MRS-EV · K 硬核资产层

你怎样才能被 AI 调用?

AI 接管调用入口后,旧问题「怎么抢流量」变成了新问题「怎么被调走」。 答案是把你的知识做成一份结构化 + 索引化的资产。它分两层:橱窗让人和 AI 知道你,货架让人和 AI 能取走它。

被调用即存在 —— 不能被机器检索的能力等于不存在;可被检索却不分级定价的私有资产等于送。

橱窗 · K_pub(可检索、可引用)

放在这里的东西,是愿意被看见的。AI 可以自由检索、引用、传播 —— 换回的是认知与信任。
条目多了不靠翻 —— 搜 / 筛。点标题才展开正文。

货架 · K_pri(价签可见,内容不外露)

这里挂着的是资产。你能看见它是什么、能交付什么、怎么换,但内容在库房 —— 成交之后才注入。

这份索引怎么被机器用

三个出口,各喂一种读者

出口喂谁怎么用
llms.txtAI 爬虫 / 智能体纯文本入口清单,最易被抓取
index.json程序 / 工具链带标签反查表、实体表,可编程检索
本页人看得懂、可点击、可打听

索引长这样

{
  "layer": "K",
  "pub": [ { "id": "kpub-mrs-ev-model",
             "title": "MRS-EV 太极·点圆统一上下文资产模型",
             "tags": ["上下文工程","智能体", ...],
             "source": { "kind": "cloud", "ref": "https://…" } } ],
  "pri": [ { "id": "kpri-…",
             "price": { "what": "…", "deliver": "…", "how": "…" } } ]
}

注意 source 里只有 ref(如何取),没有原件。云端素材只读引用,本地素材只做结构化,原件一律不落地。

答案型页面(直接对上提问)

索引是给工具查的;答案是给提问者用的。这类页面先给结论、再给可核实与不可核实的分界,配 FAQPage 结构化标记 —— 在 AI 答案里的被引概率远高于一篇结构完整的索引。

页面回答的问题对应资产
委中穴放血对皮肤病有效吗有创操作的风险边界、「牛皮癣」与银屑病不是一回事、哪些主张可核实kpub-wei-zhong-bloodletting

纪律:答案页不得新增未核实主张 —— 每个问答都要能对回资产记录的某一段。FAQPage 是最容易被 AI 直接抽取播报的结构,一句失准就会被规模化复制,所以边界信息被刻意写进答案文本里,而不是只放在页面角落。

边界(写在设计里)

1. 原件不落地。云端(网盘等)只记「如何取」的引用;本地素材直接加工成结构化描述,不留原件副本。

2. K_pri 内容不外露。价签可见,真值在 Vault,成交才注入 —— 与 E3 同法。

3. 凭证走 E3。任何取件凭证只留引用名,真值永不进体系。

MRS-EV v1.4 K 层实例 kindex.py 生成
太极是展开,点圆是收敛 | 第 268 行起:硬核资产(K)