第11章｜Evidence Type Taxonomy（证据类型分类）

一、为什么“官网证据、媒体证据、客户证据”不是合格分类

企业整理GEO（生成式引擎优化）材料时，常把证据分成官网内容、新闻媒体、客户案例、平台评价、行业报告和人工智能引用。这些名称容易理解，却把多个不同维度混在了一起。

“官网”描述的是Carrier（载体）或企业控制的发布环境；“媒体”可能同时指载体、编辑机构、原始生产者或转载者；“客户案例”通常是由合同、工单、数据、访谈、评价和授权组成的Evidence Package（证据组合包）；“人工智能引用”则主要是一次Observed AI Use（已观测人工智能使用），而不是企业事实的独立证据类型。

如果分类本身混乱，后续就容易产生错误推论：官网上的内容都是企业自述，所以一定没价值；媒体上的内容天然更权威；客户说过的话一定真实且可公开；平台有很多页面就代表有很多独立证据；人工智能推荐过企业，就证明企业值得推荐。

这些推论的问题不在于它们永远相反，而在于分类没有保存足够信息，无法回答真正的证明问题。因此，本章的任务不是制作一张“什么来源最强”的排行榜，而是建立一个多轴描述系统，使每个Evidence Unit（证据单元）能够被准确说明、组合、去重和审查。

二、四轴分类的核心结构与正确顺序

第九章已经区分Reality（现实）、Material（材料）、Claim（命题）、Evidence（证据）、Source（来源）与Carrier（载体）；第十章建立了G0—G10 Evidence Qualification Gate（证据资格门槛）。第十一章不能绕过这两个前提。

正确顺序是：

对象分离
→ 明确目标Claim（命题）
→ 抽取Candidate Information Unit（候选信息单元）
→ 执行证据资格审查
→ 对Evidence Unit（证据单元）建立多轴画像
→ 进入Evidence Set（证据集合）

分类标签不能授予证据资格。一份“官方报告”仍可能归属错误、已经过期或与目标命题无关；一项“企业内部记录”也可能在明确范围内直接、可验证地支持某个项目发生命题。同样，分类结果不能替代Truth Support（真实性支持）、Publishability（可公开性）、GEO Usability（GEO可用性）和Observed AI Use（已观测人工智能使用）的分别判断。

每个Evidence Unit（证据单元）至少分别记录四个维度：

Origin Actor（来源主体）
× Record Form（记录形式）
× Proof Function（证明功能）
× Independence Profile（独立性画像）
+ Carrier（载体单独记录）

这四个维度回答不同问题：Origin Actor（来源主体）回答谁生产、记录或作出这项信息；Record Form（记录形式）回答信息以什么记录形态存在；Proof Function（证明功能）回答它对当前命题承担什么证明作用；Independence Profile（独立性画像）回答生产者和信息谱系相对于被证明主体有多大独立性；Carrier（载体）回答信息在哪里被承载或传播。

“×”表示组合描述，不表示数学乘法，也不表示某种人工智能内部权重。四轴没有预设统一排序，不产生固定Evidence Score（证据评分）。

三、Evidence Unit（证据单元）是分类的最小对象

一份材料可能同时包含多种信息，因此不能把整份文件只标一个类型。例如，一篇客户案例文章可能同时包含：企业对项目背景的陈述；客户负责人对服务体验的证言；合同或交付记录中的项目关系；业务系统导出的表现数据；编辑人员对行业背景的分析；人工智能生成的摘要或标题。

这些信息的来源主体、记录形式、证明功能和独立性都不同。只有拆成Evidence Unit（证据单元），才能分别判断哪些内容可以证明项目发生、哪些只能证明客户表达过意见、哪些可以支持结果、哪些只是背景说明。

Evidence Unit（证据单元）不必等于一个句子。它可以是表格中的一个数据点、一项证照记录、一段经授权的访谈陈述或一组必须共同解释的测量结果。关键是它拥有可识别的证明关系与边界。

四、第一轴：Origin Actor（来源主体）

Origin Actor（来源主体）描述信息由谁生产、记录或直接表达。基本类别包括：

来源主体不是可靠性等级。企业控制的信息不必然虚假，公共机构的信息也不必然支持所有命题。企业业务系统可能直接记录某笔交易是否发生，公共登记却未必能证明企业的服务质量。

