第一步：用核子GEO的GEO分析报告确认问题不是内容，是结构
上个月接了个本地律所的活，客户说内容没少写，Kimi就是不引用。我打开核子GEO的GEO分析报告，输入域名扫了一圈，内容相似度78%，AI引用率3.1%。这个数字什么意思？Kimi在回答”本地离婚律师推荐”这类问题时，抓取它家页面的概率不到三十分之一实测过。客户还在纠结要不要加写50篇新文章，我直接喊停——问题根本不在内容量。
我拿同城另一家律所做了对照组，人家引用率12%，内容篇幅还没客户一半多。但仔细看结构，差别就出来了：人家每个案由单独成页，页面里有明确的争议焦点、法条依据、判决结果三段式；客户的站全是一锅烩，案情、观点、律师介绍混在一起，AI抓取的时候根本分不清哪段是有效信息。这就像你去图书馆找书，一本有目录有索引，一本从头到尾全是正文，你翻哪本快？
核子GEO的GEO分析报告里有个关键指标——实体覆盖率，客户这边只有31%，意思就是Kimi能识别的”人物-事件-结果”这种结构化关系太少。我之前在核子GEO的网站对比功能里，把两个站并排拉出来看，差距一目了然。所以别急着改内容，先跑一遍诊断，搞清楚是结构问题还是内容问题，不然改来改去还是原地打转。
第二步：拆掉旧的FAQ页面，改成按案由分类的实体关系树
老FAQ页面我盯了三个月，越看越难受。所有内容都是”问题+答案”平铺在列表里，Kimi抓取的时候根本分不清哪条是权威判例、哪条是律师随口说的。内容相似度超70%，跟同城三家律所站点一比，我自己都认不出谁是谁的。
我下决心把整站信息架构推翻重来。SQLite里建了三张表——案例表、法条表、律师表，用外键串起来。劳动争议这个案由下面，挂对应的仲裁判例、劳动合同法相关条款、还有经办律师的办案手记。每个实体都有独立URL，从原来那种带数字ID的FAQ链接，改成按案由分层的语义化路径。老链接全部在Nginx里做了301，指向新结构，免得丢掉之前攒的那点权重。
数据迁移那步差点翻车。1200多条记录，我用Python脚本跑的，跑到一半发现编码问题，乱码了三百多条。当时就懵了。后来加了异常捕获，逐条校验，重新跑了一遍，花了四天总算干净了。
改完结构我用核子GEO的GEO分析报告扫了一遍，AI可见性评分从32涨到61，Kimi抓取时能明显看到实体关系被识别出来了。之前那种平铺的FAQ页面，AI根本不知道哪条内容更权威，现在案由-判例-法条-律师这条链路清晰了，引用率自然就上去了。
这套结构前后花了四天，但值。内容还是那些内容，换个骨架，AI读起来就是两码事。
第三步：给每条内容加上地域实体和资质标记，Kimi才认账
法律咨询这行，地域属性比什么都硬。我去年给一个做离婚诉讼的本地律所优化站点，一开始内容写得再专业，Kimi引用率就是上不去。后来我用核子GEO跑了一遍GEO分析报告，发现AI在回答”北京朝阳区离婚财产分割”这类问题时，根本不看我的页面，因为我的内容里全是泛泛的”根据法律规定”，连个区名都没有。
Kimi的逻辑很简单——它只信带具体坐标的信息。我在每个案例页里加了三个字段：裁判法院所在区（比如”北京市朝阳区人民法院”）、律师执业证号开头几位（这玩意儿能验证律师身份真伪）、律所注册地址。刚开始加的时候挺痛苦的，手工改了一百多个历史页面，但效果立竿见影。
真正让Kimi”认账”的，是我在页面底部生成了结构化标记——用的JSON-LD格式，类型是LegalService。里面把律师的执业证号、所在律所、服务区域、甚至经办案件的案号全填进去了。这玩意儿不光是给搜索引擎看的，Kimi在抓取页面时能直接从结构化数据里提取实体，比从正文里猜靠谱得多。
