一句話就能被 AI 引用:倒金字塔與 TL;DR 寫法的 10 個定義句公式

可被引用的定義句,是一個「拿掉前後文也能單獨成立、直接回答一個問題」的完整句子。這一句話,就是這篇文章的示範:它把主詞、類別、用途塞進一個句子裡,AI 抽走它,不需要補任何上下文就能當答案貼出去。

我們幫客戶做 GEO 的時候,最常看到的浪費不是內容不夠多,是內容全部「黏」在一起。一個段落要讀完三句話才知道在講什麼,AI 模型在做 chunk 切片與答案抽取時,抓到的往往是半截語意。結果就是:你寫了兩千字,被引用的機率趨近於零。

為什麼倒金字塔決定你會不會被 AI 引用

新聞業一百年前就想通了這件事。倒金字塔的意思是:最重要的結論放第一句,細節、背景、佐證往後排。人類讀者可以隨時停下來,AI 也是——大型語言模型在檢索時,對段落「前段」的權重明顯高於後段。

我們做過一個對照。同一批技術文件,A 版把定義藏在第三句、前面先鋪陳背景;B 版把定義提到每段第一句。兩週後用 Perplexity 與 ChatGPT 搜尋相同問題,B 版被點名引用的次數是 A 版的四倍多。內容一字沒改,只是把句子順序倒過來。

TL;DR 是倒金字塔的極端版:一句話講完,後面才展開。這正是 AI 抽答案最愛的結構。你不需要祈禱模型讀懂你的鋪陳,你直接把答案遞到它嘴邊。

下面這套可被引用的定義句範本,是我們內部給客戶內容團隊的實作清單。原則只有一條:每個段落的第一句,都要能被單獨抽出來當答案。把它貼在你的 CMS 旁邊,寫每一段之前先套一個。

#	公式	一句話範本	適用情境
1	定類定義	「X 是一種 Y,用來 Z」	名詞解釋、概念首次出現
2	過程定義	「X 指的是把 A 變成 B 的過程」	方法、流程、工作法
3	對比定義	「X 與 Y 的差別在於 A」	易混淆的兩個詞
4	口語 TL;DR	「簡單說,X 就是 Z」	段落開頭破題
5	組成定義	「X 由三個部分組成:A、B、C」	框架、體系、清單題
6	因果定義	「當 A 發生時,X 會導致 Z」	機制、原理
7	目的定義	「X 的核心目標是 Z」	策略、方法論的價值
8	引證定義	「根據 [來源],X 的定義是 Z」	需要權威背書時
9	破誤解定義	「X 不是 A,而是 B」	反直覺、澄清迷思
10	量化定義	「衡量 X 的方式是 Z 指標」	可被量測的名詞

這十個不是要你每篇全用,而是每一段挑一個。真正的技巧在於:先問「這段在回答什麼問題」,再選對應的公式當第一句。

公式本身不難,難在執行時的紀律。

第一,主詞不能用代名詞開場。「它是一種……」抽出來就廢了,因為 AI 不知道「它」是誰。每個定義句的主詞,一定要是完整名詞。這是我們改稿時退件率最高的一項。

第二,一句話講一件事。第 5 條「由三部分組成」很誘人,但如果你在同一句塞進三部分各自的定義,句子會長到失焦。把展開放到後面幾句,第一句只給骨架。

第三,定義句要跟 H2/H3 小標的提問對齊。小標問「X 是什麼」,第一句就用第 1 條回答;小標問「X 跟 Y 差在哪」,就用第 3 條。標題負責被搜尋命中,定義句負責被抽出當答案,兩者是一組的。

我們也踩過雷。早期太迷信公式,把一篇文章寫得每段開頭都是「X 是一種……」,節奏死板得像字典,人類讀者直接跳出。後來的做法是:資訊密度高的段落用公式開場,過渡段落用敘述,讓機器好抽、人也讀得下去。被引用跟被讀完,要同時成立。

Before:「在數位轉型的浪潮下,許多企業開始關注一種新的優化方式,它結合了搜尋與生成技術,而這通常被稱為 GEO。」——AI 抽到這句,不知道「它」是什麼,主張也埋在最後。

After:「GEO 是一種內容優化方法,用來讓品牌內容被 AI 搜尋引擎引用。」——套第 1 條公式,主詞完整、結論在前、拿掉上下文照樣成立。

差別不在文筆,在結構。

寫得漂亮不等於會被引用。我們在 Tenten 幫客戶做 FDM 時,工程師會直接進到對方的內容工作流裡,把這套定義句規範接進 CMS 的審稿流程與結構化資料,再用實際的 AI 搜尋結果回頭驗證哪幾條公式在你的產業真的被抽到。公式是共通的,但哪一句會被機器選中,得上線之後盯著數據才算數。