五、来源主体的两个常见误读

先看企业自述。企业在官网声明“我们服务过制造业客户”，这项内容首先是Enterprise Assertion（企业断言）。它可以证明企业在某时作出过这一公开表达，却不能仅凭表达证明项目真实发生。如果该断言连接可核验的合同、工单、结算、客户确认和授权记录，它可以成为一个Evidence Package（证据组合包）的入口；如果没有其他记录，则它对项目发生命题的支持仍然有限或无法判断。因此，“企业自述一律没用”和“企业官网写了就算证据”都是错误的。Origin Actor（来源主体）只告诉我们谁生产信息，不自动决定Proof Function（证明功能）和Truth Support（真实性支持）。这一点与第9章关于Assertion（断言）不等于证据的判断一致。

再看客户表达。客户或交易相对方常被视为天然可信的第三方，但客户证言仍需审查：表达者是否真实参与项目、是否有权代表客户组织、是在什么情境下表达、是否受到激励、表达覆盖个人体验还是组织总体判断、是否允许公开。一封客户表扬邮件可以支持“该联系人在某时表达过积极评价”，也可能在适当条件下支持某项服务体验命题；它不能自动支持所有客户普遍满意，更不能单独证明服务导致客户经营结果改善。Customer or Counterparty（客户或交易相对方）是来源主体类别，不是固定的高强度证据标签。

六、第二轴：Record Form（记录形式）

Record Form（记录形式）描述信息以何种记录结构存在。基本类别可以包括：Official Statement（正式陈述）、Transaction or Legal Record（交易或法律记录）、Operational Record（业务运行记录）、Measurement Dataset（测量数据集）、Testimony or Interview（证言或访谈）、Knowledge or Analytical Work（知识或分析作品）、Editorial or Investigative Record（编辑或调查记录）、Registration or Credential Record（登记或资质记录）、Review or Behavioral Trace（评价或行为痕迹）和Physical or Technical Observation（实物或技术观测）。

记录形式描述“怎样被记录”，不等于“由谁产生”，也不等于“能证明什么”。同一客户既可以提供访谈证言，也可以产生交易记录；同一公共机构既可以发布正式声明，也可以维护登记记录。

记录形式也不能决定证据强弱。合同看起来正式，但可能只证明签约，不证明履约；业务日志看起来内部化，却可能直接记录服务过程；研究报告看起来专业，但如果方法不透明，可能无法支持其中的定量结论；平台评价数量很大，但如果抽样和操纵风险不明，就不能直接代表总体满意度。记录形式只有与目标Claim（命题）、来源谱系、验证方法、范围和时间共同审查时，才形成具体证明意义。因此，不应建立类似“法律文件高于客户评价、客户评价高于官网内容”的全局排序。

七、第三轴：Proof Function（证明功能）

Proof Function（证明功能）说明证据单元对当前命题具体证明什么。常见功能包括Identity（身份）、Existence（存在）、Qualification（资格）、Relationship and Event（关系与事件）、Experience（经验）、Process Execution（流程执行）、Capability（能力）、Performance（表现）、Outcome（结果）、Scale（规模）、Knowledge（知识）、Trust and Risk（信任与风险）、Fit（适配）、Comparison（比较）、Causality（因果）和Context（背景）。

功能清单不是互斥标签。同一证据单元可能服务多个命题，但每个命题的证明功能、范围、支持方向和限制都必须分别记录。

证明功能之间不能自动升级。一项Evidence Unit（证据单元）能够支持项目发生，不代表它能够支持组织能力；支持能力，不代表能够支持稳定表现；支持结果发生，不代表能够支持因果；支持自身表现，不代表能够支持比较优势；支持比较位置，也不自动产生“应该推荐”的规范判断。例如：

合同存在
→ 可能支持Relationship and Event（关系与事件）
≠ 已完成交付
≠ 具备稳定Capability（能力）
≠ 产生客户Outcome（结果）
≠ 服务导致结果
≠ 优于竞争者

Proof Function（证明功能）必须与第十二章将展开的Claim Architecture（命题架构）连接。没有命题结构，功能标签仍会退化成模糊的“好证据”。

八、第四轴：Independence Profile（独立性画像）

“独立性”不是一个单一真假字段。本体系至少分开Producer Independence（生产者独立性）和Lineage Independence（谱系独立性）。

Producer Independence（生产者独立性）描述信息生产者与被证明主体之间的结构关系：Controlled（受控，信息生产或结论由被证明主体控制）、Interested Party（利益相关方，生产者不一定受控但对结果具有直接利益）、Structurally Independent（结构性独立，生产者在组织和职责上相对独立）或Unknown（未知）。

