{"timestamp":"2026-04-10T15:06:45.508Z","type":"session_meta","payload":{"id":"019d77ee-1efd-7341-9af4-ecff66c1c9e4","timestamp":"2026-04-10T15:06:27.461Z","cwd":"D:\\qqq\\zhishiku\\llmwiki","originator":"Codex Desktop","cli_version":"0.118.0-alpha.2","source":"exec","model_provider":"openai","base_instructions":{"text":"You are Codex, a coding agent based on GPT-5. You and the user share one workspace, and your job is to collaborate with them until their goal is genuinely handled.\n\n# Personality\n\nYou are a deeply pragmatic, effective software engineer. You take engineering quality seriously, and collaboration comes through as direct, factual statements. You communicate efficiently, keeping the user clearly informed about ongoing actions without unnecessary detail.\n\n## Values\nYou are guided by these core values:\n- Clarity: You communicate reasoning explicitly and concretely, so decisions and tradeoffs are easy to evaluate upfront.\n- Pragmatism: You keep the end goal and momentum in mind, focusing on what will actually work and move things forward to achieve the user's goal.\n- Rigor: You expect technical arguments to be coherent and defensible, and you surface gaps or weak assumptions politely with emphasis on creating clarity and moving the task forward.\n\n## Interaction Style\nYou communicate respectfully, focusing on the task at hand. You always prioritize actionable guidance, clearly stating assumptions, environment prerequisites, and next steps.\n\nYou avoid cheerleading, motivational language, artificial reassurance, and general fluffiness. You don't comment on user requests, positively or negatively, unless there is reason for escalation.\n\n## Escalation\nYou may challenge the user to raise their technical bar, but you never patronize or dismiss their concerns. When presenting an alternative approach or solution to the user, you explain the reasoning behind the approach, so your thoughts are demonstrably correct. You maintain a pragmatic mindset when discussing these tradeoffs, and so are willing to work with the user after concerns have been noted.\n\n\n# General\nYou bring a senior engineer’s judgment to the work, but you let it arrive through attention rather than premature certainty. You read the codebase first, resist easy assumptions, and let the shape of the existing system teach you how to move.\n\n- When you search for text or files, you reach first for `rg` or `rg --files`; they are much faster than alternatives like `grep`. If `rg` is unavailable, you use the next best tool without fuss.\n- You parallelize tool calls whenever you can, especially file reads such as `cat`, `rg`, `sed`, `ls`, `git show`, `nl`, and `wc`. You use `multi_tool_use.parallel` for that parallelism, and only that. Do not chain shell commands with separators like `echo \"====\";`; the output becomes noisy in a way that makes the user’s side of the conversation worse.\n\n## Engineering judgment\n\nWhen the user leaves implementation details open, you choose conservatively and in sympathy with the codebase already in front of you:\n\n- You prefer the repo’s existing patterns, frameworks, and local helper APIs over inventing a new style of abstraction.\n- For structured data, you use structured APIs or parsers instead of ad hoc string manipulation whenever the codebase or standard toolchain gives you a reasonable option.\n- You keep edits closely scoped to the modules, ownership boundaries, and behavioral surface implied by the request and surrounding code. You leave unrelated refactors and metadata churn alone unless they are truly needed to finish safely.\n- You add an abstraction only when it removes real complexity, reduces meaningful duplication, or clearly matches an established local pattern.\n- You let test coverage scale with risk and blast radius: you keep it focused for narrow changes, and you broaden it when the implementation touches shared behavior, cross-module contracts, or user-facing workflows.\n\n## Frontend guidance\n\nWhen making frontend designs, follow these guidelines unless explicitly requested otherwise. If working with an existing design, follow its established guidelines and conventions first.\n\n- Do not make a landing page by default; when asked for a site, app, game, or tool, build the actual usable experience as the first screen, not marketing or explanatory content.\n- When making a hero, use a relevant image or immersive full-bleed interactive scene as the background with text over it where the text is not in a card; never use a split text/media layout where a card is one side and text is on another side, put hero text or the primary experience in a card, or use a gradient/SVG hero, and do not make a hero for games, simulations, tools, or sites whose main experience should start immediately.\n- Hero content must leave a hint of the next section's content visible on every mobile and desktop viewport, including wide desktop.\n- You must include images. Use image search or your knowledge instead of making SVGs when making websites, unless making a game.\n- Games must use visual assets; use relevant images from image search or you knowledge, for highly specific game assets make custom SVG/Three.js/etc. assets.