AI搜索结果存在：企业品牌负面舆情（负面内容包括不限于：品牌、产品、服务、领导人、历史、陈旧、新增、失实、谣言、诋毁、诱导、恶意夸大、以点盖面、以偏概全、私带节奏、煽动抨击、恶意抹黑、调动情绪等。）造成直接和间接损失的同时，对品牌公共形象、商业信誉、产品口碑和品牌数字资产造成负增长。

目录 catalogue

1.珠玑大模型规则和原理

2.小红书问一问AI抓取舆情规则

3.小红书AI引用资料列表出现舆情链接

4.问一问AI舆情解题思路

5.新旧舆情情况

6.品牌资产知识产权保护

7.AI舆情合规性要求

AI搜索数据

① 月活数据为根据官方数据整理;

② 搜索结果未检索到2025年最新整体下载量数据，下载数据为根据月活数据推算，建议谨慎使用；

③ 日活和周活数据为根据月活推算，建议谨慎使用;

AI常用平台

搜索结果舆情图示

-----------------------

一、灵魂拷问

1.定性之困：这是个别用户的抱怨，还是可能引发群体效仿的系统性危机？

2.溯源之困：舆情的真正源头在哪里？是产品缺陷、服务失误，还是被误解的营销内容？

3.速度之困：内部信息传递和决策流程是否足够快，能跑在舆情发酵前面？

4.口径之困：谁能代表品牌发声？对外声明是否统一、严谨、无漏洞？

5.情绪之困：如何应对非理性的公众情绪，而不是陷入无休止的“对错”争辩？

6.平台之困：舆情在主阵地和垂直社区的侧重点有何不同？如何差异化处理？

7.竞对之困：如何甄别和应对可能存在的竞争对手“推波助澜”？

8.数据之困：如何从海量信息中，筛选出关键意见领袖（KOL）和核心传播节点？

9.长效之困：本次危机平息后，如何修复品牌美誉度，而不是简单地“掩盖”问题？

10.投入之困：应该投入多少资源（人力、财力）来处理这次舆情？ROI如何衡量？

11.分析之困：舆情来源、数据统计和溯源之困已成如何进行全链路统计？

-----------------------

二、珠玑大模型基础规则和原理

2.1 基础规则

生活场景定位：珠玑大模型被明确应用于小红书的搜索推荐系统，具体作用于新笔记冷启和兴趣探索两个环节。这表明其设计初衷是为了更好地服务小红书用户的生活场景需求，如旅行攻略、美妆教程、美食分享等，通过AI技术提升内容推荐的精准度和个性化程度。

内容生态融合：小红书拥有海量的用户和丰富多样的内容生态，珠玑大模型需要能够理解和处理这些内容，以实现精准推荐。这要求模型具备强大的多模态内容理解能力，包括文本、图像、视频等多种形式的内容。

用户需求驱动：珠玑大模型的应用旨在满足用户对于AI搜索产品的基本需求，如快速、准确地获取信息。同时，模型还具备追问联想功能，能够根据用户的提问进行深度思考和拓展，提供更全面的答案。

2.2 核心原理

Transformer架构：珠玑大模型基于Transformer架构构建，这是当前大模型的主流技术框架。Transformer架构通过自注意力机制和多头注意力机制，能够捕捉输入序列中的复杂语义关联和远距离依赖关系，从而实现对全局语义的建模。

自监督学习：珠玑大模型在预训练阶段采用自监督学习范式，利用海量无标注数据学习语言结构和语义信息。通过掩码语言模型（MLM）、自回归语言模型（AR）等预训练任务，模型能够捕捉到数据中的内在规律和模式，为后续的微调任务提供准确的初始权重。

多模态融合：为了更好地理解和处理小红书平台上的多模态内容，珠玑大模型可能采用了多模态融合技术。通过整合文本、图像、视频等多种模态的信息，模型能够更全面地理解内容的核心主题和语义，从而提供更精准的推荐。

规模效应与涌现能力：随着模型参数和数据量的增加，珠玑大模型可能展现出涌现能力。当模型规模超过临界值时，会突然涌现出训练前未显式设计的能力，如少样本学习、逻辑推理等。这些能力使得模型能够更好地适应复杂多变的生活场景需求。