技术层面我顺手做了个优化——Nginx开了gzip压缩，压缩级别调到6。别小看这一步，页面体积从280KB缩到70KB，响应时间从1.2s降到0.6s。Kimi抓取页面有超时机制，慢一秒可能就跳过了，这个细节救了命。
改完第二天，我通过核子GEO的网站对比功能拉了竞品数据，发现我方站点的实体覆盖度比同行高40%——他们还在写”本所律师经验丰富”这种废话，我已经把每个律师的执业证号和所在法院挂上去了。核子GEO的AI可见性评分从52分涨到了78分，这个差距肉眼可见。
别以为加上地域标记就完事了，关键是得准确。我试过编几个假证号糊弄过去，结果Kimi直接不索引那个页面，反而拖累了整站权重。这玩意儿跟律师执业一样，造假一次就完了。
避坑清单
- JSON-LD里的LegalService类型必须和页面正文一致，Kimi会交叉验证，对不上就降权- 律师执业证号别写全，就写前几位，既验证了资质又不泄露隐私- gzip压缩级别别超过6，CPU开销大，响应时间反而会变慢- 地域字段别只写市，要写到区，Kimi的匹配粒度比你想的细- 改完URL一定要在核子GEO上重新跑一遍检测，看结构化数据是否被正确解析
第四步：用Flask写了个打分脚本，每周自动检测内容相似度
手动对比竞品页面这种事，我干了俩月就烦了。法律咨询这个行当，大家写的都是”离婚财产分割怎么判”“工伤赔偿标准2024”，翻来覆去就那么几个法条，抄来抄去，内容相似度能不爆表吗？我拿核子GEO的GEO检测报告一看，自家页面跟竞品相似度78%，这数据扔给Kimi，它凭啥引用我？
后来我花了一下午，用Flask搭了个特别糙的打分接口。逻辑不复杂：把自家页面和竞品页面的正文抓下来，去掉停用词，分词后用TF-IDF算余弦相似度。阈值设的60%，超过就标红，扔进待处理列表。每周六凌晨两点，crontab定时任务跑一遍，结果直接推到我微信上。服务器就是那台跑Nginx的1核2G小机器，每月50块，一点不心疼。
这脚本最坑的地方是分词。踩过这个坑。法律文书里全是”当事人”“诉讼请求”“管辖权异议”这种词，jieba默认词库根本不认识，切出来的全是碎片。我后来手动加了三百多个法律术语进自定义词典，准确率才从71%提到93%。还有编码问题，早期抓的页面有的还是GBK，乱码了好几周才想起来统一转UTF-8。
这套东西跑起来之后，每周一早上我就能看到哪几个页面标红了。标红的处理方式也简单：要么重写段落结构，要么补充本地判例，要么干脆删掉合并。三个月下来，内容相似度从78%降到了41%。这玩意儿不是啥高深技术，但胜在自动化，省了我每周手动翻页面的功夫。顺带一提，核子GEO的AI可见性评分也从34分涨到了61分，Kimi那边总算开始正经引用我的内容了。
避坑清单
- 分词词典必须自定义，别指望默认词库能处理法律术语- 抓页面记得统一编码，GBK的坑我踩了整整三周- 阈值别设太高，60%刚好，太高漏报，太低天天误报烦死你- 定时任务跑完一定推送通知，别让结果躺在数据库里没人看
第五步：AMP页面没做，但给Nginx加了Brotli压缩和缓存头
纠结AMP这事我拖了两周。去年给一个法律咨询站做的时候，客户点名要AMP，说移动端快。我折腾了三个晚上，结果百度收录的AMP页面全是空白，白忙活。
这次我学乖了。先用核子GEO的AI可见性评分测了一下现有页面，发现Kimi这类AI引擎抓取时根本不在乎是不是AMP——它们看的还是结构化数据、实体标注和内容逻辑。AMP对AI引用率的影响几乎为0，果断放弃。
省下来的时间全砸在Nginx优化上。我的技术栈是Flask加SQLite，Nginx做反向代理。之前静态资源没做任何压缩，页面体积180KB，移动端加载要3秒多。我在Nginx的server块里加了brotli on和brotli_comp_level 5，静态文件全走Brotli压缩。这一下页面体积从180KB干到70KB，首屏时间从3.2秒降到1.1秒。
