第09章｜Evidence（证据）到底是什么

一、企业有很多材料，不等于企业有证据

官网页面、营业执照、客户聊天记录、合同、媒体报道、平台评价、内部数据、案例文章和人工智能引用，常被统称为“证据”。这种说法在日常沟通中方便，却会在GEO（Generative Engine Optimization，生成式引擎优化）服务中制造严重混乱。

一张营业执照可以证明某个法律主体在特定时间登记存在，却不能证明它擅长某个行业；一封客户表扬邮件可以记录客户的积极表达，却不能证明所有客户普遍满意；五十家媒体转载同一篇新闻稿，看起来拥有大量页面，实际可能只有一条由企业自己生产的信息谱系；人工智能引用某个页面，只能证明答案显示了引用，不会反向证明页面中的所有陈述真实。

因此，证据系统首先不能问“我们有多少篇内容”，而要问：

对于哪一项具体命题，哪一个信息单元能够在什么范围、时间和条件下，提供怎样的支持、限制或反驳？

二、Evidence（证据）的工作定义

Evidence（证据）是在特定Decision Situation（决策情境）中，能够支持、限制或反驳一项关于实体、能力或Decision Variable（决策变量）的可验证Claim（命题），并具有可追溯来源、适用边界与时间状态的具体信息单元。

证据是一种Conditional Proof Relation（条件化证明关系），不是文件、网站、媒体、证书或内容形式的固定属性。

同一份材料面对不同命题，可能具有不同证据作用。某张许可证可以支持“该实体在某时间具有某项法定许可”，却不能支持“该实体服务质量优秀”；某个客户案例可以支持“某项目发生过”，却未必支持“该服务导致客户业绩提升”。

证据的基本表达不是“这是权威媒体，所以这是强证据”，而是：

该材料中的这个信息单元，在明确的来源、实体、范围和时间条件下，对这项原子命题提供何种支持，同时不能证明什么。

三、日常所说的Fact（事实）需要拆开

企业常说“这是事实”，但在方法体系中至少要分开两层：

1. Reality（现实）

Reality（现实）是客观发生或存在的状态，例如某次服务是否发生、某项许可证是否有效、某个团队成员是否参与项目。现实不因为有没有被记录而改变其本体状态。

2. Claim about Reality（关于现实的命题）

研究者能够处理的是关于现实的可判断陈述，例如“甲公司在2026年8月持有有效的某项许可证”。这项命题可能获得支持、部分支持、存在争议或无法判断。

因此，日常语言中的Fact（事实）不应直接成为一个未经审查的系统字段。更严谨的表达是：

Reality（现实状态）
→ 被表达为可判断的Claim（命题）
→ 由Evidence（证据）支持、限制或反驳
→ 形成当前认识状态

“当前材料不足以支持命题”不等于现实中一定不存在；“命题看起来合理”也不等于已经获得事实资格。

四、Assertion（断言）不是证据

Assertion（断言）是某个主体提出或表达一项命题的行为。企业在官网写“我们服务最专业”，客户说“这家公司响应很快”，媒体稿称“行业领先”，人工智能回答“甲公司值得推荐”，都可以被记录为不同主体的断言。

断言本身可以成为研究对象，也可以证明“某个主体曾经这样说过”，但不能自动证明断言内容真实。例如，一篇企业新闻稿可以支持“该企业在某日公开宣称自己拥有某项能力”，却不能仅凭自述支持“该企业确实拥有该能力”“该能力优于竞争者”“用户会因此选择”或“人工智能应该推荐它”。

当断言被多家媒体原样转载时，Carrier Count（载体数量）增加了，Assertion Lineage（断言谱系）却可能仍然只有一条。

五、六项基础对象必须分开

Assertion（断言）位于主体表达Claim（命题）的行为层。它可以形成Material（材料），但只有材料中的具体信息与目标命题建立合格关系时，才形成Evidence（证据）。

完整关系可以表示为：

Reality（现实）
→ 被某个Source（来源）记录或表达
→ 形成Material（材料）
→ 通过Carrier（载体）保存或传播
→ 其中的信息单元针对特定Claim（命题）
→ 经过资格审查后形成Evidence（证据）

这是一套研究对象关系，不保证每条记录都准确，也不保证每种材料都能通过资格门。

六、证据是“相对于命题”成立的

没有目标命题，就无法判断某项信息到底证明什么。

假设企业拥有一份真实合同。合同可以支持“双方在某时间建立过合同关系”，也可能支持服务范围和期限；如果缺少履约记录，它不能独立证明项目已经完成，更不能证明结果优秀。再如，企业记录显示自己服务过八十家制造业客户，可以支持限定范围的客户数量命题，但未必支持“制造业服务能力领先”“制造业客户普遍满意”或“制造业企业选择该公司更容易成功”。后几项命题的证明负担完全不同。

因此，每项证据必须声明：它关联哪项Claim（命题）；它提供Support（支持）、Limit（限制）、Contradict（反驳）还是Context（背景）；它只在哪些实体、客户、行业、地域、样本、服务、条件和时间范围内成立；它不能证明什么。

