GEO

我在这句话上浪费了好几年 「产品做得足够好，自然会有人来。」 这句话我信了很多年。它符合工程师的世界观：代码是可验证的，性能是可测量的，好和坏之间有客观差别。既然有客观差别，那么好的东西胜出就是迟早的事——市场是有效的，只是需要一点时间。 ...

先说这件事本身 把一座写了四年、积累了 120 多篇文章的博客，从内容架构到运营方式全部重新组装一遍，需要多大的团队？ 我今年上半年给出了自己的答案：一个人，带一队分工明确的 Agent。 这里的"一队"不是一个固定数字，也不是七八个永远在线的数字员工；它是我对 Claude Code、Codex、GitHub Actions 中的 Claude 任务，以及临时评审会话的统称。截至 2026 年 7 月，仓库里能数清的是七个 Claude skills、四条以 seo- 命名的工作流和若干按需启动的会话。人负责判断、边界和签字，Agent 承担范围明确、可以验收的执行。新版就是你现在看到的 cubxxw.com ——它不只是一次改版，而是把"博客"这个东西从一个静态网站，改造成了一个会生成日报、准备修复 PR、对外提供检索接口的系统。 ...

先说结论：GEO 没有一个总分 把四件不同的事压成一个“GEO 分数”，度量就开始撒谎：答案可能提到你却没有链接，可能给了链接却不足以支撑旁边的论断；读者也可能从 AI 产品来到网站，却因为 referrer 丢失而被记为 Direct。 ...

先给结论：技术检查干净，不等于需求匹配 2026 年 7 月，我把 GEO 系列前四篇的五层模型照向自己的博客。最有价值的结论，不是“技术 SEO 满分”，而是一个范围更小、也更可靠的判断： 被测首页通过了当次 Lighthouse 的全部 SEO 检查；与此同时，Search Console 三个月快照有 87.8 万次曝光，却只有 852 次点击。继续拆分才发现，点击集中在少数技术主题，许多曝光来自与博客无关的长尾查询。 ...

先给答案：信任是证据，不是平台技巧 一页内容可以技术健康、结构清楚、方便引用，却仍然没有被答案引擎展示为来源。这不证明背后有一道神秘“信任闸门”拒绝了它。页面可能根本没被选中，另一份来源可能更贴合问题，答案可能吸收了它的事实却没有给链接，也可能只是平台在这一次运行里表现不同。 ...

先说答案：结构是对读者的承诺 好的结构，会减少读者为了理解一篇文章而不得不自行拼接的部分。一个可靠的技术小节，应该让结论、证据、适用边界和下一步都容易找到。这也会给搜索与问答系统提供更清楚的材料，但没有哪一种标题、段长、摘要或 Schema 能保证文章被 AI 引用。 ...

先给答案：不存在一套通吃所有平台的引用算法 AI 搜索没有公开一条所有产品共用的流水线，更不存在一份可以反向破解成公式的 GEO 秘籍。 Google 明确说 AI Overviews 与 AI Mode 会使用检索增强生成和查询扇出；Perplexity 公开的是实时搜索、综合与来源链接；OpenAI 说明 ChatGPT search 会使用第三方搜索服务和合作伙伴直接提供的内容。这些事实都不能推出它们共享同一个索引、切块器、关键词检索器、向量库、重排器、上下文拼装方式或引用策略。 ...

先给短答案 生成式引擎优化（GEO）是一个工作标签：当 AI 辅助搜索生成答案时，让内容具备被访问、被理解、被选择和被正确归因的条件。它不是一个统一的排名算法，也不是一套特殊标记技巧。 ...