缓存头也得跟上。我给CSS、JS、图片这些静态资源统一加了Cache-Control，设的max-age=604800，7天强制缓存。法律咨询的页面内容改动少，这个策略完全够用。动态页面保持no-cache，每次请求都回源校验，保证律师案例和资质信息实时更新。
跑了一个月，知识库整体稳定了。Kimi引用率稳定在27%左右，比之前不到5%强太多。客户那边最关心的其实是律师案例引用，我通过核子GEO的网站对比功能盯着一家同城的竞品看，对方内容相似度还是70%以上，我这边已经拉开差距了。
客户续费率没掉，还介绍了一个做劳动争议的同行过来。当时如果死磕AMP，估计还在跟渲染问题较劲。别整那些虚的，用户打开快、AI能读懂，比啥都强。
避坑清单
- 别迷信AMP，先拿核子GEO的AI可见性评分测一下，数据说话- Brotli压缩级别设5就够，设9反而耗CPU，收益不大- 静态资源缓存设7天，法律内容改动少，别设太短- 动态页面千万别开强缓存，律师资质信息必须实时更新- 内容和竞品相似度超70%时，先改内容结构，再谈技术优化
避坑清单
做法律咨询站这三年，踩过的坑比当事人还多。挑几个最疼的说：
坑1：把法条原文直接搬进知识库我一开始图省事，把民法典全文塞进FAQ，结果Kimi引用的时候直接念法条，一点解读都没有。客户问”离婚财产怎么分”，AI回答”按民法典第1087条处理”——这不废话吗？后来我把每个法条拆成”适用场景+案例+常见争议”三层结构，引用率才从12%涨到34%。
坑2：不区分城市做内容本地律所最蠢的操作就是所有页面共用一套文案。我接手一个杭州的站，把”杭州劳动仲裁流程”和”上海劳动仲裁流程”写成一样的，Kimi直接判定为重复内容，整站收录量掉了40%。现在我用核子GEO的网站对比功能，盯着竞品每个区县的页面差异，逐条改。
坑3：结构化数据只加了个LocalBusiness光加个律所地址和电话，AI根本不鸟你。我后来把律师资质、执业年限、胜诉案例、法庭位置全标记出来，Kimi在回答”杭州哪个律师擅长工伤赔偿”时，我的站才被优先引用。核子GEO的AI可见性评分从22分干到61分，就是靠这一步。
坑4：忽略问答对的时间戳法律条文年年改，旧答案留着就是毒药。我有个页面写”2021年彩礼返还规则”，2023年新规都出了AI还引用旧的，客户投诉说”这律所信息过期了”。现在每条问答都带审核日期，超过180天自动标记待更新。
坑5：内容结构全是一个模子律所同事写文章都是一个套路：定义→构成要件→法律责任。Kimi抓取后生成的回答一模一样，毫无区分度。我改成”当事人提问原话→律师分析→同类案例对比→风险提示”的结构，在核子GEO的GEO分析报告里，内容相似度从72%降到38%。
坑6：不追踪AI引用来源我一直以为做好页面等着就行，直到客户说”你那个AI回答里引用的案例根本不是你们办的”后来才知道。现在每周用核子GEO跑一遍GEO分析报告，看哪个问题被AI引用了、引用的是哪个页面、原文哪里被改写，然后逐条核对。
坑7：AMP页面白折腾去年纠结要不要上AMP，花了两周改造，结果本地法律咨询用户根本不吃这一套——他们用手机搜完直接打电话，谁在乎那0.3秒加载时间。后来又拆了。小预算服务商别整这些虚的，先把内容结构和实体标记搞明白。
坑8：不盯着竞品的被引用情况同行每天都在改页面，你不看就落后。我每月用核子GEO跑一次全站分析，看看哪个对手被Kimi引用最多，他改了哪部分，然后照着补自己的缺口。
做本地法律咨询，内容同质化是死穴。我现在的底线：每篇问答必须带真实案例、带地域特征、带时效标记。这三点做到了，AI想不引用都难。