AI 搜索的「时效性」陷阱：旧文不及时更新会怎样

旧内容在 AI 时代有两种命运：一种是被持续引用，一种是不声不响地失效。差别不在写得早还是晚，在几个很具体的细节上。

我维护的站里有几篇三年前的文章，到现在还在被 AI 引用，甚至比我新写的效果还好。原因挺朴素：它们的内容到今天依然准确，页面上有明确的更新时间，而且和站内新文互相链接着。

反过来，有些文章明明才写了一年，已经像不存在一样。这种情况我一般会去翻原因，绝大多数时候是这三种。

第一种是数据过期。文章里引的是去年的统计、旧版的平台规则、已经下线的产品功能。人读着可能不会在意，但模型判断时效性时很敏感，它会倾向找一个更新的来源替代你。

第二种是结论反转。行业变了，原来推的建议今天照着做是错的。这种比数据过期更麻烦，因为你留下的已经不是过时信息，而是错误信息，模型一旦发现多源冲突，会整体降低对你的信任。

第三种是被新版本取代。你自己后来写了更完整的版本，旧文还挂着。两篇内容高度重合，模型不知道该信哪个，最后往往两篇都不用。

更新时的正确做法

最常见的错误做法是静默改数字：把「2023 年的数据」直接换成「2025 年的数据」，其他什么都不动。这样在读者看来毫无变化，机器也看不出这是新版本，等于白改。

稍微好一点的写法是在文首或文末注明「本文于某年某月更新」，并简单说清改了什么。这一步看着只是标注，但它给了模型一个明确的时效信号，价值不小。

如果想保留结论的演进痕迹，也可以把旧结论和新结论并列写出来，说明为什么会变。这类内容往往比一开始就写对更有说服力，因为它展示了判断过程，而判断过程恰恰是模型喜欢引用的。

如果改动幅度超过一半，我的建议是发新版本、旧文做 301 重定向。原地大改的问题是：旧文积累的外部引用信号还在旧 URL 上，内容却已经变了，容易造成混乱。

顺手就能做的定期体检

我一般一个季度过一遍站里的旧文，重点看三类：

一类是流量还行但转化很差的。这类文章说明有人在看但没得到答案，往往是在数据或结论上过期了。

一类是页面里的外链，尤其是指向第三方平台、工具、政策的链接，失效了要换。

还有一类是涉及平台规则和行业标准的段落。规则变化最快，这一块几乎每次体检都要检查。

这件事说起来琐碎，但它是 GEO 里性价比最高的一项。同样是投入一小时，改一篇旧文的效果，经常比新写半篇更好——因为旧文已经有了基础的可见性和一些历史信号，你是在存量上加杠杆，而不是从零开始。