-----------------------

三、问一问AI抓取舆情规则

3.1 AI智能问答抓取舆情规则

AI智能问答在舆情抓取方面存在三种不同的规则，这些规则在技术实现和生成结果上各有特点。

3.1.1. 基于搜索生成

AI首先会对用户提出的问题进行深度剖析，精准把握核心意图以及关键信息点。

随后，它会借助搜索引擎和爬虫技术，开启全网搜索模式，从浩如烟海的网络数据中精准定位到与之相关的新闻报道、社交平台上的讨论内容等。

最后，对检索到的各类信息进行系统整合，剔除那些无效、重复的内容，提取出关键要点，并组织成条理清晰、内容完整的回答，使用户能够迅速获取到全面且有价值的信息。

3.1.2.  基于浅层生成

AI先对用户的问题展开分析，判断问题的类型，识别出其中的关键词以及潜在意图，并将其映射到既定的知识框架中，从而明确用户的具体需求。

接着，在全站范围内进行检索，利用索引快速定位到相关的内容片段。检索完成后，对这些内容进行整理，提取关键信息，修正其中可能存在的错误，统一内容的风格。最后，将整理好的内容整合成一个完整的回答呈现给用户，满足用户对基础信息的需求。

3.1.3. 运用深度推理法

AI先对问题进行初步解析，提取出其中的实体、关系以及逻辑结构，形成一个初步的理解框架。

然后，运用RAG（检索增强生成）或Prompt（提示词）技术，结合预训练模型和知识库生成初步的回答或者推理路径。对于简单的问题，直接返回相应的结果；对于复杂的问题，则调用Function Calling（函数调用）进行深度推理，从多个层次对上下文进行分析，确保回答的严谨性和准确性。最后，将推理结果整合成最终的答案。

3.2 AI原生APP抓取舆情规则

3.2.1. 涵盖12个步骤

AI问答舆情抓取规则以数据采集 - 数据清洗 - 数据分析 - 结果输出为主线流程。

具体而言，先通过分布式爬虫和API对接等多种方式，从多个渠道进行定向数据采集；接着运用多种技术手段对采集到的数据进行清洗，去除噪声和无效信息；然后利用自然语言处理（NLP）技术和机器学习模型对数据进行初步分析和深度挖掘。

再通过知识库匹配为信息补充相关内容；之后生成Prompt（提示词）引导大模型进行推理；对于需要外部数据支持的情况，通过Function Calling获取外部数据并进行整合。

在输出答案之前，进行安全过滤和逻辑校验，确保答案的准确性和合规性；最后将答案输出给用户，并记录用户的反馈信息，以便对规则进行优化和改进。

3.2.2. 16个步骤

16步骤AI问答舆情抓取规则在12步基础上，通过扩展多平台采集、引入垃圾分类模型清洗、细分情感标注等强化精细化处理，利用多智能体协作如多模型推理集群、多模态分析等提升智能化，还构建闭环优化机制，涵盖安全审查、反馈闭环、区域策略、预警复盘等环节 。

-----------------------

四、AI引用资料列表出现舆情链接

AI在抓取资料链接的过程中，始终严格恪守以下三大核心准则：

信息可辨识准则

AI在抓取资料时，会优先锁定文字信息以及结构化数据，对于纯图片、视频类内容则会采取更为审慎的处理方式。举例来说，资质证书类文件必须附带详细的文字阐述（例如“ISO9001认证 | 有效期时段：2024年 - 2027年”），图片则需添加alt属性标签，以此清晰表明图片所传达的意图。

对于那些通过JavaScript动态生成页面内容的情况，由于抓取难度相对较高，因此建议将核心信息尽量以静态的形式进行呈现，以确保AI能够顺利抓取。

结构规范准则

网站的整体层级架构建议精简至3级以内（例如首页→分类页→详情页），避免设置过于复杂的导航结构，以免给AI的抓取工作带来困扰。

在内容格式方面，需要保持统一规范。以产品页标题为例，可以采用“【产品具体名称 - 核心功能特性 - 适用应用场景】”这样的格式，如此一来，AI便能够迅速识别并对其进行准确分类。

内容真实准则

AI会对网站所呈现的信息与权威数据库（例如企业信用信息公示系统）中的信息进行交叉比对。一旦发现两者之间存在矛盾之处，便会降低该信息的可信度评级。

对于客户案例类信息，必须包含真实的客户名称、具体的合作时间、详细的服务内容以及客户的真实评价（例如“某省电力集团 | 2023年开展合作 | 智能运维系统定制开发 | 客户评价：‘项目交付速度远超既定预期’”）。

