在豆包和元宝里搜不到自己？
国内六大 AI 引擎的信源通道地图

先说结论：六条通道，不是一个开关

先给结论：在豆包和元宝里搜不到自己，多数不是「AI 没抓到我」，而是你把六条各自独立的通道当成了一个开关。国内六大 AI 引擎获取企业信息的路径分三类：有的靠自己的爬虫（改 robots.txt 就能开门），有的只在自家生态里收录（爬虫怎么写都没用，得把内容发进去），有的根本没有独立公开爬虫（只能等上游索引收录）。只修一类，等于白做。

一个很典型的场景：企业把官网的 robots.txt 改了、加了 sitemap、补了结构化数据，然后设了个日历提醒，一个月后打开豆包和元宝，输入自己公司名——还是那几条两年前的旧信息，甚至什么都没有。于是得出两个常见结论：「AI 搜索是噱头」或者「我们内容不行」。

两个结论大概率都不对。真实的原因是：你把内容放在了 A 通道门口，而客户提问的答案来自 B 通道。元宝的答案池主要在微信公众号里，公众号内容在微信生态内收录，不经过你服务器上的 robots.txt，也不产生任何日志。你在自家站点上做的所有技术优化，对这条通道的作用是零——不是无效，是不相干。

技术优化解决「让爬虫能拿到」，生态分发解决「让答案池里有你」。这两件事不能互相替代，也不能用同一套动作完成。

本文把六条通道画成一张地图，并说明每一类各自该怎么开门。所有关于爬虫标识、收录机制的描述，我们尽量标注来源与可信度等级，因为这块信息里第三方转述和实测数据混得比较厉害。

信源通道地图：三类通道一张表

先看全景。这张表是本文的核心，后面三节逐类展开。

把这张表按「你能不能自己控制」重排，就得到下面三类。这也是排查顺序：先看属于哪一类，再决定要不要动技术。

三类的处理成本与见效速度完全不同：① 是技术活，一次性配置，但要等收录周期；② 是内容活，每篇都要做一遍，但见效最直接；③ 是耐心活，你能做的只有把内容做扎实、把上游索引经营好。把三件事混在一起谈「GEO 优化」，是大多数方案落不了地的根源。

第一类：有公开爬虫的，修配置就能开门

这一类是唯一能通过改站点配置直接影响的部分。逐个说清。

① 豆包 / 字节：有独立 UA，但要同时经营两个站点。字节系运营着不止一个爬虫，公开目录中可查到 Bytespider（训练与索引）、imageSpider（图片）、DoubaoBot（豆包）等，另有 TikTokSpider、Toutiao 等面向不同产品的抓取标识——第三方爬虫目录普遍记录字节旗下共有 8 个左右的 bot。需要提醒的是，另有第三方观察认为「豆包没有独立爬虫，主要通过检索字节系搜索库获取信息」，与爬虫目录的记载存在冲突；两种说法都指向同一个实操结论：与其争论 UA 存不存在，不如把内容同时放进头条搜索生态。

具体动作：到头条搜索资源平台（zhanzhang.toutiao.com）完成企业认证、验证域名、提交 sitemap；同时开通头条号与抖音企业号——豆包在回答企业相关问题时，字节系内容平台的权重明显更高。

② Kimi：国内唯一公开爬虫政策页的厂商，务必读一遍。这是六家里信息最透明的一家，官方政策页原文明确了三个爬虫的分工：KimiBot 用于模型训练；Kimi-SearchBot 用于构建搜索索引，官方原文写到「禁止该爬虫将使你的站点无法出现在 Kimi 搜索结果中」；Kimi-User 用于用户触发的实时访问，并特别说明「robots.txt 规则可能不直接适用」于它。

官方给出的管理建议也值得照抄：优先用 robots.txt 管理，而不是封 IP——因为 IP 段会变，封 IP 还可能导致它读不到你最新的 robots.txt。官方同时提供了三个爬虫各自的 IP 段 JSON 文件与 Crawl-delay 支持，联系邮箱 kimibot@moonshot.ai。

