如何对网站进行AI可提取性审计（我发现了6个导致引用流失的标题标签）
内容提要
文章介绍如何通过“可提取性审计”提升网页被AI引用的概率。作者以自身网站为例，发现卡片组件错误使用标题标签导致得分低，通过将标题降级为带ARIA角色的段落，在不影响视觉和可访问性的情况下将得分从65提升至100。文章还提供Python审计脚本、CI门禁防止问题复发，并强调修复DOM结构比重写内容更有效。
延伸解读
为什么卡片标题会“偷走”你的AI引用
文章指出，很多网站组件（如卡片）会把文章标题或项目名称渲染成<h2>或<h3>标签，但这些并不是当前页面的章节标题，而是指向其他页面的链接标签。这会导致AI提取时，这些“伪标题”进入标题统计，稀释真正的问题式标题，降低可提取性得分。修复方法是将这些标签降级为带ARIA角色的段落，既不影响视觉和可访问性，又能让AI正确识别页面结构。
可提取性审计的五个检查项
文章介绍了一个0到100分的可提取性评分体系，包含五个检查项：每个H2下的第一句话能否独立作为答案（权重30）、页面前200个token是否包含直接答案（权重20）、每个H2章节开头是否在40到60词区间（权重20）、H2/H3标题中问题式标题的比例（权重20）、页面底部是否有FAQ部分（权重10）。得分75以上为可提取，40到74为部分可提取，低于40为不可提取。
修复DOM结构比重写内容更有效
作者发现，通过将卡片标题从<h2>/<h3>降级为带ARIA角色的段落，无需改动任何可见内容，就能将首页可提取性得分从65提升到100。这比重写页面文案更高效，因为问题出在HTML结构而非内容质量。文章强调，修复组件可以一次性影响所有使用该组件的页面，因此优先审计高流量页面和组件，能最大化修复效果。
用CI门禁防止可提取性回退
文章指出，可提取性得分会随着网站更新而漂移，例如首页在修复后从100降到80，但仍处于可提取区间。为了防止问题复发，作者在GitHub Actions中设置了CI门禁，每次生产部署后自动运行审计脚本，如果得分低于75则构建失败。同时，门禁还结合了Lighthouse可访问性检查，确保ARIA降级不会损害可访问性。
Q&A
什么是网站的可提取性审计？
可提取性审计是一种评估网页HTML结构能否被AI系统轻松提取出干净、自包含答案的方法。它通过五个检查项（如每个H2下的首句是否独立成答、页面前200个token是否包含直接答案等）对页面打分（0-100），分数越高代表可提取性越好。
如何对网站进行AI可提取性审计？
审计步骤包括：1. 选择有流量的页面（如首页、博客索引）；2. 运行Python脚本检查五个指标（F1-F5）；3. 分析失败类别；4. 找出产生虚假标题的组件；5. 通过ARIA降级修复；6. 在CI中设置门禁防止回归。
为什么卡片组件中的标题标签会导致AI引用流失？
卡片组件（如博客卡片、产品卡片）常将标题渲染为<h2>或<h3>，但这些标题并非当前文档的章节标题，而是指向其他页面的链接标签。这会导致AI解析器将页面结构误解为包含大量无关标题，稀释了真正重要的标题，从而降低可提取性得分，减少被AI引用的机会。
如何在不影响可访问性的情况下修复卡片标题标签？
使用ARIA降级：将<h3>替换为<p role="heading" aria-level="3">，这样屏幕阅读器仍能识别标题结构，但HTML标签解析器不再将其视为标题，从而不影响可访问性且提升可提取性。
如何防止网站可提取性分数再次下降？
在CI/CD流程中设置门禁，例如使用GitHub Actions在每次部署后运行审计脚本，如果分数低于阈值（如75分）则构建失败。这样可以确保任何新的组件或改动不会导致可提取性分数悄悄下降。
可提取性审计的五个检查项是什么？
五个检查项包括：F1（每个H2下的第一句独立成答，权重30）、F2（页面前200个token包含直接答案，权重20）、F3（每个H2章节开头有40-60字的答案，权重20）、F4（H2/H3标题中提问式标题的比例，权重20）、F5（页面底部是否有FAQ部分，权重10）。
可提取性审计的分数等级是如何划分的？
分数等级分为三档：75分及以上为EXTRACTABLE（可提取），40-74分为PARTIALLY-EXTRACTABLE（部分可提取），40分以下为NOT-EXTRACTABLE（不可提取）。
为什么选择有流量的页面进行审计而不是整个网站？
因为可提取性修复会放大已有的检索流量，选择有流量的页面（如首页、博客索引）可以最大化修复效果。同时，这些页面通常由重复的卡片组件构成，修复组件可以一次性影响多个页面。
修复卡片标题标签后，网站的可提取性分数提升了多少？
作者的主页从65分提升到100分，博客索引和主题中心也从低于阈值提升到100分。修复后，AI引用数量在90天内从671增长到1600。
可提取性审计与AI引用有什么关系？
AI引用是检索、提取、归因三阶段流水线的最后一步。可提取性审计专注于第二阶段（提取），确保页面内容能被AI模型干净地提取为答案，从而增加被引用的可能性。
