如何才能被 Claude 引用？

Claude 挑来源的方式和其他助手不一样。一项研究统计了 SaaS 和技术类问题下的 379,321 条引用，覆盖 16,406 个域名：64% 指向品牌和公司网站，0.9% 指向社交媒体，没有一条指向 Reddit。按这份数据看，公司自己的页面对 Claude 格外重要。改页面之前，先确认 Claude 能不能访问到它们。

Anthropic 有三个独立的爬虫，各有自己的 user-agent 和用途。站长可以给每一个单独设置访问规则。

ClaudeBot：收集网页内容，用于改进生成式 AI 模型（训练）。屏蔽后，之后抓到的内容会被标记为不进入训练数据。

Claude-SearchBot：为提高搜索结果质量做索引。屏蔽后，页面不进入搜索索引，“可能降低你网站的可见度”。

Claude-User：Claude 用户的问题需要时去取页面。屏蔽后，用户请求时取不到你的页面。

三个爬虫都遵守 robots.txt。Anthropic 说明，它的爬虫遵循标准 robots.txt 指令，也遵守非标准的 Crawl-delay。这一点和 Perplexity 不一样：Perplexity 由用户触发的爬虫通常不理会 robots.txt。对 Claude 来说，写了 disallow 就是 disallow，三个爬虫都照办。

这就留出了一个实用的选择：屏蔽训练，不等于从 Claude 消失。如果你反对的是拿内容训练模型，而不是在 Claude 里被看到，那就只屏蔽 ClaudeBot，另外两个照常放行。引用走的是搜索和用户触发的抓取，不走训练语料。

User-agent: ClaudeBot
Disallow: /

User-agent: Claude-SearchBot
Allow: /

User-agent: Claude-User
Allow: /

我们做评估时，见得更多的是相反的情况：站长本想退出训练，写了一条全站 Disallow，结果把所有引用也悄悄挡在了外面。

要核实一个自称 Anthropic 的爬虫，把它的 IP 和 claude.com/crawling/bots.json 里的列表比对。这份列表是所有爬虫地址的合集，不按爬虫区分。IP 核实之后，再看 user-agent 判断是哪一个爬虫。

Claude-SearchBot 把你的页面编进一个搜索索引。更值得追问的是：哪个索引。

问题需要最新信息时，Claude 会搜一次，再处理结果。按 Anthropic 的文档，“每个回答都包含引用，因此你可以轻松自行验证来源”。但产品文档从没说过网页搜索用的是谁。有据可查的是：2025 年 3 月，Brave Search 进入了 Anthropic 公开的子处理商列表；Claude 的 web_search 工具定义里有一个叫 BraveSearchParams 的参数；一次有记录的测试中，Claude 返回的十条引用，和用同样关键词在 Brave 搜到的结果完全一致。Anthropic 帮助中心另外说明，图片结果“由 Bing 提供”。

不管底层是谁，要做的事都一样：把你想赢下的查询拿到 Brave 搜一遍，看自己出不出现。一分钟就够，不花钱，而且比你的 Google 排名更接近 Claude 实际能检索到的东西。

照着任何关于 Claude 的建议动手之前，先分清三类说法：官方文档写明的、研究数据支持的、没人验证过的。

两份数据集还有一个共同现象，比任何单一技巧都重要：Claude 的引用高度集中。SaaS 和技术类里，16,406 个域名中的 500 个拿走了 59.9% 的引用；健康类里，十家机构占了 57.8%。Claude 不把引用撒向长尾，而是反复回到它当作权威参考的那批来源。能不能挤进这批来源，看的是页面本身是什么，不是格式怎么排。真正的较量在这里。

先给答案，一段只说一件事，比较类内容用表格，具体说法注明出处。对 Claude 来说，现有的引用数据尤其偏向能当参考资料用的内容。

在 SaaS 和技术数据集里，64% 的引用落在公司自有域名上。所以产品文档、技术参数、方法说明和对比表最容易被引用；可它们常被写成销售文案，其实该写成文档。具体来说：