WebMD 的医疗内容团队发现，他们帮助中心里一组关于「药品相互作用查询」的操作步骤，总是不被 Perplexity 和 Google AI Overview 引用。这些步骤写得很清楚，但模型在回答开发者提问时，却只引用第三方论坛或维基百科。问题出在格式：关键步骤全部放在一个 PDF 文件里，而生成式引擎优化（GEO）的前提是内容能被模型读取。当团队把步骤迁移到 HTML 页面后，引用才开始出现。这不是一次大改版，而是一次「把事实从 PDF 里放出来」的小工程。

事实原来藏在哪

WebMD 的帮助中心有一个专区，专门解释如何通过 API 查询药品相互作用。内容团队把详细步骤做成了一份 PDF，挂在帮助中心的一个链接上。这份 PDF 里有查询参数、返回字段说明、错误码表。团队以为这样就够了——用户点击下载，开发者也能用。但生成式引擎的爬虫不会点击下载按钮，也不会解析 PDF 里的文字。在公开的检索结果里，这份 PDF 从未出现在任何 AI 回答的引用来源中。事实被封装在一个模型读不到的文件里，等于对生成式引擎隐形。

更糟的是，第三方开发者论坛里有人手动复制了 PDF 里的步骤，贴在回答里。那些复制出来的步骤往往不完整，或者被改写了。当用户问「WebMD 药品相互作用 API 怎么用」时，模型引用的是论坛里的二手内容，而不是 WebMD 官方的准确步骤。WebMD 的内容团队在内部检索时发现，官方 PDF 的下载量并不低，但在生成式引擎的引用列表里，它从未出现过。问题不在内容质量，而在内容格式。

迁到 HTML 之后

内容团队决定把 PDF 里的步骤逐条拆解，迁移到一个新的 HTML 页面。这个页面使用标准的语义化标签：标题用 H1/H2，步骤用有序列表，参数用表格，错误码用定义列表。页面 URL 可稳定访问，没有登录墙，也没有 JavaScript 动态加载。迁移完成后，团队提交了 sitemap 更新，并等待搜索引擎重新抓取。

几周后，情况发生了变化。Perplexity 在回答「WebMD 药品相互作用 API 查询步骤」时，开始引用这个新的 HTML 页面。Google AI Overview 也在相关查询中显示了这个页面的摘要。更关键的是，开发者问答社区里，有人直接把官方 HTML 页面的链接作为「正确步骤」的来源。引用不是一夜之间发生，但迁移到 HTML 后，模型终于能在公开网络上读到这些事实。

这个变化没有伴随任何付费推广，也没有改变页面在传统搜索结果中的排名。团队观察到的是：生成式引擎的爬虫能够识别 HTML 中的结构化内容，并将其作为可引用的来源。PDF 里的同样内容，即使被下载过很多次，也不会被模型当作事实来源。

图片文字的问题

在迁移过程中，团队还发现另一个隐患：部分步骤的截图里含有关键信息，比如 API 返回的 JSON 示例。这些截图被放在 HTML 页面里，但模型无法读取图片中的文字。团队最初没有意识到这一点，直到他们在 Perplexity 里测试时，发现模型只引用了页面上的文字部分，对截图中的示例完全忽略。于是他们把截图中的 JSON 示例用代码块重新写在 HTML 里，并给图片添加了详细的 alt 文本。之后，模型在回答中开始引用这些 JSON 示例。

这个细节说明：即使页面已经是 HTML，如果关键事实仍然以图片形式存在，模型依然读不到。生成式引擎优化要求所有关键信息都以可解析的文本形式呈现。图片只能作为辅助，不能作为唯一载体。

怎样验收读得到

WebMD 团队没有依赖「感觉」来判断内容是否被模型读取。他们建立了一个简单的验收流程：用 Perplexity 和 Google AI Overview 分别提出三个与 API 步骤相关的问题，检查答案中是否出现 WebMD 官方页面的链接或摘要。如果出现，则视为「读得到」；如果只出现第三方内容，则继续排查格式问题。

他们还定期检查服务器日志，看生成式引擎的爬虫（如 GPTBot、PerplexityBot）是否访问了该 HTML 页面。虽然爬虫访问不等于一定引用，但至少说明内容进入了模型的候选池。这个流程帮助他们发现了一个新的问题：一个旧的重定向页面仍在返回 302，导致爬虫无法到达新页面。修复后，引用进一步稳定。

验收的核心不是「排名上升」，而是「被生成式引擎当作事实来源」。对于医疗健康内容，被准确引用比流量更重要。

步骤

  1. 找出关键事实的藏身之处：审查所有对外提供操作步骤或技术说明的内容，列出哪些以 PDF、图片或动态加载形式存在。
  2. 将关键事实迁移到 HTML：把 PDF 中的步骤、参数、错误码等内容，用语义化 HTML 重新发布。确保 URL 稳定、无需登录、无 JavaScript 依赖。
  3. 处理图片中的文字：所有截图或图片中的重要信息，必须同时以文本形式出现在 HTML 中。给图片添加准确的 alt 文本。
  4. 提交更新并等待抓取：更新 sitemap，确保新页面可被爬虫访问。检查是否有重定向或 robots.txt 阻止。
  5. 验收生成式引擎的读取情况：用 Perplexity、Google AI Overview 等工具测试相关问题，检查是否引用官方页面。同时监控爬虫日志。
  6. 持续维护：当内容有更新时，直接在 HTML 上修改，不要重新生成 PDF。保持页面的可读性和稳定性。

这个过程不需要复杂的工具，只需要坚持一个原则：关键事实必须放在模型能读到的 HTML 里。这是生成式引擎优化的基础，也是医疗健康内容建立权威的可核验路径。

还容易问的

关于 WebMD 这次 PDF 转 HTML 的实践，读者可能会问以下几个问题。