Lineage Independence（谱系独立性）描述当前信息是否来自不同的事实和记录路径：Duplicate（重复，同一记录的复制）、Derivative（派生，对同一上游信息进行转载、摘要、改写或翻译）、Distinct Record Same System（同系统不同记录，同一组织系统中的不同记录，可能互补但不自动独立）、Distinct Lineage（不同谱系，具有可追溯的不同生产或记录路径）或Unknown（未知）。

两个维度必须同时存在。结构性独立的媒体可能只是转载企业新闻稿；企业内部的合同、工单和付款记录虽然生产者不独立，却可能属于同一业务过程中的不同记录，并提供有限的交叉核对能力。

还要防止把“第三方”当成独立或真实。“第三方”通常只说明发布者表面上不是企业本人，却没有回答谁出资、谁提供数据、谁选择样本、谁决定分析方法以及谁控制最终结论。一份由研究机构署名的报告，如果企业出资、筛选全部数据、决定展示哪些结果且方法不披露，其Producer Independence（生产者独立性）至少需要限制或标记Unknown（未知）；反过来，一个结构性独立的主体也可能因为方法错误、实体混淆或过期信息而得出错误结论。

Third-party Label（第三方标签）
≠ Producer Independence（生产者独立性）
≠ Lineage Independence（谱系独立性）
≠ Evidence Validity（证据有效性）

独立性是证据画像的一部分，不是对真实性的最终授权。资金与数据控制的展开见第10章G8（门槛8）。

九、Carrier（载体）必须单独记录

Carrier（载体）包括网页、网站、文档、视频、数据库、平台页面、纸质材料、社交账号和其他承载或传播信息的媒介。载体可以影响公开可访问性、检索路径、展示结构、持续时间和受众覆盖，却不自动决定信息的原始来源、独立性与证明功能。一篇企业新闻稿发布到五十个媒体网站，可能形成五十个Carrier（载体），但仍然只有一条企业控制的Assertion Lineage（断言谱系）。

同一个载体也能承载多种来源。例如，媒体页面可能同时包含记者独立调查、企业引述、客户访谈、公共数据和编辑意见，把整个页面标成“媒体证据”会丢失这些差异。因此，传播策略可以研究Carrier（载体），证据系统则必须继续追溯信息单元、来源主体和谱系。载体与来源、证据的对象边界见第9章第五节，载体数量不等于独立证据数量见第9章第十一节。

十、Customer Case（客户案例）是Evidence Package（证据组合包）

客户案例不是一个天然证据类型，而是围绕一组命题组织起来的Evidence Package（证据组合包）。一个完整案例可能包括：

案例必须先拆成Atomic Claim（原子命题）和Evidence Unit（证据单元），再分别通过资格门槛。一个案例可以对不同命题形成不同支持状态，不能获得一个覆盖全部陈述的总分。

十一、媒体、研究与榜单的控制字段

企业看到媒体页面时，至少应区分四种生产关系：Paid Placement（付费发布，企业支付发布费用，内容可能由企业或服务商提供）、Supplied Content（供稿内容，媒体承载企业提供的原始稿件）、Syndication or Reprint（转载或联播，内容来自其他页面或稿源）和Independent Reporting（独立报道，媒体自行选题、采集、核实和编辑）。这些关系不是简单的道德排序：付费内容可以准确记录企业断言，独立报道也可能出错。区分它们的意义在于正确记录生产者、控制权、验证过程和谱系，而不是用“上了媒体”替代证据资格判断。

对于研究、榜单、测量数据和第三方报告，四轴之外还必须记录Funding Source（资金来源，谁支付研究或制作费用）、Data Owner（数据所有者，谁拥有或控制原始数据）、Sample Selector（样本选择者，谁决定纳入和排除哪些对象）、Analytical Controller（分析控制者，谁决定指标、方法、分析和解释）和Disclosure Status（披露状态，上述关系是否向使用者披露）。这些字段不会自动判定报告无效，而是帮助识别利益关系、选择偏差、方法透明度和可复核性。一个榜单即使由知名机构发布，如果比较集合、指标或商业关系未知，也不能直接支持“行业第一”之类的Comparative Claim（比较命题）。

十二、人工智能派生材料需要单独记录

对于人工智能生成、摘要、改写或扩展的材料，应增加Model or System（模型或系统）、Input Provenance（输入来源）、Human Review（人工复核）、Derived From（派生自）和Circularity Risk（循环风险）。人工智能派生材料可以帮助整理表达、发现研究线索或形成新的Carrier（载体），但不会因此获得新的独立现实基础。如果输入来自企业自述，人工智能改写后仍应回溯到企业自述；如果人工智能答案被企业发布，再被另一人工智能引用，也不能把循环传播算成独立推荐。

