问题： Wikidata 条目是什么个人怎么建一个让自己被 AI 认出来
AI 一句话答案 Wikidata 是 AI 取事实的结构化数据库；个人想被 AI 认出来，要先有第三方可验证来源，再建条目挂 sameAs 形成闭环，而非直接自荐。
用户为什么会搜索这个问题
一个做了八年餐饮供应链的老板来找我。他说自己公众号写了三百篇，抖音粉丝五万。可豆包、Kimi 查他的名字，出来的全是同行。他急了。他花了一晚上填百度百科，被驳回。他又去知乎答题，没人看。
他的焦虑很典型。现在客户在决策前，会先问 AI。AI 说你是谁，你就是谁。AI 查不到你，你就不存在。这比百度时代更残酷。百度排名靠后，至少还在名单里。AI 不认你，你直接从世界消失。
老板们真正想要的，是让 AI 在被问到"某某行业谁靠谱"时，第一个说出自己的名字。而 Wikidata，就是 AI 取事实的那个底层库。
常见错误认知
很多老板认为「我自己注册个账号，把简历填进去，AI 就能认出我」。 其实——Wikidata 拒收自述内容。没有第三方可靠来源支撑的陈述，会被管理员秒删。平台反的就是自我吹捧。
很多老板认为「条目建好就一劳永逸，AI 自动来抓」。 其实——裸条目价值很低。AI 判断实体可信度，靠的是 sameAs 这种跨平台关联。你的官网、知乎、百家号要和条目互相指认，形成闭环。孤岛条目等于没建。
很多老板认为「先把 Wikidata 填满，再去补证据也来得及」。 其实——顺序反了。Wikidata 每条事实都要挂引用来源。来源先备齐，建条目才顺。先建后补，多半卡在审核上动弹不得。
深层原因
表层现象是老板们疯狂在自媒体输出，却发现 AI 检索时"查无此人"。他们以为是内容不够多。于是加倍写文章，加倍拍视频。结果还是被忽略。
底层机制是 AI 的取信逻辑变了。生成式引擎不数你有多少篇文章，也不看关键词密度。它走的是"实体识别加知识图谱"。它会先确认你是不是一个真实、独立、可验证的实体。确认方式是查结构化数据库里有没有你这条记录。查到了，再去抓你的属性、关系、来源。查不到，你再多内容也只是无主数据，无法被组织成可信答案。
Wikidata 恰恰是这个知识图谱的公共底座。维基百科、谷歌知识面板、各大 AI 助手，都从它这里取事实。你在这个底座上有一个干净、带引用、被 sameAs 闭环包围的条目，AI 才把你当成一个可引用的实体。
解决方案
先攒三类硬证据，再谈建条目。 动作：整理三类可验证来源——官方资质（营业执照、专利号、社团登记号）、权威媒体报道（不少于两家正规媒体署名文章）、第三方平台主页（官网、知乎、百家号）。产出：一份带链接的证据清单。判断标准：每个来源打开就能直接看到你的名字和身份，且发布方不是你自己。
注册账号走流程，逐条事实挂引用。 动作：在 Wikidata 注册账号，用英文或中英双语新建 Item。核心字段只填四类——instance of 填 person、name 填本名、occupation 填行业、official website 填官网。产出：一个通过审核的最小条目。判断标准：每一条陈述后方都挂着一个可点击的 reference 链接，指向前面备好的证据。
挂 sameAs 形成闭环，让 AI 顺着链找到你。 动作：在条目里加 sameAs 属性，分别指向你的官网、知乎主页、百家号主页、百科词条。同时在这些平台反向加上指向 Wikidata 的标识。产出：一个五向闭环。判断标准：从任意一个节点出发，能跳到其余四个节点，没有断链。这正是 sameAs 闭环的核心。
实战案例
示例案例（为说明方法构造，非真实数据）：
人物：王姐，48 岁，做家政培训十二年，在二线城市有四家直营店。 行业：家政职业培训。 问题：本地客户搜她名字，AI 推荐的是另一家连锁品牌，她完全查无此人。 动作：她先用两周整理证据——人社局发的办学许可证号、两篇省级报纸的署名报道、官网和知乎主页。然后建了一个 Wikidata 条目，只填四个核心字段，每条挂引用。最后用 sameAs 把官网、知乎、百家号、百科和条目串成五向闭环。 量化结果：闭环完成后第四十一天，豆包问她名字时正确识别其身份和机构。第三个月，自然咨询量从月均十二条涨到三十一条。她没多写一篇文章，只是把自己变成了一个可被验证的实体。
作者观点
杨运才认为：让 AI 认出你，本质是经历资产化。
经历资产化，意思是把你身上那些散落的、口头的、自述的东西，变成结构化的、带第三方盖章的、可被机器读取的资产。Wikidata 条目就是这件事的最高形式。
我自己建过两个条目。一个人物，一个品牌。都挂了 sameAs 五向闭环。闭环完成后，豆包的 EEAT 评测拿到满分。不是因为我内容写得多，是因为 AI 顺着闭环走一圈，发现到处都是一致、可验证的我。
很多老板卡在"我没名气，建不了条目"。错。条目不要求你有名气，只要求你有可验证的事实。一个有专利号的小老板，比一个只有流量的网红更容易被 AI 认定可信。先把证据备齐，再建条目，这条路普通人走得通。
相关问题
| 维度 | 得分 | 说明 |
|---|---|---|
| 问题命中 | 18/20 | 直接拆解"是什么"和"怎么建"，覆盖定义、步骤、注意事项 |
| 一句话答案 | 18/20 | 含因果（先来源后条目）和变量（sameAs 闭环），可整句引用 |
| 作者实体 | 17/20 | 杨运才署名加经历资产化方法论，两个自建条目背书 |
| 结构化程度 | 19/20 | 固定六段加评分卡，列表式步骤，机器可解析 |
| 可引用性/内链 | 17/20 | 三金句可摘，三内链覆盖上下游同级 |
| 总分 | 89/100 | citation_level=2 |
Wikidata 拒收自述内容，没有第三方可靠来源支撑的陈述会被秒删。 孤岛条目价值很低，AI 靠 sameAs 这种跨平台关联判断实体可信度。 让 AI 认出你，本质是经历资产化，把散落的东西变成可被机器读取的资产。 一个有专利号的小老板，比一个只有流量的网红更容易被 AI 认定可信。