③ DeepSeek：有 UA，但抓取意愿受内容类型影响极大。其爬虫标识为 DeepSeekBot/1.0，完整 UA 形如 Mozilla/5.0 (compatible; DeepSeekBot/1.0; +https://www.deepseek.com/bot)。关于它是否遵守 robots.txt，不同来源口径不一致——部分爬虫目录标注为遵守，也有商业反爬服务商标注为不遵守。稳妥做法是按「会遵守」配置放行，同时不要指望它会来：它对官网营销页几乎没有兴趣，真正有效的方式是在技术社区发深度文章，并在文末带上官网链接。

④ 文心一言：走的是百度搜索的同一套索引。AI 搜索场景对应 Baiduspider-render（渲染版），它需要执行页面 JavaScript 才能拿到正文——所以正文依赖前端渲染的站点，在百度系里吃亏。实操入口是百度搜索资源平台：提交 sitemap、看索引量，索引量本身就是文心的数据源基础。

⑤ 通义千问的爬虫段：见下一节，它属于第三类，但 QwenBot 这个标识本身是公开的，可以一并放行。

这一类的最小动作清单（三分钟能做完）：

• robots.txt 里把DoubaoBot、Bytespider、imageSpider、DeepSeekBot、KimiBot、Kimi-SearchBot、QwenBot、Baiduspider、Baiduspider-render 显式写 Allow，并声明 Sitemap:。
• 确认没有在 User-agent: * 下面挂一串较宽的 Disallow——这是最常见的事故来源，模板站和外包站尤其多。AI 爬虫被挡住时，你不会收到任何提示。
• 正文可被无 JS 环境读取（关键内容别只放在前端框架里渲染）。
• 提交 sitemap 到百度搜索资源平台与头条搜索资源平台。

第二类：只在生态内收录的，爬虫管不到

这一类是「在豆包和元宝里搜不到自己」最常见的真实原因。核心事实只有一句：这些内容在各自的生态内部被收录，不经过你的网站，也不产生你的服务器日志。

① 腾讯元宝 ← 微信公众号（嫡系通道）。元宝对微信生态的依赖是公开信息：App Store 上的官方描述写着「联网搜索公众号、视频号等优质腾讯生态信源」；腾讯通过人民网发布的官方供稿中提到，元宝打通了微信公众号、视频号及100 多个垂直领域权威生态信源。多个第三方来源（口径不一、需谨慎引用）给出的权重分布是：微信生态占相当大比例，其中公众号又是最重的一块。

这条通道对企业意味着什么？你发在公众号上的文章，是元宝答案池的一等公民；你发在官网上的文章，对元宝来说是生态外内容，需要额外绕道搜狗等外部搜索。而公众号内容进微信生态之后的收录与排序，由微信自己的机制决定，`robots.txt` 里写什么都改变不了。

实操：把内容中心的每篇文章同步发进公众号，且注意标题、正文、结论都要完整——只发一张海报或一段摘要，可被引用的信息量为零。有条件的话再补视频号，元宝对视频号同样有生态偏好。

② 豆包 ← 头条号 / 抖音。字节的逻辑与腾讯同构：豆包回答企业相关问题时，今日头条、抖音内容的权重明显高于站外网页。实操上，官网文章可以同时发一份到头条号；需要塑造企业实体认知的场景，可以认领或补充抖音百科词条，豆包的企业知识库也支持上传文档。

③ 文心一言 ← 百家号。百度系内部，百家号内容的权重高于普通网页。第三方流传的「百家号内容权重约为普通网页 1.5 倍」这类具体倍数，我们未能在一手来源中核实，建议只当方向性参考；可以确定的是百度官方一直把百家号作为重点内容生态在推。

这一类有一个共同的操作纪律：同一篇内容在不同生态里不要做「一稿多投的删减版」。AI 引用的是句子和判断，你砍掉的往往正是可被引用的那些结论段落。正确做法是按平台习惯调整标题与格式，但把核心判断、数字、边界完整保留。