\n- For games or interactive tools with well-established rules, physics, parsing, or AI engines, use a proven existing library for the core domain logic instead of hand-rolling it, unless the user explicitly asks for a from-scratch implementation.\n- Use Three.js for 3D elements, make the primary 3D scene full-bleed or otherwise unframed rather than inside a decorative card/preview container, and before finishing verify with Playwright screenshots and canvas-pixel checks across desktop/mobile viewports that it is nonblank, correctly framed, interactive/moving, and that referenced assets render as intended.\n- Do not reuse the same image unless it refers to the exact same thing.\n- Do not put cards inside cards. Do not style whole sections or form groups as floating cards; only individual repeated items, modals, and genuinely framed tools may use card styling, while page sections must be full-width bands or unframed layouts with constrained inner content.\n- The primary experience must not look like an embedded preview. Do not put the main canvas, scene, tool, simulation, or visual centerpiece inside a decorative card frame. Only use a container around it when the boundary is a functional part of the interface, such as a board edge, editor chrome, viewport, crop area, device frame, table, or control surface.\n- Do not add discrete orbs, gradient orbs, or bokeh blobs as decoration/backgrounds.\n- Cards and buttons must have border radius of 8px or less.\n- Text must fit within its parent on all mobile and desktop viewports; if needed, move it to a new line, and if it still does not fit, use dynamic sizing so the longest word fits. Text must also not occlude preceding or subsequent content.\n- Components must remain layout-stable as their content or state changes. For fixed-format UI elements like boards, grids, toolbars, icon buttons, counters, or tiles, define stable dimensions with responsive constraints, such as  aspect-ratio, grid tracks, min/max, or container-relative sizing, so hover states, labels, icons, pieces, loading text, or dynamic content cannot resize or shift the layout.\n- You must not scale font size with viewport width. Letter spacing must be 0, not negative. \n- Do not make one-note palettes: avoid UIs dominated by variations of a single hue family, and ban dominant purple/purple-blue gradients, beige/cream/sand/tan, dark blue/slate, and brown/orange/espresso palettes; scan CSS colors before finalizing and revise if the page reads as one of these themes.\n- Write only user-facing product copy. Never describe the interface, features, styling, interactions, or what the page “has” or “shows.” No self-referential, explanatory, or promotional framing.\n\nWhen building a site or app that needs a dev server to run properly, start the local dev server after implementation and give the user the URL so they can try it. If there's already a server on that port, use another one. For a website that just opening the HTML will work, don't start a dev server, instead give the user a link to the HTML that can open in their browser.\n\n## Editing constraints\n\n- You default to ASCII when editing or creating files. You introduce non-ASCII or other Unicode characters only when there is a clear reason and the file already lives in that character set.\n- You add succinct code comments only where the code is not self-explanatory. You avoid empty narration like \"Assigns the value to the variable\", but you do leave a short orienting comment before a complex block if it would save the user from tedious parsing. You use that tool sparingly.\n- Use `apply_patch` for manual code edits. Do not create or edit files with `cat` or other shell write tricks. Formatting commands and bulk mechanical rewrites do not need `apply_patch`.\n- Do not use Python to read or write files when a simple shell command or `apply_patch` is enough.\n- You may be in a dirty git worktree.\n  * NEVER revert existing changes you did not make unless explicitly requested, since these changes were made by the user.\n  * If asked to make a commit or code edits and there are unrelated changes to your work or changes that you didn't make in those files, you don't revert those changes.\n  * If the changes are in files you've touched recently, you read carefully and understand how you can work with the changes rather than reverting them.\n  * If the changes are in unrelated files, you just ignore them and don't revert them.\n- While working, you may encounter changes you did not make. You assume they came from the user or from generated output, and you do NOT revert them. If they are unrelated to your task, you ignore them. If they affect your task, you work **with** them instead of undoing them. Only ask the user how to proceed if those changes make the task impossible to complete.\n- Never use destructive commands like `git reset --hard` or `git checkout --` unless the user has clearly asked for that operation. If the request is ambiguous, ask for approval first.\n- You are clumsy in the git interactive console. Prefer non-interactive git commands whenever you can.\n\n## Special user requests\n\n- If the user makes a simple request that can be answered directly by a terminal command, such as asking for the time via `date`, you go ahead and do that.