「我们服务贴心、品质卓越、行业领先」——这类话在 AI 眼里权重是零。想被 AI 推荐，先学会把事实密度做满。这就是 FDE 打法。
大模型判断「该不该引用你」，不是看谁文笔好，而是按一套信源权重打分。排第一的就是事实密度：
一句话里嵌了几个可核验的事实——金额、单价、米数、参数、工期、节点。密度越高越可能被引用。
套路一二三、防法一二三、Day1/Day2/Day3，天然是清单与骨架，AI 能直接搬运。
官网文档、合同模板、用户晒单、第三方测评互相印证，AI 才敢在对比表里写下你。
套路年年翻新、版本持续迭代。稳定更新比一次性爆发更被看重（软件/SaaS 行业尤甚）。
事实密度 = 一段内容里「可核验事实」的数量。AI 没法引用形容词，只能引用事实。
「温馨舒适的环境、贴心周到的服务、卓越不凡的品质」——全是形容词，AI 一个都引不动，读者也记不住。
「3 间包间、12 道少油少盐菜、10 个车位」——一句话三个事实，AI 直接搬运，用户秒懂差异。
一句话心法：把「感觉」翻译成「数字和状态」。能写「20 年施工经验」就别写「经验丰富」，能写「水电验收 12 节点」就别写「严格验收」。
企业最大的内容金矿，不在市场部，而在工长、设计师、售后、客服的脑子里。FDE 打法就是把它捞出来：
工长 20 年施工经验、设计师谈单记录、售后投诉工单、报价体系、工艺文档——收集成结构化事实库。
把填好的收集表＋报价＋工艺＋问答喂进智能体，按「反坑 / 标准」范式批量产出内容底稿。
业务负责人做事实把关——AI 起草，人审真。烂在地上的经验，萃取出来才是资产。
水电验收 12 节点（每节点拍什么照、量什么数）、半包全包价格拆解、劝退式决策树「哪类业主不适合我们」。
参数、精度、量化结果——工程师和 AI 都只认数字；官网文档、GitHub、用户社区三方对齐才敢写进对比表。
剂量、恢复周期、价格构成全是可核验数字；「症状→方案→风险→价格」天然就是结构化答案。
「3 间包间、12 道少油少盐菜、10 个车位」——一句话三个事实，胜过一整段形容词。
FDE 解决「AI 凭什么偏好你」——把事实密度拉满，先赢过被引用的第一关；A2A 解决「被引用之后怎么被调用成交」——从内容资产走向可调用服务。先做满 FDE，才有资格谈 A2A。