1. 保存具体问题和原始回答
记录平台、模型、采样时间、用户问题及 AI 完整回答。只记“某个平台不懂我们”，以后无法核对是否真的修复。
AI 企业事实纠错
AI 把你的企业说错了，能改过来吗？
“AI 认识我们的名字，却说错了产品。”
这往往比完全没提到品牌更麻烦：客户可能把 AI 的描述当成初步事实，并据此判断你是不是合适的供应商。
但要纠正这类问题，不能只在官网再写一遍正确介绍。第一步是确认错误究竟发生在哪里。
同样是“说得不对”，其实有四种情况
- 说错了：把业务或主体认成另一类
- 原话、引用来源、是否混入同名企业
- 没提到：只介绍一部分业务
- 该问题是否要求覆盖这条事实，回答是否完整
- 说不清：使用模糊、不可核实的表述
- 官网和可信来源是否存在清晰定义
- 没有测到：本轮无可用回答或没有触发检索
- 补有效观察，不能直接算作事实缺失
“没有说”与“说错了”不是一种问题；“没有测成”更不能当成负面结果。这些状态必须分开。
怎么找到错误的线索？
2. 对照已经确认的企业事实
先由企业确认合法主体、业务定义、产品能力和服务对象，再逐条判断 AI 哪些说对、哪些说错，哪些没有提供充分证据。
3. 检查 AI 有没有实际检索来源
请求开启联网，不代表模型真的联网。若实际触发检索且有有效来源，可以进一步核查来源是否过期、主体是否混淆。若模型未触发检索，则不能把回答归因于某个网页。
4. 选择对应的修正动作
- 官网事实有歧义：先统一关于页、产品页、服务范围和术语。
- 第三方信息过时：联系可核实来源纠正；保留更正记录。
- 同名实体混淆：补充主体名称、官方网址、产品关系和可验证身份信息。
- 暂时无法归因：保留假设，不直接承诺“改一篇文章就会解决”。
怎么判断问题真的改善了？
完成内容修改只是动作完成。正式变化还需要在可比条件下复测：AI 是否仍然说错同一条事实？有没有使用更准确的来源？跨模型的表述是否出现改善？
即使某一次回答已经纠正，也不能自动宣布稳定解决。应保留回答、检索状态和覆盖范围。
显迹能提供什么？
显迹通过 AURA 诊断，把企业确认的事实与 AI 的实际回答逐条对照，保留证据并生成有依据的改进任务。对于未测到、证据不足或者原因尚不清楚的情况，明确保留不确定性。