要点速览
- Google 公开表态的判断口径是内容对搜索者有没有帮助，不是这段字由人还是模型敲出来的。
- 反垃圾政策点名的行为是大规模生产低价值内容去操纵排名，用不用 AI 都能踩上。
- E-E-A-T 是评估内容质量的一套框架，不是后台里能调的排名开关。
- 想安全，把力气花在来源、一手经验、真的回答搜索意图，以及发布前让人过一遍。
不会。Google 的公开口径是看内容对搜索的人有没有用，不看这段字由人还是模型敲出来。反垃圾政策点名的是大规模生产低价值页面去操纵排名——用不用 AI 都能踩上。掉排名的是空话，不是模型。
「用 AI 写会不会被 Google 干掉」是这两年内容团队问得最多的问题，也是最容易得到含糊答案的一个。搜到的说法两极：一边说 AI 内容必死，一边说随便写反正查不出来。两边都没说到点子上。
这个问题本身就有毛病
「Google 会不会惩罚 AI 生成的内容」假设了一件事：搜索引擎按内容的生产方式判罚。它不这么工作。
Google 反复讲过的口径是看内容对搜索的人有没有用、是不是原创、能不能真的解决他来搜的那件事。生产工具在这个口径里不构成一个独立的判断项。同样一段话，用键盘敲、用语音转写、找外包写、让模型生成，对读到它的人来说没有分别，对评估它的系统来说也一样——这个口径 Google 早在 2023 年 2 月的搜索博客里就写明过：奖励的是高质量内容，不论它由谁、用什么方式产出。
那为什么「AI 内容被惩罚」的传闻满天飞？因为两件事经常同时发生：模型让批量生产的边际成本掉到接近零，于是大量的空话被生产出来；然后这些空话掉排名了。掉排名的原因是空话，不是模型。把两者绑在一起看，就会得出一个错误的防御方向——去藏「AI 味」，而不去补内容本身的窟窿。
「查出是不是 AI 写的」这条路走不通
先说技术层面。判定一段文本是否由模型生成，目前没有可靠手段。市面上的 AI 检测工具给出的是概率评分，两头都会错：一头是假阴性，有研究表明改写一遍就能让检测器失效；另一头是假阳性，另一项研究发现检测器会系统性地把非母语作者的英文判成 AI 生成。把一个误判率这么高的信号接进排名系统，代价是误伤大量正常内容。
再说政策层面。假设检测准确率是 100%，按「是否 AI 生成」判罚仍然说不通。用模型整理一份采访录音、生成一份产品参数对照表、把一份内部技术文档改写成读者能看懂的版本，这些内容对搜索的人有实实在在的价值。把它们和批量拼凑的垃圾放进同一个筐，搜索结果只会变差。
所以真正被盯的一直是产出物的质量和意图，这两样都跟工具无关。
被点名的是哪种行为
Google 的反垃圾政策里有一类叫 scaled content abuse，中文常译作大规模内容滥用。它描述的是这样一种行为：大批量生成没有独立价值的页面，目的是覆盖搜索词、抢排名，而不是让读到的人有收获。
注意这条政策的定义句本身没有提到 AI，AI 只出现在它列举的示例里——「使用生成式 AI 工具……但没有增加价值」，跟「把别人的内容拼在一起」「按模板批量套页面」并列。换句话说，被判定的是行为，工具只是其中一种实现方式。这条政策是 2024 年 3 月那次核心更新一并公布的，当时给出的理由也是同一个：针对的是规模化生产无价值内容这件事。
这类行为在模型出现之前就存在：批量伪原创、同义词替换洗稿、把一篇内容按城市名换词生成三百个页面、抓别人的内容重新排列组合。模型只是让同样的事更便宜了。
实践中容易踩线的几种形态：
- 换了皮的重复内容。 同一个主题的十篇文章，把段落顺序打乱、把「重要」换成「关键」，本质是一篇。
- 答非所问。 搜「XX 报错怎么修」的人要的是修复步骤，页面前八百字在讲这个报错为什么会存在。
- 无来源的具体主张。 文章里出现「行业平均转化率 3.2%」「92% 的团队反馈效率提升」，追问一句出处，谁也说不出来。这种句子模型最会写，也最要命。
- 纯二手拼装。 通篇内容都能在别处找到，你这篇的存在没有增加任何新东西。
- 关键词堆叠。 一个词在两千字里出现三十次，读起来磕磕绊绊。
对照这份清单会发现：全部由人手写也能条条命中；全部由模型生成也能条条不沾。
Google 2026 年针对 AI 搜索场景发布的优化指南是目前最新的一次表态，落点没变：不存在另一套面向 AI 的技巧，把内容做给人看仍然是全部答案。