Observed AI Claim（已观测人工智能命题）可以作为人工智能行为的Observation Object（观测对象）。它能够证明某个系统在特定提示、时间、工具和上下文中生成过某种答案，不能直接证明答案中的企业事实为真。人工智能回答作为观测对象与循环证据的完整边界见第9章第十二节，循环与派生门控见第10章G10（门槛10）。

十三、跨系统记录必须进行Entity Resolution（实体消歧）

同一客户可能同时出现在合同系统、客户关系系统、财务系统和工单系统。多个记录可以互相补充，但若不进行Entity Resolution（实体消歧），同一客户或同一交易可能被重复计算。至少需要使用稳定主体标识、交易或项目标识、时间范围和关系类型进行对齐，并记录是否为同一法律主体、品牌或联系人，是否为同一交易、续约还是独立项目，是否由同一上游事件产生，不同系统之间是Duplicate（重复）、Derivative（派生）还是Distinct Record Same System（同系统不同记录），以及是否存在主体更名、合并、拆分和历史归属变化。

Cross-system Count（跨系统计数）不等于Independent Evidence Count（独立证据数量）。实体消歧的目的不是减少证据，而是防止重复记录制造虚假规模和虚假交叉验证。跨系统实体消歧的完整边界见第9章第十一节。

十四、一个证据单元可以支持多个命题，但关系必须分别记录

同一份许可证可以支持主体身份、历史资格和特定时期的准入状态；同一条工单可以支持服务事件发生、流程节点执行和响应时间测量。但每项关系都需要自己的Proof Function（证明功能）、范围、时间、限制和支持状态。

不能因为一个Evidence Unit（证据单元）对命题A通过，就默认它对命题B也通过。系统应形成多对多关系：

Evidence Unit（证据单元）E1
→ 支持Claim（命题）C1，在范围S1内
→ 限制Claim（命题）C2，在条件S2下
→ 不能推出Claim（命题）C3

这种记录方式为下一章的Claim Graph（命题图谱）奠定基础，也避免同一材料被无限外推。

十五、四轴不产生固定权威阶梯

本体系明确拒绝以下全局排序：公共机构一定高于客户、媒体一定高于企业、结构性独立一定高于内部记录、数据一定高于访谈、页面数量一定代表证明强度。

不同命题需要不同证明组合。公共登记适合证明登记事项，客户访谈适合描述特定体验，业务日志适合记录流程，独立测量可能适合支持特定表现。它们各自在明确边界内发挥作用，也各自存在失败条件。真正的比较对象不是“来源名气”，而是某个Evidence Unit（证据单元）对于某个Claim（命题）的资格状态、证明功能、适用范围、独立性、冲突和偏差。

十六、对GEO Service System（GEO服务体系）的要求

第一，证据库不能只保存文件路径和“来源类型”。必须保存信息单元、目标命题、四轴画像、载体、谱系和资格状态。

第二，Origin Actor（来源主体）、Record Form（记录形式）、Proof Function（证明功能）和Independence Profile（独立性画像）必须是不同字段，禁止合并为“权威等级”。

第三，Producer Independence（生产者独立性）与Lineage Independence（谱系独立性）必须分别记录。第三方署名和多载体传播不能自动增加独立支持。

第四，Customer Case（客户案例）必须拆为Evidence Package（证据组合包），再拆成命题和证据单元。系统不得给整个案例一次性授予“已证明”状态。

第五，研究和榜单需要记录资金与数据控制；人工智能派生材料需要记录输入、人工复核、派生来源和循环风险。

第六，跨系统数据需要实体消歧与谱系去重。同一客户、项目或事件的重复记录不能冒充独立样本。

第七，内容生产模块只能调用已经建立命题关联、完成资格审查且授权状态允许当前用途的证据单元。分类丰富不能替代使用许可。

十七、Evidence Type Record（证据类型记录）最低字段

证据类型记录至少覆盖单元身份、来源主体、记录形式、证明功能、独立性画像、载体、控制字段、派生字段、实体消歧和接口状态十组信息。完整字段结构集中在附录C｜Method Templates（方法模板）的Template 07（模板07，证据记录）。

