RAG 时代的内容工程：从关键词堆砌到意图驱动的范式迁移

本文从 RAG（检索增强生成）的检索原理出发，解释为什么「意图驱动」正在取代「关键词堆砌」，成为 AI 搜索时代内容工程的主流范式，并给出可操作的迁移路径。

关键词堆砌为什么在 AI 搜索里失效

传统 SEO 的核心是「让搜索引擎匹配关键词」。但生成式 AI 的检索逻辑不同：它先把网页切成语义块（chunk），再做向量召回——比较 query 与每个 chunk 的语义相似度，而非字面匹配。

所以，一段堆满「RPA RPA 选型 RPA 案例」的文本，向量空间里是「稀疏且重复的」，与目标问句「金融 RPA 怎么选」的相似度反而很低。关键词密度越高，语义噪声越大。

意图驱动：让 chunk 对齐真实 query

意图驱动的做法，是用「人类真实会怎么问」来组织内容。当它遇到小标题「金融 RPA 怎么选？→ 看三个硬指标」时，这个 chunk 的向量天然贴近该类 query，召回概率显著提升。

flowchart LR
    Q[用户问句] -->|向量化| S[(语义空间)]
    C1[关键词堆砌块] -->|低相似度| S
    C2[意图问句块] -->|高相似度| S
    S --> R[AI 优先召回 C2]

迁移路径：四步把旧内容改造成意图驱动

1. 梳理真实问句：从销售、客服、选型顾问处收集客户高频提问；
2. 重排小标题：把陈述式标题改为问句式，并紧跟直接作答；
3. 实体归一：品牌/产品首次出现给全称+缩写，全文一致；
4. 结构化要点：用列表/表格/定义块替代大段散文，便于被切片引用。

信源权重：RAG 不只看相似度

召回之后，AI 还会按信源权威度（E-E-A-T：经验、专业、权威、可信）重排。这意味着：同样被召回，来自权威媒体、真实案例、结构化可信内容的一方，更容易被最终引用。因此内容工程不能只做「结构」，还要做「可信」——只投喂真实业务材料，用多维交叉验证提升信源权重。

小结

从关键词到意图，不是文风的转变，而是检索范式转变倒逼的内容工程升级。谁先把内容改造成「AI 友好」的结构，谁就先占住生成式搜索的心智位。