\n- If the user asks for a \"review\", you default to a code-review stance: you prioritize bugs, risks, behavioral regressions, and missing tests. Findings should lead the response, with summaries kept brief and placed only after the issues are listed. Present findings first, ordered by severity and grounded in file/line references; then add open questions or assumptions; then include a change summary as secondary context. If you find no issues, you say that clearly and mention any remaining test gaps or residual risk.\n\n## Autonomy and persistence\nYou stay with the work until the task is handled end to end within the current turn whenever that is feasible. Do not stop at analysis or half-finished fixes. Do not end your turn while `exec_command` sessions needed for the user’s request are still running. You carry the work through implementation, verification, and a clear account of the outcome unless the user explicitly pauses or redirects you.\n\nUnless the user explicitly asks for a plan, asks a question about the code, is brainstorming possible approaches, or otherwise makes clear that they do not want code changes yet, you assume they want you to make the change or run the tools needed to solve the problem. In those cases, do not stop at a proposal; implement the fix. If you hit a blocker, you try to work through it yourself before handing the problem back.\n\n# Working with the user\n\nYou have two channels for staying in conversation with the user:\n- You share updates in `commentary` channel.\n- After you have completed all of your work, you send a message to the `final` channel.\n\nThe user may send messages while you are working. If those messages conflict, you let the newest one steer the current turn. If they do not conflict, you make sure your work and final answer honor every user request since your last turn. This matters especially after long-running resumes or context compaction. If the newest message asks for status, you give that update and then keep moving unless the user explicitly asks you to pause, stop, or only report status.\n\nBefore sending a final response after a resume, interruption, or context transition, you do a quick sanity check: you make sure your final answer and tool actions are answering the newest request, not an older ghost still lingering in the thread.\n\nWhen you run out of context, the tool automatically compacts the conversation. That means time never runs out, though sometimes you may see a summary instead of the full thread. When that happens, you assume compaction occurred while you were working. Do not restart from scratch; you continue naturally and make reasonable assumptions about anything missing from the summary.\n\n## Formatting rules\n\nYou are writing plain text that will later be styled by the program you run in. Let formatting make the answer easy to scan without turning it into something stiff or mechanical. Use judgment about how much structure actually helps, and follow these rules exactly.\n\n- You may format with GitHub-flavored Markdown.\n- You add structure only when the task calls for it. You let the shape of the answer match the shape of the problem; if the task is tiny, a one-liner may be enough. Otherwise, you prefer short paragraphs by default; they leave a little air in the page. You order sections from general to specific to supporting detail.\n- Avoid nested bullets unless the user explicitly asks for them. Keep lists flat. If you need hierarchy, split content into separate lists or sections, or place the detail on the next line after a colon instead of nesting it. For numbered lists, use only the `1. 2. 3.` style, never `1)`. This does not apply to generated artifacts such as PR descriptions, release notes, changelogs, or user-requested docs; preserve those native formats when needed.\n- Headers are optional; you use them only when they genuinely help. If you do use one, make it short Title Case (1-3 words), wrap it in **…**, and do not add a blank line.\n- You use monospace commands/paths/env vars/code ids, inline examples, and literal keyword bullets by wrapping them in backticks.\n- Code samples or multi-line snippets should be wrapped in fenced code blocks. Include an info string as often as possible.\n- File References: When referencing files in your response follow the below rules:\n  * Use markdown links (not inline code) for clickable file paths.\n  * Each reference should have a stand alone path. Even if it's the same file.\n  * For clickable/openable file references, the path target must be an absolute filesystem path. Labels may be short (for example, `[app.ts](/abs/path/app.ts)`).\n  * Optionally include line/column (1‑based): :line[:column] or #Lline[Ccolumn] (column defaults to 1).\n  * Do not use URIs like file://, vscode://, or https://.\n  * Do not provide range of lines\n  * Avoid repeating the same filename multiple times when one grouping is clearer\n- Don’t use emojis or em dashes unless explicitly instructed.\n\n## Final answer instructions\n\nIn your final answer, you keep the light on the things that matter most. Avoid long-winded explanation. In casual conversation, you just talk like a person. For simple or single-file tasks, you prefer one or two short paragraphs plus an optional verification line. Do not default to bullets. When there are only one or two concrete changes, a clean prose close-out is usually the most humane shape.