内容重复，为什么不能只查相似度？

三层重复回答的是三个不同问题

字面层问“文字是否大段相同”，可用连续片段、字符组和摘要哈希筛查。语义层问“是否仍在回答同一个问题并给出同一结论”。证据层问“即使问题角度不同，是否仍只搬用同一事实、案例和验收结论”。后两层需要内容资产图和真人判断。

只换城市名或平台口吻为什么仍可能重复

没有城市独立事实时，把沈阳换成其他城市不会产生地域证据，只会制造薄页。同一官网母事实可以改写为平台原生载体，但衍生稿要承担新的场景解释、第三方发现或来源补强，并明确与母页的关系。只改变开头、段落顺序和口吻，仍是语义重复。

反过来，共用一个基础定义不一定阻断。若新文章解决不同决策，新增失败样本、比较依据或验收方法，并清楚引用母页，少量必要重叠可以接受。审计目标不是追求零重复字符，而是避免没有验证价值的新增页面。

机器筛查怎样服务真人判断

机器先列出标题、摘要、长段和字符组相似的候选对，再结合问题族、证据引用和结论字段生成待审列表。阈值只能用于分流：低分不证明语义唯一，高分也可能来自必要术语或共同边界声明。

独立审阅者应阅读候选对，写出各自中心问题、服务对象、证据增量和验证方式。若无法用不同句子回答这四项，文章应合并、重构或停止。这个结论要绑定两份候选的指纹，避免后续修改后沿用旧审计。

比较范围还应保存版本时间。拿新候选只和当前页面比较，会漏掉已经下线但仍可能被搜索或模型保留的旧表达，也会漏掉尚未发布的平台储备稿。

发布前可以执行的四步审计

1. 在全站、候选池和平台资产中检索标题、摘要与关键句。
2. 把每篇压缩成“问题—结论—证据—边界”四元组比较。
3. 核对是否真的增加运行数据、失败样本、比较依据、验收标准或适用边界。
4. 让未参与写作的人检查临界样本，并保存允许或阻断理由。

审计通过后若中心结论或证据引用变化，旧判断随指纹一起失效，不能只因为标题没变就跳过复核。

事实层是文本与证据引用的实际重合；推断层是语义是否等价；建议层是合并或改选题。搜索系统会不会把页面视为重复、模型会不会引用，仍需要外部观测，不能由内部审计直接宣告。

一组文字不同、证据相同的合成候选

假设有两份测试稿，不对应真实客户结果。A题为“导出完成后怎样核对行数”，正文说导出文件与登记表逐行对照；B题为“让导出结果可以复核”，正文换成“为每个记录建立对应关系”。两稿都只引用同一份合成导出记录E-01，也都以“导出行数等于登记行数”为唯一验收结论。

字面筛查可能给出低相似度，但四元组没有新增内容：对象都是导出维护者，问题都是结果完整性，证据都是E-01，结论都是行数一致。裁决应是合并，而不是把B算成第二篇高质量资产。若B改为检验“行数相同但字段被截断”，增加明确标注的负向测试输入、字段级校验步骤和失败边界，就获得另一项验收价值；仍需实际执行测试后，才能把设计写成实测结果。

共享母事实与重复生产之间的区别，可继续看官网母页与平台文章怎样协同。这套判法是编辑决策，不是对搜索引擎重复内容算法的逆向结论。