E-E-A-T 该怎么用
经验、专业性、权威性、可信度这四个词现在被提得很多，也被误用得很多。常见的误解是把它当成一个可以直接优化的排名参数：加个作者简介框、挂几个头衔、结尾写一段「本文由资深专家审核」，就算「做了 E-E-A-T」。
这套东西是用来评估内容质量的一个框架，Google 自己把它放在「创作有帮助、可靠、以人为先的内容」这份文档里讲。真实的作用方式更接近：它描述了什么样的内容算好，而搜索系统用许多信号去逼近这个判断。所以给页面挂标签没有意义，让内容真的具备这些属性才有意义。
四项里，用 AI 写作时最容易缺的是第一项，经验。模型没有用过你的产品，没跑过那次投放，没在凌晨两点排查过那个故障。它能把一件事讲得井井有条，但讲不出「我们试过，这样做会踩到什么」。这一项只能由人补。
用 AI 写，守住五道线
第一，事实要有出处。 每一个数字、每一句引用、每一条外部结论，都要能追到一个具体来源，并在文章里给出链接。写不出出处的句子就删掉，别留着凑气势。
第二，产品主张只能来自产品事实。 讲自家产品时，只写你确认过它真有的能力。模型很擅长顺着上下文把一个功能「说圆」，比如你只有导出 Markdown，它会顺手写成「支持一键同步到你的 CMS」。这种句子上线一次，之后所有内容的可信度都要打折。
第三，加进只有你能提供的东西。 你的实际操作步骤、你踩过的坑、你手里的真实数据、你为什么做了那个取舍。这是一篇文章区别于同题目其他二十篇的全部理由。
第四，回答那个人真正想知道的。 搜「Google 会惩罚 AI 内容吗」的人想知道的是「我该怎么做才不出事」。只回答「不会」就把他打发走，等于没写。
第五，发布前有人过一遍。 不用逐字重写，需要的是一个知道业务的人确认：这些事实对，这些主张站得住，这篇内容值得挂在自己域名下。
把这几件事变成流水线上的闸
上面五条单篇做得到，一个月三十篇就靠不住了，因为它们全依赖人的自觉。要稳定，得把检查变成不能跳过的步骤。
LinkBloom 的内容引擎是按这个思路搭的。每篇成稿先过 9 项确定性检查：标题长度、描述长度、H2 结构、正文长度、关键词密度、套话密度、图片 alt、外部引用、站内互链。这一层管的是能用规则判的部分，逐项给结果。其中外部引用这项只认原样取自可引用来源列表里的地址，模型编出来的链接不计数。
过了才进第二层编辑评审，按事实准确性、结构清晰度、语言自然度、搜索意图覆盖四个维度打分，同时单独查有没有编造的产品主张。这里有一条不许拉平均的规则：自动通过要同时满足两个条件，没有编造声明，并且事实准确性单独过线。写得再顺，也补不回一句编出来的功能。硬失败的稿子自动定向重写一轮，仍不过就标出来转人工。
交付物是带完整 TDK 和写作时实际引用来源列表的 Markdown，审稿时能顺着来源查每个说法的出处。发布这一步刻意没做：不接 CMS，不做一键发布，导出的文件由你自己发到自己的站上。理由跟这篇文章讲的是同一件事——最后决定这篇内容能不能挂上去的，应该是一个知道业务的人，不是一个自动化流程。
想试的话可以从免费额度开始，关键词计划 5 积分一份，长文 8 积分一篇，注册即得一次性 100 积分。
常见问题
我已经发了一批 AI 写的文章，要不要全删？
先别删，先按上面那份清单逐篇看。有独立价值、事实准确、真的回答了搜索意图的，留着并补上来源和一手内容。通篇是二手拼装、看不出为什么要存在的，删掉或者重写。判断依据是内容本身，跟它当初怎么写出来的没关系。
需要在文章里标注「本文由 AI 辅助生成」吗？
这是你对读者的选择，不是排名开关。Google 在「谁写的、怎么写的、为什么写」那一节里建议：当读者会合理地想知道内容是怎么产出来的时候，就说明白。如果读者会在意（比如医疗、法律、财务这类内容），标注能换来信任。更要紧的是不管标不标，内容的事实都得站得住。
AI 检测工具给我的文章打了高分，要紧吗？
那个分数不是 Google 给的，也不构成搜索排名的输入。这类工具的误判率高到不适合当决策依据。真要自查，读一遍文章问自己：这里面有没有一句话是我不敢为它负责的。
用 AI 大批量产内容这条路到底能不能走？
能走，前提是每一篇单独拿出来都站得住。数量本身不是问题，一个页面拿不出存在的理由才是。判断办法很朴素：如果这一篇没发，会有人少知道一件事吗。答不上来就别发。