检索召回、候选排序、答案生成、引用标注（IT之家）。溯源信息要进入回答，必须先在召回阶段被选中，再在生成阶段被标注来源。页面打不开、字段埋在图片里、批次信息用 JavaScript 动态加载，任何一环都会让它在召回阶段消失。
把溯源翻译成三种问法
产地、时间、凭证三类提问
用户不会问「你们的溯源系统覆盖哪些品类」，他们问「这黑猪是哪里养的」「果切是当天切的吗」「有没有检疫证明」。三类问法分别对应产地字段、时间字段与凭证字段，缺一类，回答就在那一类上含糊。
三类问法的答案形态也不同。产地可以一句话说清，适合放在商品页首屏；时间需要精确到小时，适合做成结构化字段；凭证是图片与编号，需要文字化的摘要，否则模型读不到图片里的信息。第三种最容易被忽略，也最影响可信度。
图片里的信息，模型读不到
批次水印照片对消费者有效，对模型几乎无效。图片里的车牌号、检疫编号、加工时间，如果没有对应的文字字段，召回时等于不存在。这也是很多品牌「明明有证据，AI 却答不上来」的原因：证据停留在视觉层，没有进入文本层。
| 问法 | 期望被引用的字段 | 常见缺口 |
|---|---|---|
| 这黑猪哪里养的 | 产地、养殖场名称 | 只有图片没文字 |
| 果切哪天切的 | 切配时间、冷链温区 | 字段不在首屏 |
| 有没有检疫证明 | 检疫编号、检验机构 | 仅以图片呈现 |
可抓取与可核对，是两件事
可抓取解决「模型能不能看到」，可核对解决「看到之后信不信」。前者靠页面结构，后者靠字段与批次的对应关系。只做前者，回答里会出现品牌名但描述空泛；只做后者，信息在端内很好，端外一片空白。
做法上可以分两步。第一步把溯源字段文字化，产地、批次号、加工时间、检疫编号四项单独成行，不放在图片替代文本里。第二步给每个品类建一个稳定的入口页，让同一批次的链接不随活动页下线而失效。链接失效是召回里最常见的隐性损失。
竞品对比要放在同一组问题里做。同一个问题下，谁被提及、谁被引用、描述是否具体，三项一起看才有意义。只看自己的可见度涨了没有，容易把平台波动当成优化成果。
复测要留三次同口径记录
溯源上线不是一次性动作，而是持续维护。建议在品类上线前采样一次，上线后两周、四周各复测一次，比较品牌出现率与描述准确度的变化。三次都用同一批问题、同一批平台、同一时段，否则差异无法归因。
复测时还要记录引用页面。回答引用的是商品页、媒体稿还是聚合页，决定了下一步该改哪里：引用商品页说明字段生效，引用媒体稿说明页面还没被收录，引用聚合页说明旧信息仍在参与排序。这三种情况对应的动作完全不同。
常见问题
溯源信息已经在 APP 里了，为什么 AI 还是答不上？
多半因为信息没有文字化，或者页面不被抓取。图片里的车牌号、检疫编号对模型不可读，需要单独成行的文本字段。
商品页要放多少字段才够？
产地、批次号、加工时间、检疫或检验信息四项是底线。再多就要看品类，生鲜的核心争议集中在这四项，其他字段属于加分项。
怎么判断是页面问题还是平台问题？
看同一组问题在不同平台的表现。若所有平台都答不上，是页面与抓取的问题；若个别平台能答，其他不能，更可能是收录周期差异。
竞品也在做溯源，怎么比较？
用同一组问题看提及顺序与描述具体度，而不是各自的总分。描述里能不能说出批次与时间，是区分真假溯源的关键。