七、证据单元不等于整份材料

一份客户案例可能同时包含合同关系、服务过程、客户陈述、内部结果数据、图片、资质文件和企业解释。它是Evidence Package（证据组合包），不是一条不可拆分的证据。

同一案例中的不同信息单元可能支持不同命题、具有不同来源、处于不同授权状态、拥有不同时间有效性、对因果与比较命题具有不同证明能力，也可能相互支持、限制或冲突。把整个案例标记为“强证据”，会掩盖其中哪些部分只是企业叙述，哪些来自客户确认，哪些数据无法复核，哪些结果存在替代解释。

八、四种状态必须严格分离

1. Evidence Validity（证据有效性）

材料中的信息是否在限定范围内对目标命题形成合格支持、限制或反驳。

2. Publishability（可公开性）

材料是否获得合法公开授权，是否符合隐私、保密、合同、知识产权和监管要求。

3. GEO Usability（GEO可用性）

在真实、授权和范围允许的前提下，该证据是否与目标Decision Situation（决策情境）和Decision Variable（决策变量）相关，能否形成明确公开命题和实体归属。

4. Observed AI Use（已观测人工智能使用）

在明确的引擎、查询、探针、上下文和时间条件下，人工智能答案是否显示引用、吸收、归属或决策使用。

四项关系是：

Evidence Validity（证据有效性）
≠ Publishability（可公开性）
≠ GEO Usability（GEO可用性）
≠ Observed AI Use（已观测人工智能使用）

真实性支持成立，不代表获得公开授权；已经公开，不代表与目标决策相关；与决策相关，也不代表人工智能已经使用；人工智能使用，又不反向证明信息真实。

九、五种时间状态必须区分

每项证据至少区分Event Time（事件发生时间）、Valid Time（事实有效时间）、Record Time（记录形成时间）、Publication Time（公开发布时间）和Observation Time（人工智能观测时间）。

许可证在2023年有效，页面在2024年发布，人工智能在2026年引用该页面，不能据此证明企业在2026年仍然持证。旧材料可以支持Historical Claim（历史命题），不能无条件支持Current Claim（当前命题）。后补形成的记录可能准确描述历史事件，但需要标明其形成时间和回顾风险；人工智能观测时间则决定答案使用的是哪个公开状态。

十、五种连续性必须审查

企业常把创始人的个人经历、前雇主项目或已离职团队案例归入当前组织能力。组织历史经验能否支持当前能力，需要分别检查Organization Continuity（组织连续性）、Personnel Continuity（人员连续性）、Process Continuity（流程连续性）、Technology Continuity（技术连续性）和Service Continuity（服务连续性）。

创始人在前公司拥有十年经验，可以支持Person Experience（个人经验）命题，却不能自动支持新公司已经拥有十年Organization Experience（组织经验）。旧案例真实发生，也不表示当前已更换的团队和流程仍具备同等能力。允许的做法是缩小归属与范围，而不是通过文案把个人、历史与组织能力合并。时间与连续性的门控展开见第10章G5（门槛5）。

十一、来源、载体与独立性必须分别判断

第三方报告署名研究机构，不表示它天然独立。如果报告由企业出资，数据由企业筛选，方法和异常未披露，它的Producer Independence（生产者独立性）和Data Control（数据控制）需要重新判断。至少需要追问：谁提出问题并出资、谁选择样本、谁控制原始数据、谁执行分析、谁决定结论和发布、商业关系是否披露、是否允许独立复核。“第三方发布”描述Carrier（载体）和名义生产者，不自动等于独立验证。

载体数量也不等于独立证据数量。五十家媒体转载同一篇企业新闻稿，可能形成五十个Carrier（载体），却只有一个Evidence Lineage（证据谱系）；文字被改写，也不必然产生新的事实生产或独立核验。同一客户记录同时存在于合同、客户关系系统和财务系统中，也不自动等于三条独立证据，需要通过客户、合同或交易主键进行Cross-system Entity Resolution（跨系统实体消歧）。

Carrier Count（载体数量）
≠ Record Count（记录数量）
≠ Evidence Lineage Count（证据谱系数量）
≠ Independent Verification Count（独立验证数量）

十二、证据关系的其余边界

下表把第九章其余“不得等同”的关系边界集中列出；每一行的门控细节由第10章承接，本章只保留对象级判断与反例。

十三、Evidence Record（证据记录）最低字段

每个Evidence Record（证据记录）至少要说明命题关联、来源谱系、实体归属、范围、时间、授权、完整性、独立性、派生与循环以及四状态。完整字段结构集中在附录C｜Method Templates（方法模板），认识状态与禁止越级措辞见附录D｜Epistemic Status（认识状态）与因果措辞。这些字段不合成为统一Evidence Score（证据评分）；某些门槛不可由其他优势补偿，例如没有公开授权，不能用来源权威或载体数量抵消。

十四、对GEO Service System（GEO服务体系）的要求

第一，系统必须把Reality（现实）、Material（材料）、Claim（命题）、Evidence（证据）、Source（来源）和Carrier（载体）建成不同对象，禁止用一个“素材库”字段代替全部关系。

