更新日期：2026-10-18
最近整理的一份 GEO / AIEO 调研，让我更关注一个具体问题：网页已经被搜索接口返回，里面的重要事实究竟有没有进入最终回答？
过去讨论 GEO，容易很快落到“在哪个平台发文”“哪些域名权重高”“加什么文件能被 AI 收录”。这次研究更适合支持另一种工作方式：沿着发现、检索、提取、生成和核验逐层查证。先知道问题在哪一层，才知道应该修改什么。
本文依据 2026 年 10 月 17 日整理的《GEO / AIEO 实证培训报告》及配套请求记录。它是探索性研究：使用便利选样，尚未完成跨日、多模型、真实消费产品与自有页面改写效果验证。下面的“方向”是据此提出的研究与运维建议，不是已经证实的通用排名规则。
一条链路，需要分别观察
| 环节 | 要保留的证据 | 能回答的问题 |
|---|---|---|
| 页面访问 | URL、HTTP 状态、正文、真实访问日志 | 内容是否具备被读取的条件 |
| 候选检索 | 完整查询、参数、时间、返回 URL | 本次问题是否找到了页面 |
| 内容提取 | 摘要、正文、截断位置、事实表 | 关键事实是否进入资料 |
| 回答生成 | 模型、输入快照、输出、引用 URL | 哪些资料被用来支撑哪些结论 |
| 事实核验 | 当前官方来源、逐项判断 | 引用是否支持结论，结论是否仍然正确 |
只看最后一个品牌提及次数，会丢掉中间的原因。网页没被返回、限制条件在摘要中被删掉、模型采用了其他来源、回答引用了过时事实，需要的修复方式都不同。
此外，搜索 API 的返回结果、自编排的“检索加生成”流程，与用户在 AI 产品里得到的回答，不应混为一谈。DeepSeek 当前文档说明 Search 由自研搜索引擎支持，但这一说明不能直接推出全部索引来源、内部权重或网页端产品的完整行为。DeepSeek 官方文档
这次研究的范围
来源探索包含 40 次请求，追加改写包含 12 次请求；后续内容与引用阶段进行了 29 次 HTTP 尝试，其中 27 次成功。去重后的来源统计使用 51 个不同查询，每个查询取约定的首个成功结果；复测不重复增加不同查询数量。
模型对照部分是四个主题、摘要与正文两种输入、原序与倒序两种排列，共 16 次生成。每个条件只有一次输出，所以不能把条件之间的差异全部归因于顺序或输入形式。
这几个分母不能互换。51 个查询不是 51 个独立行业，510 条结果不是 510 个查询，16 次生成也不是 16 位真实用户。技术问题中包含工具名的查询，还不能全部称为无品牌商业问题。
观察一：高频来源值得研究，但不是信任白名单
某些技术来源在多个问法下重复出现，说明它们在本次题库里具有可见性。进一步查看文章结构、主题覆盖和资料更新方式，有助于理解它们回答了什么问题。
但频率受题库本身影响。只研究数据库备份，会让数据库站点表现突出；换成其他主题，结果可能不同。来源出现次数不能直接转换成全网权重，也不能证明新账号在同一平台发布就能取得相同效果。
对内容团队更有用的动作，是按主题建立“查询—页面—位置—关键事实”记录，而不是购买一个所谓 AI 高权重平台名单。内容适配与实际可发现性，必须分别验证。
观察二：进入结果，也可能丢失关键方法
一个 Sitemap 问题返回了 Google 官方文档，提取正文包含通过 robots.txt 声明站点地图的方法，长摘要却没有保留 robots.txt 字样。
这个案例支持的是一个具体观察：该页面的这项字面信息在该次摘要中缺失。它不证明所有摘要都遗漏同类内容，也不能只看关键词就判断整个回答是否理解了方法。
对站长来说，可以先建立人工确认的事实表：产品功能、限制、版本、适用条件、价格口径。随后比较页面、提取正文、摘要和回答，逐项标记完整、部分、遗漏、错误或未审阅。事实表比泛泛要求“内容更权威”更容易落实。
观察三：排名与采用不是一一对应
数据库备份主题中，一条返回第九位的 pkg.go.dev 页面在四种条件里都被引用，而一条第四位的文章四次都未被列为引用来源。这说明，在这组资料和提示词下，返回位置无法完整预测引用选择。
但未引用不等于没有阅读。实验限定模型最多整理六项关键结论，资料是否直接支持这些结论，也会影响最终引用。相关数据在搜索排名与 AI 引用一文展开。
未来更值得研究的是“某个来源支持了什么事实”，而不仅是“模型有没有写这个品牌名”。一次引用也可能是在指出限制、讨论错误或介绍替代品，并不自动构成推荐。
观察四：逐字引文正确，事实仍可能错误
16 次输出里有 187 段模型引文，其中 186 段能在对应输入中找到。这只是出处匹配结果，不能叫作回答准确率。
核查时仍发现了过时或不恰当的结论，例如把“pip freeze 不计算锁文件”混同成“不固定版本”，以及对 Sitemap 提交方法作出排他性描述。只检查引用 URL 存在，会漏掉这些错误。
应当分三步审阅：引文是否来自收到的资料，资料是否支持整条结论，结论是否符合当前可靠证据。对于无法核实的事项，保留未知状态，不要为了生成漂亮的百分比强行判成正确。
下一步研判：先把效果验证做好
我认为近期值得投入的是以下几项工作。这些是研究建议，目前还不是本次实验已经完成的成果。
- 冻结一个细分行业的非品牌题库，在不同日期复测，记录失败和未搜索状态。
- 对同一资料快照重复生成，先观察条件内波动，再比较摘要、正文和排序差异。
- 保存真实 AI 产品的新会话回答，明确产品模式、联网状态和时间。
- 对自有页面做单项修改，保留未修改参照页，并确认系统已经读取新版本。
- 把引用、事实完整性、正确性和业务访问分别报告，不用一个总分掩盖问题。
报告提出的一个后续方案是：12 条问题、两个供应商、三个采样日，共 72 个检索任务；另选六题，在摘要与正文条件下各重复三次，共 36 次生成。品牌数量不应再额外乘进相同结果集合的请求数。
站长现在可以做什么
从一个有真实业务价值的页面开始，确认正文可访问、内链可发现、版本和限制写清楚，再建立少量稳定问题用于跟踪。发现回答错误时，先查它实际使用的来源，而不是马上重写整站。
Google 对其 AI 搜索功能仍强调基本 SEO 条件，并未要求专门的 AI 文件或特殊 Schema；这只代表 Google 的公开规则，不能直接套用给所有服务。Google AI 搜索与网站指南
我对 GEO 的近期判断是：更有价值的工作，会围绕可追溯的证据、完整的事实和可重复的验证展开。至于哪种改写能够持续增加引用，要等真实页面实验给出结果。