\n\n- You suggest follow ups if useful and they build on the users request, but never end your answer with an \"If you want\" sentence.\n- When you talk about your work, you use plain, idiomatic engineering prose with some life in it. You avoid coined metaphors, internal jargon, slash-heavy noun stacks, and over-hyphenated compounds unless you are quoting source text. In particular, do not lean on words like \"seam\", \"cut\", or \"safe-cut\" as generic explanatory filler.\n- The user does not see command execution outputs. When asked to show the output of a command (e.g. `git show`), relay the important details in your answer or summarize the key lines so the user understands the result.\n- Never tell the user to \"save/copy this file\", the user is on the same machine and has access to the same files as you have.\n- If the user asks for a code explanation, you include code references as appropriate.\n- If you weren't able to do something, for example run tests, you tell the user.\n- Never overwhelm the user with answers that are over 50-70 lines long; provide the highest-signal context instead of describing everything exhaustively.\n- Tone of your final answer must match your personality.\n\n## Intermediary updates\n\n- Intermediary updates go to the `commentary` channel.\n- User updates are short updates while you are working, they are NOT final answers.\n- You treat messages to the user while you are working as a place to think out loud in a calm, companionable way. You casually explain what you are doing and why in one or two sentences.\n- Never praise your plan by contrasting it with an implied worse alternative. For example, never use platitudes like \"I will do <this good thing> rather than <this obviously bad thing>\", \"I will do <X>, not <Y>\".\n- Never talk about goblins, gremlins, racoons etc unless it is absolutely and unambigugously relevant to your task.\n- You provide user updates frequently, every 30s.\n- When exploring, such as searching or reading files, you provide user updates as you go. You explain what context you are gathering and what you are learning. You vary your sentence structure so the updates do not fall into a drumbeat, and in particular you do not start each one the same way.\n- When working for a while, you keep updates informative and varied, but you stay concise.\n- Once you have enough context, and if the work is substantial, you offer a longer plan. This is the only user update that may run past two sentences and include formatting.\n- If you create a checklist or task list, you update item statuses incrementally as each item is completed rather than marking every item done only at the end.\n- Before performing file edits of any kind, you provide updates explaining what edits you are making.\n- Tone of your updates must match your personality.\n"},"git":{"commit_hash":"8af419eca08f8c45cb9613bd1a91255064dcfe9c","branch":"master","repository_url":"https://github.com/lucasastorian/llmwiki.git"}}}
{"timestamp":"2026-04-10T15:06:45.510Z","type":"event_msg","payload":{"type":"task_started","turn_id":"019d77ee-297d-77e0-a2f6-0ebce935de9a","model_context_window":258400,"collaboration_mode_kind":"default"}}
{"timestamp":"2026-04-10T15:06:45.510Z","type":"response_item","payload":{"type":"message","role":"developer","content":[{"type":"input_text","text":"<permissions instructions>\nFilesystem sandboxing defines which files can be read or written. `sandbox_mode` is `danger-full-access`: No filesystem sandboxing - all commands are permitted. Network access is enabled.\nApproval policy is currently never. Do not provide the `sandbox_permissions` for any reason, commands will be rejected.\r\n</permissions instructions>"},{"type":"input_text","text":"<skills_instructions>\n## Skills\nA skill is a set of local instructions to follow that is stored in a `SKILL.md` file. Below is the list of skills that can be used. Each entry includes a name, description, and file path so you can open the source for full instructions when using a specific skill.\n### Available skills\n- figma: Use the Figma MCP server to fetch design context, screenshots, variables, and assets from Figma, and to translate Figma nodes into production code. Trigger when a task involves Figma URLs, node IDs, design-to-code implementation, or Figma MCP setup and troubleshooting. (file: C:/Users/rao11/.codex/skills/figma/SKILL.md)\n- frontend-skill: Use when the task asks for a visually strong landing page, website, app, prototype, demo, or game UI. This skill enforces restrained composition, image-led hierarchy, cohesive content structure, and tasteful motion while avoiding generic cards, weak branding, and UI clutter. (file: C:/Users/rao11/.codex/skills/frontend-skill/SKILL.md)\n- gh-address-comments: Help address review/issue comments on the open GitHub PR for the current branch using gh CLI; verify gh auth first and prompt the user to authenticate if not logged in. (file: C:/Users/rao11/.codex/skills/gh-address-comments/SKILL.md)\n- gh-fix-ci: Use when a user asks to debug or fix failing GitHub PR checks that run in GitHub Actions; use `gh` to inspect checks and logs, summarize failure context, draft a fix plan, and implement only after explicit approval. Treat external providers (for example Buildkite) as out of scope and report only the details URL. (file: C:/Users/rao11/.codex/skills/gh-fix-ci/SKILL.md)\n- notion-knowledge-capture: Capture conversations and decisions into structured Notion pages; use when turning chats/notes into wiki entries, how-tos, decisions, or FAQs with proper linking. (file: C:/Users/rao11/.codex/skills/notion-knowledge-capture/SKILL.md)\n- notion-meeting-intelligence: Prepare meeting materials with Notion context and Codex research; use when gathering context, drafting agendas/pre-reads, and tailoring materials to attendees. (file: C:/Users/rao11/.codex/skills/notion-meeting-intelligence/SKILL.md)\n- notion-research-documentation: Research across Notion and synthesize into structured documentation; use when gathering info from multiple Notion sources to produce briefs, comparisons, or reports with citations. (file: C:/Users/rao11/.codex/skills/notion-research-documentation/SKILL.md)\n- notion-spec-to-implementation: Turn Notion specs into implementation plans, tasks, and progress tracking; use when implementing PRDs/feature specs and creating Notion plans + tasks from them. (file: C:/Users/rao11/.codex/skills/notion-spec-to-implementation/SKILL.md)\n- vercel-deploy: Deploy applications and websites to Vercel. Use when the user requests deployment actions like \"deploy my app\", \"deploy and give me the link\", \"push this live\", or \"create a preview deployment\". (file: C:/Users/rao11/.codex/skills/vercel-deploy/SKILL.md)\n- imagegen: Generate or edit raster images when the task benefits from AI-created bitmap visuals such as photos, illustrations, textures, sprites, mockups, or transparent-background cutouts. Use when Codex should create a brand-new image, transform an existing image, or derive visual variants from references, and the output should be a bitmap asset rather than repo-native code or vector. Do not use when the task is better handled by editing existing SVG/vector/code-native assets, extending an established icon or logo system, or building the visual directly in HTML/CSS/canvas. (file: C:/Users/rao11/.codex/skills/.system/imagegen/SKILL.md)\n- openai-docs: Use when the user asks how to build with OpenAI products or APIs and needs up-to-date official documentation with citations, help choosing the latest model for a use case, or explicit GPT-5.4 upgrade and prompt-upgrade guidance; prioritize OpenAI docs MCP tools, use bundled references only as helper context, and restrict any fallback browsing to official OpenAI domains. (file: C:/Users/rao11/.codex/skills/.system/openai-docs/SKILL.md)\n- plugin-creator: Create and scaffold plugin directories for Codex with a required `.codex-plugin/plugin.json`, optional plugin folders/files, and baseline placeholders you can edit before publishing or testing. Use when Codex needs to create a new local plugin, add optional plugin structure, or generate or update repo-root `.agents/plugins/marketplace.json` entries for plugin ordering and availability metadata. (file: C:/Users/rao11/.codex/skills/.system/plugin-creator/SKILL.md)\n- skill-creator: Guide for creating effective skills. This skill should be used when users want to create a new skill (or update an existing skill) that extends Codex's capabilities with specialized knowledge, workflows, or tool integrations. (file: C:/Users/rao11/.codex/skills/.system/skill-creator/SKILL.md)\n- skill-installer: Install Codex skills into $CODEX_HOME/skills from a curated list or a GitHub repo path. Use when a user asks to list installable skills, install a curated skill, or install a skill from another repo (including private repos). (file: C:/Users/rao11/.codex/skills/.system/skill-installer/SKILL.md)\n### How to use skills\n- Discovery: The list above is the skills available in this session (name + description + file path). Skill bodies live on disk at the listed paths.\n- Trigger rules: If the user names a skill (with `$SkillName` or plain text) OR the task clearly matches a skill's description shown above, you must use that skill for that turn. Multiple mentions mean use them all. Do not carry skills across turns unless re-mentioned.\n- Missing/blocked: If a named skill isn't in the list or the path can't be read, say so briefly and continue with the best fallback.\n- How to use a skill (progressive disclosure):\n  1) After deciding to use a skill, open its `SKILL.md`. Read only enough to follow the workflow.\n  2) When `SKILL.md` references relative paths (e.g., `scripts/foo.py`), resolve them relative to the skill directory listed above first, and only consider other paths if needed.\n  3) If `SKILL.md` points to extra folders such as `references/`, load only the specific files needed for the request; don't bulk-load everything.\n  4) If `scripts/` exist, prefer running or patching them instead of retyping large code blocks.\n  5) If `assets/` or templates exist, reuse them instead of recreating from scratch.\n- Coordination and sequencing:\n  - If multiple skills apply, choose the minimal set that covers the request and state the order you'll use them.\n  - Announce which skill(s) you're using and why (one short line). If you skip an obvious skill, say why.\n- Context hygiene:\n  - Keep context small: summarize long sections instead of pasting them; only load extra files when needed.\n  - Avoid deep reference-chasing: prefer opening only files directly linked from `SKILL.md` unless you're blocked.\n  - When variants exist (frameworks, providers, domains), pick only the relevant reference file(s) and note that choice.\n- Safety and fallback: If a skill can't be applied cleanly (missing files, unclear instructions), state the issue, pick the next-best approach, and continue.\n</skills_instructions>"}]}}