第二，每条Evidence Record（证据记录）必须指向至少一条Claim Record（命题记录），明确证明方向、范围、时间、限制和不能推出的结论；支持、限制、反向和背景材料必须共同保留，报告不能只选择有利证据。

第三，公开使用前必须分别经过事实关系确认和授权确认，真实性成立不能替代公开授权。

第四，证据不足时允许缩小、拆解、增加限定、降低强度或暂不表达，禁止用内容数量弥补真实性、能力和证明负担缺口。

门槛的逐项审查、运行位置、批准人和触发重审条件由第10章第十六节承接。

十五、本章明确否定的观点

• 文件、网页、媒体、证书、案例或评价天然就是证据；
• 企业或媒体提出断言就证明断言内容真实；
• 权威平台上的内容具有固定证据权重；
• 一份材料可以无差别支持其中所有命题；
• 客户案例是一条单一证据；
• Evidence Validity（证据有效性）、Publishability（可公开性）、GEO Usability（GEO可用性）和Observed AI Use（已观测人工智能使用）可以相互替代；
• 历史材料可以无条件支持当前命题；
• 个人经验和前雇主经验自动属于当前组织；
• 第三方署名或媒体发布自动证明独立性；
• 载体数量等于独立验证数量；
• 多个内部系统记录等于多条独立证据；
• 平均值正确就可以隐藏重大异常和反向材料；
• 结果同期发生就证明服务导致结果；
• 自身表现良好就证明优于同行；
• 缺少证据自动证明能力不存在；
• 人工智能回答、引用或推荐能够证明企业事实；
• 人工智能输出经企业发布和再次引用后获得独立性；
• 证据真实且公开就一定具有GEO（生成式引擎优化）优先价值；
• 增加文章数量可以弥补能力、真实性或证据缺口。

十六、当前仍然不知道什么

以下问题保持Unknown（未知）：

• Context Evidence（背景证据）应作为完整证据方向还是辅助关系；
• 不同行业、命题风险和监管环境中的最低证明要求；
• 组织、人员、流程、技术与服务连续性的任务级准入门槛；
• 来源删除或授权变化后，历史结论可保留到什么认识状态；
• 哪些证据集合结构会影响特定人工智能答案行为；
• 公开、可检索、被检索、被引用、被吸收和被用于决策之间的因果关系；
• 证据干预效果的持久性与跨Engine（引擎）迁移性；
• 可升级为Validated Pattern（已验证模式）的准入条件。

当前Validated Pattern（已验证模式）为空。

十七、本章结论

Evidence（证据）不是一种文件类型，也不是一个平台属性，而是具体信息单元与具体Claim（命题）之间，在明确实体、范围、时间、来源和授权条件下形成的证明关系。

Reality（现实）、Assertion（断言）、Material（材料）、Claim（命题）、Source（来源）、Carrier（载体）和Evidence（证据）只有保持分离，企业才能知道自己真实具备什么、材料能证明什么、哪些内容可以公开、哪些信息与用户决策相关，以及人工智能到底观察到了什么。

第八章将实体事实与命题—证据状态纳入四平面比较，第九章则给出了“证据状态”本身的对象基础。下一章将建立Evidence Qualification Gate（证据资格门槛），审查一项候选信息需要经过哪些不可互相补偿的条件，才有资格用于支持、限制或反驳目标命题。

本章图表

图9-1｜现实、材料、命题与证据的对象关系

重绘说明：由左至右展示Reality（现实）、Source（来源）的记录或表达、Material（材料）、Carrier（载体）、Claim（命题）和Evidence Relation（证据关系）。Assertion（断言）放在来源表达命题的位置，强调“有人说过”与“内容为真”分离。

图9-2｜证据四状态分离

重绘说明：用四个互不包含的卡片表示Evidence Validity（证据有效性）、Publishability（可公开性）、GEO Usability（GEO可用性）和Observed AI Use（已观测人工智能使用），卡片之间使用不等号连接。

图9-3｜证据五时间模型

重绘说明：使用时间轴分别标记Event Time（事件发生时间）、Valid Time（事实有效时间）、Record Time（记录形成时间）、Publication Time（公开发布时间）和Observation Time（人工智能观测时间），用过期许可证说明历史命题与当前命题的差异。

图9-4｜Carrier Count（载体数量）与独立证据谱系

重绘说明：一篇企业新闻稿向外连接多个媒体页面，但所有页面回溯到同一个原始生产节点；另一侧展示独立客户确认和官方记录形成不同谱系。图下注明：“传播扩散不等于独立验证增加。”

图9-5｜Circular Evidence（循环证据）

重绘说明：人工智能生成判断—企业发布—媒体转载—人工智能再次引用—企业宣称获得独立推荐，形成闭环；在闭环中央标注“没有新增独立现实证据”。

表9-1｜Evidence Record（证据记录）最低字段

采用本章第十三节的十组字段，重点突出命题关联、实体归属、时间、授权、完整性、独立性和循环性。