-----------------------

五、AI舆情解题思路

-----------------------

六、AI新旧舆情情况

AI在抓取历史与新增舆情信息方面展现出了特定的能力特点：

历史舆情抓取：事实细节的精准还原

AI能否成功抓取历史舆情，主要取决于相关数据的留存方式以及平台的开放程度。倘若历史舆情内容依旧留存于公开的网络平台之中，例如新闻资讯网站、社交媒体的存档资料，并且尚未被删除或者进行加密处理，那么AI便能够借助爬虫技术，依据特定的关键词、时间跨度等条件，有针对性地进行定向抓取。

不过，抓取结果的完整程度和准确程度会受到原始数据质量的制约。举例来说，早期的论坛帖子可能会因为相关平台停止运营或者格式杂乱无章，导致难以完整地获取全部内容。要是舆情信息已经完全从网络上消失，或者存储在非公开的系统当中，像企业的内部档案资料，那么AI就无法对其进行抓取了。

新增舆情抓取：实时动态的敏锐捕捉

对于新增舆情，AI具备实时抓取的强大能力。通过预先设定好监测规则，例如设定品牌名称、事件关键词等，AI能够自动在全网范围内爬取公开的信息，这些信息涵盖了文字、图片、视频等多种形式的内容。在短短几分钟之内，AI就可以完成对这些信息的初步分类工作，并发出风险预警。

其展示形式丰富多样，包括传播趋势的图表展示、情感倾向的分析结果以及关键节点的标注说明等，这些展示内容为相关人员迅速做出响应提供了有力的数据支持。目前，这一能力已经在企业舆情监测、政府风险预警等多个领域得到了广泛的应用。

-----------------------

七、品牌资产知识产权保护

从GEO生成引擎优化视角防止AI抓取，需构建“技术防御+内容工程化”双层体系。技术层面，在网站根目录的robots.txt中明确屏蔽主流AI爬虫的User-Agent，如GPTBot、ClaudeBot等，同时启用Cloudflare等CDN的AI流量识别功能，通过WAF规则拦截高频访问的代理IP。

内容工程化层面，利用Schema.org标记核心实体，通过GeoRank AI引擎实现内容结构化，使AI难以直接抓取完整语义；对高价值内容嵌入不可见水印或动态干扰词，降低AI解析效率。此策略既阻断直接抓取，又通过结构化设计降低内容被AI引用的优先级。

-----------------------

八、AI舆情合规性要求

23个部门规章

1. 个人信息出境认证办法

2. 关键信息基础设施商用密码使用管理规定

3. 国家网络身份认证公共服务管理办法

4. 人工智能气象应用服务办法

5. 人脸识别技术应用安全管理办法

6. 个人信息保护合规审计管理办法

7. 网络暴力信息治理规定

8. 促进和规范数据跨境流动规定

9. 生成式人工智能服务管理暂行办法

10. 网信部门行政执法程序规定

11. 个人信息出境标准合同办法

12. 互联网信息服务深度合成管理规定

13. 数据出境安全评估办法

14. 互联网用户账号信息管理规定

15. 互联网信息服务算法推荐管理规定

16. 网络安全审查办法

17. 汽车数据安全管理若干规定(试行)

18. 网络信息内容生态治理规定

19. 儿童个人信息网络保护规定

20. 区块链信息服务管理规定

21. 互联网新闻信息服务管理规定

22. 互联网信息内容管理行政执法程序规定

23. 规范互联网信息服务市场秩序若干规定

* 调研截止日期：2025年12月

* 文章来源：玫瑰互动

* 提醒：

文章仅供参考，如有不当，欢迎留言指正和交流。且读者不应该在缺乏具体的专业建议的情况下，擅自根据文章内容采取行动，因此导致的损失，本运营方不负责。

本平台（全网）标注“来源：玫瑰互动的内容，版权归玫瑰互动所有。转载时，请务必注明“来源于玫瑰互动”。

玫瑰互动不对平台内容、信息或广告的正确性和可靠性作出保证。如有版权或其他问题，请在内容发布后30天内与我们联系。