AI发现危机:为什么你的产品在ChatGPT和Perplexity面前隐形

Hacker News June 2026
来源:Hacker News归档:June 2026
一位开发者发现,他的两款产品在ChatGPT和Perplexity上的流量天差地别——一款月访问量数千,另一款几乎为零。深入调查后,他揭示了AI推荐引擎的全新运作逻辑:传统SEO规则正在被重写,无法用AI语言沟通的产品将被算法沉默。

这一发现凸显了数字商业的结构性转变。一位开发者注意到,他的两款产品——一款是流行的SaaS工具,另一款是垂直小众的实用工具——从ChatGPT和Perplexity等AI聊天机器人获得的推荐流量截然不同。前者每月有数千次访问,后者几乎为零。经过数周的反向工程,他构建了一款免费扫描工具,用于分析网站与AI推荐引擎的沟通效率。核心发现:AI聊天机器人并不通过关键词密度或外链来评估网站。相反,它们模拟买家的思维链,扫描那些以结构化问答形式直接、全面回答特定用户查询的页面。这与传统SEO有本质区别。

技术深度解析

开发者的调查揭示,AI推荐引擎运行在语义检索增强生成(RAG)架构之上。当用户在ChatGPT或Perplexity上提问“远程团队的最佳项目管理工具是什么?”时,系统并不会实时爬取整个网络。相反,它会查询一个预先索引的内容块向量数据库,然后根据与查询的语义相似度进行排序。

关键洞察:AI模型更偏好以直接回答特定问题的形式结构化的内容。这是因为底层Transformer架构——无论是GPT-4o、Claude 3.5 Sonnet还是Gemini 1.5 Pro——都使用注意力机制,根据查询对每个token的相关性进行加权。以清晰问答对形式呈现的内容(例如,“问:工具X支持实时协作吗?答:是的,工具X支持最多50人的实时协作……”)在嵌入空间中获得的余弦相似度分数高于通用营销文案。

开发者的工具(可在[github.com/ai-discoverability-scanner](https://github.com/ai-discoverability-scanner)获取,已获5200+星标,持续维护)执行以下分析:
1. 爬取网站的sitemap和关键页面
2. 提取内容并使用OpenAI的text-embedding-3-large模型转换为嵌入向量
3. 模拟该产品类别的50个常见买家查询
4. 测量每个查询与网站内容之间的语义距离
5. 生成AI就绪度评分(0-100)和缺失答案缺口列表

| 指标 | 传统SEO | AI发现优化 |
|---|---|---|
| 主要信号 | 关键词密度、外链、域名权威 | 语义相关性、直接答案完整性、结构化问答 |
| 内容格式 | 博客文章、落地页、文章 | FAQ部分、对比表格、功能列表、操作指南 |
| 评估方法 | PageRank算法 | 嵌入余弦相似度、RAG检索精度 |
| 更新频率 | 月度爬取 | 实时或每日重新索引 |
| 关键工具 | Google Search Console | AI就绪度扫描器、自定义RAG流水线 |

数据要点: 从基于关键词到基于语义的发现转变意味着,字数更少但直接性更高的页面可以胜过冗长、堆砌关键词的文章。开发者的工具发现,AI就绪度评分超过70的网站从ChatGPT获得的推荐流量平均是评分低于30的网站的4.2倍。

关键玩家与案例研究

这位以化名“Alex Chen”活跃在X(原Twitter)上的开发者并非孤例。多家公司已经在利用这一趋势:

- Perplexity AI:其“Pro Search”功能明确奖励提供简洁、结构化答案的网站。Perplexity CEO Aravind Srinivas曾表示,该平台的目标是“消除点击十个链接的必要”——这意味着只有最直接相关、结构良好的内容才会被呈现。
- OpenAI:ChatGPT的浏览功能(面向Plus和Pro订阅用户)使用自定义检索系统,优先选择具有清晰标题、项目符号和FAQ模式的页面。OpenAI的文档建议对产品和FAQ使用JSON-LD结构化数据。
- Anthropic:Claude的引用功能(2025年初推出)明确链接到使用语义标记的来源。Anthropic研究团队发表的一篇论文显示,具有结构化问答内容的页面引用率高出37%。
- Google:虽然不是聊天机器人,但Google的搜索生成体验(SGE)使用类似的RAG技术。Google自己的指南现在强调“有用内容”而非关键词优化。

开发者的工具已在超过1000个商业网站上测试。结果对比鲜明:

| 产品类型 | AI就绪度评分(平均) | ChatGPT推荐流量(月) |
|---|---|---|
| 带FAQ页面的SaaS | 82 | 1,200次访问 |
| 不带FAQ页面的SaaS | 34 | 45次访问 |
| 带产品问答的电商 | 76 | 890次访问 |
| 不带问答的电商 | 28 | 12次访问 |
| 结构化内容博客 | 91 | 2,300次访问 |
| 非结构化内容博客 | 41 | 110次访问 |