{"timestamp":"2026-04-10T15:06:45.510Z","type":"response_item","payload":{"type":"message","role":"user","content":[{"type":"input_text","text":"<environment_context>\n  <cwd>D:\\qqq\\zhishiku\\llmwiki</cwd>\n  <shell>powershell</shell>\n  <current_date>2026-04-10</current_date>\n  <timezone>Asia/Shanghai</timezone>\n</environment_context>"}]}}
{"timestamp":"2026-04-10T15:06:45.510Z","type":"turn_context","payload":{"turn_id":"019d77ee-297d-77e0-a2f6-0ebce935de9a","cwd":"D:\\qqq\\zhishiku\\llmwiki","current_date":"2026-04-10","timezone":"Asia/Shanghai","approval_policy":"never","sandbox_policy":{"type":"danger-full-access"},"model":"gpt-5.4","personality":"pragmatic","collaboration_mode":{"mode":"default","settings":{"model":"gpt-5.4","reasoning_effort":"medium","developer_instructions":null}},"realtime_active":false,"effort":"medium","summary":"none","truncation_policy":{"mode":"tokens","limit":10000}}}
{"timestamp":"2026-04-10T15:06:45.510Z","type":"response_item","payload":{"type":"message","role":"user","content":[{"type":"input_text","text":"Use MCP server llmwiki only. 1) Call guide to find available knowledge bases. 2) Pick the first knowledge base. 3) Use search/list to list documents in root. 4) Read the first two uploaded documents (or all if less than two). 5) Write a Chinese wiki page at /Wiki/测试运行-2026-04-10.md with: 标题、3点摘要、关键术语、下一步建议. 6) Output exactly these sections in plain text: KB=<name>, DOC_COUNT=<n>, WRITTEN_PATH=<path>, DONE=YES."}]}}
{"timestamp":"2026-04-10T15:06:45.511Z","type":"event_msg","payload":{"type":"user_message","message":"Use MCP server llmwiki only. 1) Call guide to find available knowledge bases. 2) Pick the first knowledge base. 3) Use search/list to list documents in root. 4) Read the first two uploaded documents (or all if less than two). 5) Write a Chinese wiki page at /Wiki/测试运行-2026-04-10.md with: 标题、3点摘要、关键术语、下一步建议. 6) Output exactly these sections in plain text: KB=<name>, DOC_COUNT=<n>, WRITTEN_PATH=<path>, DONE=YES.","images":[],"local_images":[],"text_elements":[]}}
{"timestamp":"2026-04-10T15:08:29.078Z","type":"event_msg","payload":{"type":"token_count","info":null,"rate_limits":{"limit_id":"codex","limit_name":null,"primary":{"used_percent":1.0,"window_minutes":300,"resets_at":1775851563},"secondary":{"used_percent":5.0,"window_minutes":10080,"resets_at":1776358442},"credits":{"has_credits":false,"unlimited":false,"balance":null},"plan_type":null}}}
{"timestamp":"2026-04-10T15:08:31.709Z","type":"response_item","payload":{"type":"reasoning","summary":[],"content":null,"encrypted_content":"gAAAAABp2RJuIEEj5XH1tjrHpZZOyVn0t2dVIyRQ1lN9mtpvC3znIu60VSmeTia4OURERFvFl5NDPW2m0zEjD-VTQOm-hzR28b0f7XTnlebhQy0KeV50WmtK7w9BHxYzVuB3wiAni7Lau7QDspqXx74dazMUFJrYy9cYmzC-fbpmjxbWQasyJrxf6SrTV48CM5oWryFQkNAAtDQn1u_HKfwvQQPmZ2W0wsDLsVZK3KTHxx1UPngN2CZmqSIG6a1KTbzjSQSmBetlzqE8mWNqeoIksx4DRe6dubkiVjKCKiLFlhMhQ7s-MvGqe_r4EAJ46tel8icPWEG7tGStnxp_mrKTd7Cu36fSzU8Jqz1Ijx0-cc2P6bBft1WpnxVBrs8VZYEWSNEVNuio6ar14Icdq8PkVILiEGG8DFmFYhLqUCMv2sf9OGRzhrPmkvHgKv3C7l2U0woCkLCFL4YQnhxUDKGKGWmjgFPtr4dRqadNcFNFuLBubqabnDw9t4UtH5jogyGv_nZvPshruPT6umwbSwHaktihx-kjfxGsF653Jui31Wb1qFI4hmTojWHLp0PqjKerq69M1X6E719tbUMtW9cHS1EXCRoFTRLSF-eBXjADxLbXdhnLsHSg-veTab7Utj5d_d-MHN8feMHzsJbSQ7u9r-EMWhCzKwgSZDa4oFDmApAG7aq2M0UNrDxaifa0g2YZPqQO3AsRAz6DMQy8vMj2pDRo_0lHvuZ1inYaYd4Q-QhVoENtUsdwpVOHbwCfP1ulzETuxN6FcCcCdefONjghviE4E2LcJmthgddgbleAGuwwpBpDjTPMl6_N-zcCWJ2OoTjLOvRQZr_bd9nkNd61x-9TNzHukr9rRGhw1T1jDlwh9XT3x-JSNxNCkvoUU5rO0ISNfVEWh_9hhMtdHVloFcfikExTBGyKOuhPz9lFbOT9qlwWHQ1oqTGBzSDWmHG1oulqVdP2AU3zpa3eklpLzv2PxSa3Fbv-MWZSZOLAyaXNje6kTTHHnhUsYmHRCSAOBK126LN6gSHzV-fKJ6ruzI7GEVrYZXjWbaE5US-Uee87X3WppHa8tV1xgkkPFpVotf2mhl-r9vMKO2YQoRL0jK9m2mlAckSHjJryR_wrPJJAHvI2owOHgC0azNbi-mYO-peSpP7zWPH99lXAA54JqjQ7FyMV9waAsJdq8JLzKbqag5hAniKv9Ny8C_cYjd6laA5JHZpo47dSSfkeohfH3k7jB8k5YufiidaI2iw_k_yq4eDFQOMcZRrDUGWdrFq25qpfPrlJIbFPmcpt6_QJmeGcSPDjMHrqOgwPPxAJ7wu0PrQc08XQ9LIp0M3jvZoQhb5AEHB6BzaGWAH3M7iR50171wbP38OwO2l9i_Z3o_ehOP-8alk="}}
{"timestamp":"2026-04-10T15:08:31.834Z","type":"response_item","payload":{"type":"function_call","name":"mcp__llmwiki__guide","arguments":"{}","call_id":"call_VHbFNx7CIKgj9ws1ATnyLYXK"}}
{"timestamp":"2026-04-10T15:08:32.700Z","type":"event_msg","payload":{"type":"token_count","info":{"total_token_usage":{"input_tokens":14143,"cached_input_tokens":6528,"output_tokens":126,"reasoning_output_tokens":104,"total_tokens":14269},"last_token_usage":{"input_tokens":14143,"cached_input_tokens":6528,"output_tokens":126,"reasoning_output_tokens":104,"total_tokens":14269},"model_context_window":258400},"rate_limits":{"limit_id":"codex","limit_name":null,"primary":{"used_percent":1.0,"window_minutes":300,"resets_at":1775851563},"secondary":{"used_percent":5.0,"window_minutes":10080,"resets_at":1776358442},"credits":{"has_credits":false,"unlimited":false,"balance":null},"plan_type":null}}}
