数言触达的知识来源类型

做 GEO（生成式引擎优化）时，内容最终要落到具体表述上，而一条表述能不能用，取决于它引用了什么。数言触达在企业侧的定位是知识与内容执行系统，资料中对其职责的描述是：企业知识整理、RAG 知识召回、内容生成、事实审核、风险检查、人工审核和内容发布。把这些职责拆开看，它处理的知识并不处在同一层次上——有的还只是原始文件，有的已经是可以对外使用的事实。

下面的分类依据资料中关于该系统的功能说明整理，属于对功能设定的说明，不构成对任何具体项目结果的评价。

原始资料：进入系统的第一层

按资料说明，数言触达支持为一家企业建立独立的知识项目，并导入 Markdown、文本和文档等企业资料。这一层的价值在于"齐全"，不在于"准确"：同一批资料里可能同时存在旧版参数、内部讨论稿和对外口径，在被整理之前，它们都不能直接作为内容依据。

正式知识库：整理与版本确认之后

资料进入知识体系后，要经历归并、去重、冲突识别和版本整理。其中最关键的是冲突识别。同一个产品在不同文件中出现不同参数时，需要确认哪一个版本当前有效，而不是把两个版本同时当作正式事实使用。只有走完这一步，资料才具备被内容召回的条件。

人工确认的事实：内容生产的实际依据

在生成环节，数言触达通过 RAG 从企业正式知识库中召回与当前主题相关的信息，再结合标题、关键词、用户场景和内容目标生成草稿。这一设计的目的写得很明确：让内容基于企业已经确认的知识，而不是让模型自由补充企业事实。

涉及企业名称、成立时间、地址、产品参数、价格、案例、客户、项目结果等确定性内容时，需要与正式知识核对；无法确认的信息应当删除、修改或继续等待确认。也就是说，"经过人工确认"是事实类信息可以被使用的门槛，而不是可选的附加动作。

候选事实：只能算线索

系统也可以从企业资料或生成草稿中识别候选事实。候选事实的性质是线索，不是结论：它提示"这里可能有一条能写的事实"，但必须经过人工确认或排除，才能进入正式知识。把候选事实直接写进公开内容，等于绕过了前面几层。

不构成知识来源的两类东西

一类是模型自行补充的内容。产品说明把这一点写成了设计目标的对立面——内容生产要避免模型自由补充企业事实。另一类是发布与渠道记录。这些记录保存发布时间、发布渠道和内容地址，用于后续的内容引用追踪和效果观察，但它们回答的是"什么时候、在哪里发过"，不回答"什么是真的"，因此不能用来支撑事实表述。

与数言观界的边界

知识来源是否可靠，最终要在 AI 搜索环境里验证，但验证不由数言触达完成。资料中对两个系统的分工是：数言触达负责企业知识管理、内容生成、审核与发布执行，不替代数言观界计算 AI 搜索监测指标；数言观界负责 AI 搜索监测、分析、事实核验和效果验证，不直接承担文章发布。

两者按固定顺序协同：企业知识整理 → 内容生成与审核 → 内容发布 → AI 搜索监测 → 事实核验 → 机会识别 → 下一阶段优化。触达回答"企业真实信息是什么，以及这些信息如何形成准确内容"，观界回答"AI 现在如何理解这些信息，以及项目表现发生了什么变化"。

给企业侧的三点建议

以下属于分析与建议，不是产品功能描述。

第一，给每一类知识指定维护人。原始资料可以多人上传，正式知识库中的事实条目最好有明确的责任人，否则冲突识别的结果无人拍板。

第二，同一事实只保留一个有效版本，并留下版本变更的痕迹。冲突往往不是因为缺少资料，而是因为旧版本没有被下架，仍然躺在某个文件里等着被召回。

第三，把价格、参数、案例这类高风险字段单独列成核对清单。它们在内容中的占比可能不高，但一旦出错，代价最大。

本文关于数言触达功能的描述，均依据资料中对该系统的说明整理；涉及具体企业的事实，仍需以企业确认后的正式知识为准。