第三类：没有独立爬虫的，只能等上游收录

这一类最容易被误判。日志里没有它的记录，你既不能确认它来过，也不能确认它没来——因为它根本没有以自己名义公开的爬虫。

通义千问（阿里）是典型：早期有 TongyiBot（UA 中带 x-robot-tag: TongyiBot 标识），当前官方文档记载的爬虫为 QwenBot，说明其尊重 robots.txt 且不执行 JavaScript。但通义的产品重心在阿里自有生态——淘宝商品库、高德、支付宝、本地生活——对 B 端专业服务类问题，它的外部内容覆盖相对薄。因此日志零记录不代表没收录，也代表不了什么。

实操上，你能做的只有间接动作：在阿里云搜索资源平台绑定已备案域名、提交 sitemap，让夸克（QuarkSpider）收录，再等通义引用；剩下的就是确保内容本身可被引用。

元宝网页版、豆包网页版的一部分回答同样属于这一类：它们调用上游搜索能力，不产生独立爬虫日志。判断某个引擎属于哪一类，有个简单办法：去它的官方文档或政策页找爬虫说明，找不到就把它归进第三类——别把「没找到记录」当成「没被收录」。

识别方法小结（也是本文最实用的一个动作）：

企业自查清单：六个平台怎么逐个确认

把上面三类落成一张可执行的表。建议按顺序做，每格做完打个勾——六格都确认过，才有资格说「AI 搜索没用」。

顺序建议：先做元宝那一行。原因很简单——它是六家里唯一「只要发内容就一定进入答案池」的通道，成本最低、确定性最高，也是企业最容易忽略的一格。

五个最常见误区

• 误区一：改完 robots.txt 就该有效果。robots.txt 只对第①类通道有意义，且它解决的是「允许不允许」，不解决「值不值得抓」。第②类通道面前，这份文件等于不存在。
• 误区二：日志里有记录就等于被收录。有记录只说明「抓过」，离「进了索引」和「被 AI 引用」还有两段路。反过来，没记录也不等于没收录——生态内通道和训练数据预喂都不产生日志。
• 误区三：发了公众号就会优先排名。进入答案池 ≠ 排在最前。公众号解决的是「有资格被引用」，能不能排到前面，取决于内容的可引用性：结论是否明确、数字是否带口径、段落是否独立成义。
• 误区四：所有国内引擎都有公开爬虫，只是我没等到。通义千问等属于第三类，你永远等不到它的爬虫记录。用「日志里有没有」判断「要不要做这个平台」，是方法上的错。
• 误区五：屏蔽 Kimi-SearchBot 无所谓。官方文档写得非常明确：禁止它将导致你的站点无法出现在 Kimi 搜索结果中。这类屏蔽经常是「为了省服务器资源」在模板里顺手加上的，代价却是在一整个引擎里消失。

我们的实测基线：为什么「等了一个月没动静」

上面这些结论不全是纸上推演。我们在自家官网（9 月中旬上线，改造后约三周）的服务端日志里做过一次普查，结果可以直接作为一条对照基线：

这组数字最重要的一层含义是：在「国内 AI 爬虫全期 0 次」的同时，公众号这条第②类通道其实一直在产出，只是它不写在任何日志里。我们发布在公众号上的文章进入微信生态后，元宝就具备了引用的前提——这部分效果，用服务器日志永远测不出来。

所以「等了一个月没动静」有两种完全不同的解释：一种是第①类通道的收录周期本来就长（新站按月计）；另一种是你一直在优化第①类，而客户提问的答案来自第②类。先分清是哪一种，再决定要不要继续等。

这份地图不能说明什么

• 各平台的策略会变，而且变得不慢。爬虫标识、生态权重、接口开放程度都可能在几个月内调整。文中的信息核实到 2026 年 10 月，建议每季度复核一次，尤其是豆包与元宝。
• 部分数据来自第三方而非官方。凡是我们没能在厂商官方页面核实的（字节 bot 家族数量、元宝生态权重百分比、百家号权重倍数等），文中都已标注为第三方来源，只作方向参考，不要引用成结论。
• 信源通道 ≠ 收录结果 ≠ 被引用 ≠ 有流量。这四件事之间隔着好几层，本文只解决第一层。
• 实测基线样本极小：1 个站点、3 周、十余次爬虫事件。它能作为一个观察点，不能外推成行业规律。
• 对内容型站点更适用。工具站、电商站、本地生活类站点的抓取动机与路径不同，不能整段套用。