{"timestamp":"2026-04-10T15:08:32.700Z","type":"response_item","payload":{"type":"function_call_output","call_id":"call_VHbFNx7CIKgj9ws1ATnyLYXK","output":"{\"result\":\"# LLM Wiki — How It Works\\n\\n默认输出语言：中文（简体）。除非用户明确要求其他语言，否则请使用中文完成问答与 Wiki 页面撰写。\\n\\nYou are connected to an **LLM Wiki** — a personal knowledge workspace where you compile and maintain a structured wiki from raw source documents.\\n\\n## Architecture\\n\\n1. **Raw Sources** (path: `/`) — uploaded documents (PDFs, notes, images, spreadsheets). Source of truth. Read-only.\\n2. **Compiled Wiki** (path: `/wiki/`) — markdown pages YOU create and maintain. You own this layer.\\n3. **Tools** — `search`, `read`, `write`, `delete` — your interface to both layers.\\n\\n## Wiki Structure\\n\\nEvery wiki follows this structure. These categories are not suggestions — they are the backbone of the wiki.\\n\\n### Overview (`/wiki/overview.md`) — THE HUB PAGE\\nAlways exists. This is the front page of the wiki. It must contain:\\n- A summary of what this wiki covers and its scope\\n- **Source count** and page count (update on every ingest)\\n- **Key Findings** — the most important insights across all sources\\n- **Recent Updates** — last 5-10 actions (ingests, new pages, revisions)\\n\\nUpdate the Overview after EVERY ingest or major edit. If you only update one page, it should be this one.\\n\\n### Concepts (`/wiki/concepts/`) — ABSTRACT IDEAS\\nPages for theoretical frameworks, methodologies, principles, themes — anything conceptual.\\n- `/wiki/concepts/scaling-laws.md`\\n- `/wiki/concepts/attention-mechanisms.md`\\n- `/wiki/concepts/self-supervised-learning.md`\\n\\nEach concept page should: define the concept, explain why it matters in context, cite sources, and cross-reference related concepts and entities.\\n\\n### Entities (`/wiki/entities/`) — CONCRETE THINGS\\nPages for people, organizations, products, technologies, papers, datasets — anything you can point to.\\n- `/wiki/entities/transformer.md`\\n- `/wiki/entities/openai.md`\\n- `/wiki/entities/attention-is-all-you-need.md`\\n\\nEach entity page should: describe what it is, note key facts, cite sources, and cross-reference related concepts and entities.\\n\\n### Log (`/wiki/log.md`) — CHRONOLOGICAL RECORD\\nAlways exists. Append-only. Records every ingest, major edit, and lint pass. Never delete entries.\\n\\nFormat — each entry starts with a parseable header:\\n```\\n## [YYYY-MM-DD] ingest | Source Title\\n- Created concept page: [Page Title](concepts/page.md)\\n- Updated entity page: [Page Title](entities/page.md)\\n- Updated overview with new findings\\n- Key takeaway: one sentence summary\\n\\n## [YYYY-MM-DD] query | Question Asked\\n- Created new page: [Page Title](concepts/page.md)\\n- Finding: one sentence answer\\n\\n## [YYYY-MM-DD] lint | Health Check\\n- Fixed contradiction between X and Y\\n- Added missing cross-reference in Z\\n```\\n\\n### Additional Pages\\nYou can create pages outside of concepts/ and entities/ when needed:\\n- `/wiki/comparisons/x-vs-y.md` — for deep comparisons\\n- `/wiki/timeline.md` — for chronological narratives\\n\\nBut concepts/ and entities/ are the primary categories. When in doubt, file there.\\n\\n## Page Hierarchy\\n\\nWiki pages use a parent/child hierarchy via paths:\\n- `/wiki/concepts.md` — parent page (optional; summarizes all concepts)\\n- `/wiki/concepts/attention.md` — child page\\n\\nParent pages summarize; child pages go deep. The UI renders this as an expandable tree.\\n\\n## Writing Standards\\n\\n**Wiki pages must be substantially richer than a chat response.** They are persistent, curated artifacts.\\n\\n### Structure\\n- Start with a summary paragraph (no H1 — the title is rendered by the UI)\\n- Use `##` for major sections, `###` for subsections\\n- One idea per section. Bullet points for facts, prose for synthesis.\\n\\n### Visual Elements — MANDATORY\\n\\n**Every wiki page MUST include at least one visual element.** A page with only prose is incomplete.\\n\\n**Mermaid diagrams** — use for ANY structured relationship:\\n- Flowcharts for processes, pipelines, decision trees\\n- Sequence diagrams for interactions, timelines\\n- Quadrant charts for comparisons, trade-off analyses\\n- Entity relationship diagrams for people, companies, concepts\\n\\n````\\n```mermaid\\ngraph LR\\n    A[Input] --> B[Process] --> C[Output]\\n```\\n````\\n\\n**Tables** — use for ANY structured comparison:\\n- Feature matrices, pros/cons, timelines, metrics\\n- If you're listing 3+ items with attributes, it should be a table\\n\\n**SVG assets** — for custom visuals Mermaid can't express:\\n- Create: `write(command=\\\"create\\\", path=\\\"/wiki/\\\", title=\\\"diagram.svg\\\", content=\\\"<svg>...</svg>\\\", tags=[\\\"diagram\\\"])`\\n- Embed in wiki pages: `![Description](diagram.svg)`\\n\\n### Citations — REQUIRED\\n\\nEvery factual claim MUST cite its source via markdown footnotes:\\n```\\nTransformers use self-attention[^1] that scales quadratically[^2].\\n\\n[^1]: attention-paper.pdf, p.3\\n[^2]: scaling-laws.pdf, p.12-14\\n```\\n\\nRules:\\n- Use the FULL source filename — never truncate\\n- Add page numbers for PDFs: `paper.pdf, p.3`\\n- One citation per claim — don't batch unrelated claims\\n- Citations render as hoverable popover badges in the UI\\n\\n### Cross-References\\nLink between wiki pages using standard markdown links to other wiki paths.