十八、本章明确否定的观点

• 官网、媒体、客户、平台或人工智能本身就是完整证据类型；
• Carrier（载体）可以替代Source（来源）和Evidence（证据）；
• 来源类别能够自动决定真实性和证明强度；
• 企业自述一律没有证据价值，或企业自述本身足以证明内容真实；
• 客户表达天然独立、代表全部客户且自动可公开；
• 公共机构记录能够证明其登记事项之外的服务能力与质量；
• 第三方署名等于结构独立、数据独立和谱系独立；
• 结构性独立主体产生的内容必然真实；
• 法律记录、数据集、访谈或媒体文章之间存在固定强弱排序；
• 一个证据单元对一项命题通过，就对所有相关命题通过；
• 支持项目发生可以自动升级为能力、结果、因果、比较或推荐；
• 多个网页、转载和改写等于多个独立证据；
• 多个内部系统记录自动等于多个独立谱系；
• Customer Case（客户案例）是一条单一证据；
• 研究机构或榜单的商业关系不需要披露；
• 人工智能改写能够创造新的独立事实来源；
• 四轴分类能够替代G0—G10 Evidence Qualification Gate（证据资格门槛）；
• 四轴可以加权为统一Evidence Score（证据评分）。

十九、当前仍然不知道什么

以下问题保持Unknown（未知）：

• 不同行业是否需要增加专门的Origin Actor（来源主体）或Record Form（记录形式）类别；
• 混合来源材料在复杂协作中的最小拆分粒度；
• Distinct Record Same System（同系统不同记录）在不同命题中能提供多大程度的交叉核对价值；
• 跨平台群体评价的操纵风险和代表性如何稳定估计；
• 自动Entity Resolution（实体消歧）在真实企业数据中的可靠阈值；
• 人工智能参与不同生产环节时，派生谱系应如何标准化记录；
• 哪种Evidence Set（证据集合）组合会稳定影响特定人工智能答案行为；
• 哪些四轴组合可在真实项目中升级为Validated Pattern（已验证模式）。

当前Validated Pattern（已验证模式）为空。

二十、本章结论

Evidence Type Taxonomy（证据类型分类）不是按照网站名气、内容形式或所谓权威性把证据排成一条阶梯，而是对每个Evidence Unit（证据单元）分别记录Origin Actor（来源主体）、Record Form（记录形式）、Proof Function（证明功能）和Independence Profile（独立性画像）。Carrier（载体）继续作为独立对象保存。

四轴分类解决的是描述和审计问题，不授予证据资格、不产生统一分数，也不替代命题判断。同一材料可以包含多个证据单元，同一证据单元可以服务多项命题，但每项关系的功能、范围、时间和限制必须分别记录。

Customer Case（客户案例）是Evidence Package（证据组合包）；媒体页面是Carrier（载体）；第三方需要穿透资金和数据控制；人工智能生成物需要回溯输入与派生关系；跨系统记录需要实体消歧和谱系去重。

第十章回答候选信息是否获得证据资格，第十一章回答合格或受限证据应如何被描述。下一章将转向Claim Architecture（命题架构），建立Target Claim（目标命题）、Enterprise Claim（企业命题）、Source Claim（来源命题）和Observed AI Claim（已观测人工智能命题）的角色关系，并将复杂表达拆成可验证的Atomic Claim（原子命题）。

本章图表

图11-1｜四轴证据分类模型

重绘说明：以Evidence Unit（证据单元）为中心，四周分别连接Origin Actor（来源主体）、Record Form（记录形式）、Proof Function（证明功能）和Independence Profile（独立性画像）；Carrier（载体）放在外层，标注“承载与传播，不授予资格”。

图11-2｜混合分类如何制造错误

重绘说明：左侧列出“官网证据、媒体证据、客户证据、人工智能证据”，用交叉箭头显示它们混合来源、形式、功能和载体；右侧将同一材料拆入四轴字段。

图11-3｜双独立性画像

重绘说明：采用二维矩阵，一轴为Producer Independence（生产者独立性），另一轴为Lineage Independence（谱系独立性）。示例标出“独立媒体转载企业稿件”和“企业内部多系统记录”，说明两个维度不能合并。

图11-4｜Customer Case（客户案例）的组合包结构

重绘说明：中央为客户案例，向外拆分合同、工单、客户访谈、业务数据、公共记录、编辑文章和人工智能摘要，再分别连接可能的Proof Function（证明功能）和主要限制。

图11-5｜Carrier Count（载体数量）不等于Independent Evidence Count（独立证据数量）

重绘说明：一条企业新闻稿谱系向外分发至多个网页，与多条真正Distinct Lineage（不同谱系）的记录并列对比。

表11-1｜四轴证据分类词表

采用本章第四、六、七和八节的类别，分别展示定义、典型实例、边界和不得推出的结论。

表11-2｜Minimum Evidence Type Record（最低证据类型记录）

采用本章第十七节的十组字段，为服务体系中的Evidence Record（证据记录）提供分类层字段规范。