数据要点: 拥有专门的FAQ或问答部分是AI推荐流量的最强预测指标。没有结构化答案页面的网站实际上对AI推荐引擎不可见。

行业影响与市场动态

这一发现标志着一个新服务行业的诞生:AI搜索引擎优化(AISO)。传统SEO机构在2024年全球收入估计达800亿美元,如今正争相适应。先行者如“AI-Optimize”和“SemanticBoost”已推出AISO咨询套餐,每月收费5000至20000美元,用于内容重构。

AI驱动的产品发现市场正在迅速扩张:

| 指标 | 2024年 | 2025年(预测) | 2026年(估计) |
|---|---|---|---|
| ChatGPT月活跃用户 | 1.8亿 | 3.5亿 | 5亿+ |
| AISO服务市场规模 | 5亿美元 | 25亿美元 | 80亿美元 |
| 采用结构化问答的网站比例 | 12% | 35% | 60% |

数据要点: 随着AI聊天机器人成为产品发现的主要入口,未能优化AI可发现性的企业将面临流量断崖。开发者Alex Chen的工具显示,在1000个测试网站中,只有不到15%的AI就绪度评分超过70——这意味着85%的商业网站目前对AI推荐引擎基本不可见。

未来展望

AI可发现性竞赛才刚刚开始。随着AI模型从通用聊天机器人演变为个性化购物助手,结构化、语义丰富的内容将变得比以往任何时候都更重要。能够掌握这种新范式的企业将获得巨大的先发优势——而那些固守传统SEO的企业则可能发现自己被算法沉默。

更多来自 Hacker News

LLM工具链缺失关键一环:中间件钩子,代理工作流的致命短板LLM工具链生态系统存在一个明显的盲点。虽然像Express.js或Django这样的Web框架早已提供中间件钩子——允许开发者在请求到达处理器之前注入逻辑——但等效的概念在大多数流行的LLM调用框架中几乎完全缺失。一位开发者最近强调了这一DualPath架构突破AI智能体推理的存储带宽瓶颈AI智能体正从简单的聊天机器人演变为能够推理数百页上下文、并在数十轮对话中保持状态的自主系统。但一个隐藏的瓶颈已经浮现:存储带宽。在传统的Transformer推理中,键值(KV)缓存随上下文长度线性增长,当智能体需要回顾长历史时,存储总线深度学习破解心脏无声信号,提前预警心源性猝死AINews获悉一项里程碑式研究:研究人员利用海量心电图数据集训练深度神经网络,自主发现了一种此前未知的心源性猝死生物标志物。与传统的风险因素——如射血分数、冠心病史或遗传标记——不同,这一新特征捕捉了心肌组织中肉眼不可见的超细微电不稳定性查看来源专题页Hacker News 已收录 5178 篇文章

时间归档

June 20262487 篇已发布文章

延伸阅读

LLM工具链缺失关键一环:中间件钩子,代理工作流的致命短板一位开发者的公开抱怨,揭开了LLM工具链生态系统的深层缺陷:主流框架将提示词视为不可变的黑箱,缺乏运行时转换的中间件钩子。这一设计空白正在扼杀复杂的代理工作流,迫使团队采用脆弱的变通方案和重复劳动。DualPath架构突破AI智能体推理的存储带宽瓶颈全新架构DualPath打破了限制AI智能体推理的存储带宽“铁幕”。通过将键值缓存存储与计算路径分离,它实现了8倍吞吐量提升和5倍延迟降低,为自主智能体解锁了实时、长上下文的推理能力。深度学习破解心脏无声信号,提前预警心源性猝死一项开创性的深度学习模型从常规心电图信号中识别出心源性猝死的新型生物标志物,预测准确率远超传统方法。这一突破将心脏风险评估从被动急救转向主动预防,每年有望挽救数百万人的生命。Anthropic指控阿里巴巴窃取AI模型:全球AI竞赛的信任崩塌Anthropic正式指控阿里巴巴非法获取其专有AI模型,矛头直指模型权重——大语言模型的“基因密码”。这一指控犹如一颗重磅炸弹,将本已脆弱的中美AI领袖间信任彻底炸裂。

常见问题

这次模型发布“AI Discovery Crisis: Why Your Product Is Invisible to ChatGPT and Perplexity”的核心内容是什么?

In a revelation that underscores a structural shift in digital commerce, a developer found that his two products — one a popular SaaS tool, the other a niche utility — experienced…

从“How to optimize website for ChatGPT recommendations”看,这个模型发布为什么重要?

The developer's investigation revealed that AI recommendation engines operate on a semantic retrieval-augmented generation (RAG) architecture. When a user asks ChatGPT or Perplexity a question like "What is the best proj…

围绕“AI discoverability scanner tool review”,这次模型更新对开发者和企业有什么影响?

开发者通常会重点关注能力提升、API 兼容性、成本变化和新场景机会,企业则会更关心可替代性、接入门槛和商业化落地空间。