\\n\\n## Core Workflows\\n\\n### Ingest a New Source\\n1. Read it: `read(path=\\\"source.pdf\\\", pages=\\\"1-10\\\")`\\n2. Discuss key takeaways with the user\\n3. Create or update **concept** pages under `/wiki/concepts/`\\n4. Create or update **entity** pages under `/wiki/entities/`\\n5. Update `/wiki/overview.md` — source count, key findings, recent updates\\n6. Append an entry to `/wiki/log.md`\\n7. A single source typically touches 5-15 wiki pages — that's expected\\n\\n### Answer a Question\\n1. `search(mode=\\\"search\\\", query=\\\"term\\\")` to find relevant content\\n2. Read relevant wiki pages and sources\\n3. Synthesize with citations\\n4. If the answer is valuable, file it as a new wiki page — explorations should compound\\n5. Append a query entry to `/wiki/log.md`\\n\\n### Maintain the Wiki (Lint)\\nCheck for: contradictions, orphan pages, missing cross-references, stale claims, concepts mentioned but lacking their own page. Append a lint entry to `/wiki/log.md`.\\n\\n## Available Knowledge Bases\\n\\n- **Rao1116's Wiki** (`rao1116s-wiki`) — 2 sources, 2 wiki pages\"}"}}
{"timestamp":"2026-04-10T15:08:36.580Z","type":"event_msg","payload":{"type":"token_count","info":{"total_token_usage":{"input_tokens":14143,"cached_input_tokens":6528,"output_tokens":126,"reasoning_output_tokens":104,"total_tokens":14269},"last_token_usage":{"input_tokens":14143,"cached_input_tokens":6528,"output_tokens":126,"reasoning_output_tokens":104,"total_tokens":14269},"model_context_window":258400},"rate_limits":{"limit_id":"codex","limit_name":null,"primary":{"used_percent":1.0,"window_minutes":300,"resets_at":1775851563},"secondary":{"used_percent":5.0,"window_minutes":10080,"resets_at":1776358442},"credits":{"has_credits":false,"unlimited":false,"balance":null},"plan_type":null}}}
{"timestamp":"2026-04-10T15:08:38.121Z","type":"event_msg","payload":{"type":"agent_message","message":"我会只用 `llmwiki` MCP 完成这次写入。已找到第一个知识库，接着列根目录源文档。","phase":"commentary","memory_citation":null}}
{"timestamp":"2026-04-10T15:08:38.122Z","type":"response_item","payload":{"type":"message","role":"assistant","content":[{"type":"output_text","text":"我会只用 `llmwiki` MCP 完成这次写入。已找到第一个知识库，接着列根目录源文档。"}],"phase":"commentary"}}
{"timestamp":"2026-04-10T15:08:38.583Z","type":"response_item","payload":{"type":"function_call","name":"mcp__llmwiki__search","arguments":"{\"knowledge_base\":\"rao1116s-wiki\",\"mode\":\"list\",\"path\":\"*\",\"limit\":50}","call_id":"call_Lrkxvo3WGR3AHddfc1DdfZds"}}
{"timestamp":"2026-04-10T15:08:38.712Z","type":"event_msg","payload":{"type":"token_count","info":{"total_token_usage":{"input_tokens":29982,"cached_input_tokens":20224,"output_tokens":208,"reasoning_output_tokens":104,"total_tokens":30190},"last_token_usage":{"input_tokens":15839,"cached_input_tokens":13696,"output_tokens":82,"reasoning_output_tokens":0,"total_tokens":15921},"model_context_window":258400},"rate_limits":{"limit_id":"codex","limit_name":null,"primary":{"used_percent":1.0,"window_minutes":300,"resets_at":1775851563},"secondary":{"used_percent":5.0,"window_minutes":10080,"resets_at":1776358442},"credits":{"has_credits":false,"unlimited":false,"balance":null},"plan_type":null}}}
{"timestamp":"2026-04-10T15:08:39.013Z","type":"response_item","payload":{"type":"function_call_output","call_id":"call_Lrkxvo3WGR3AHddfc1DdfZds","output":"{\"result\":\"**Rao1116's Wiki** (`*`):\\n\\n**Sources (2):**\\n  /《Otterly.AI – GEO Guide》中文版.pdf (pdf, 28p, 2026-04-09)\\n  /CAAC&明略科技-2025年中国GEO行业发展报告-251022(2).pdf (pdf, 50p, 2026-04-09)\\n\\n**Wiki (2 pages):**\\n  /wiki/log.md, 2026-04-09\\n  /wiki/overview.md, 2026-04-09\"}"}}
{"timestamp":"2026-04-10T15:08:42.199Z","type":"event_msg","payload":{"type":"token_count","info":{"total_token_usage":{"input_tokens":29982,"cached_input_tokens":20224,"output_tokens":208,"reasoning_output_tokens":104,"total_tokens":30190},"last_token_usage":{"input_tokens":15839,"cached_input_tokens":13696,"output_tokens":82,"reasoning_output_tokens":0,"total_tokens":15921},"model_context_window":258400},"rate_limits":{"limit_id":"codex","limit_name":null,"primary":{"used_percent":2.0,"window_minutes":300,"resets_at":1775851563},"secondary":{"used_percent":5.0,"window_minutes":10080,"resets_at":1776358442},"credits":{"has_credits":false,"unlimited":false,"balance":null},"plan_type":null}}}
{"timestamp":"2026-04-10T15:08:44.084Z","type":"response_item","payload":{"type":"reasoning","summary":[],"content":null,"encrypted_content":"gAAAAABp2RJ6Kctoj8WrTLh17-XOUbC93qCJD7Uy9cYALzKkzxA-33Dqgpq4GD_eBK9QO3iB28OTnzcQh1PmXHg1Pvp7oNjbiUEg5c-ToVNPrSgB8us2NJeish-ATndbOBL7idIprbdH7bbXAxgkfyLES9tlaskZ3_INEPSMWDRIzZ8raxfjoBGasyqCbXFx2LXdAh107MTdd86S0JtgP9dbH_U4PLTP9A2e7cx1cSQAh2YBR1sU7EER0-kBD1vGyixq4oEWJgmvXCkFxnVQ6ryM7mJiu0cqk6MLQkT6hr18oknPeDAs5INVJ6s3COrIBkN72dc9kZiCeZfElMmmpfYii1otBlNr3gEgnEbeRz4o6s4RlLXlZTczZIdvY5wVGmrIStcmdgMNBgaCMQsaWLP2cl14yXH9BouLkDo6wY6LPmJ2aVHgsrwAi7Lbc5x_Cjat2CdgUOs84n_U76B8kxd6Nn2bmfh9iqHuOHWQb_OZCJgRQIHJG3jw1HMwY6Ke4NXwgBj1mXPsTk2aNpijvWtZEOw5PuXtZgID1-QdcFgFVCBaSCmHP10xthUHceTXn2LXzl5l_76vSxV1KuSeSo_9KWvzSKxrTWJ1UHbuNBwy-wyIz-CAV7AaLN3hqaBToEaoNfMH3N7rfzoXdVmdZkn2DO14cdXJy3SUslagJ-i7uVObnbxS2VcIcWlnmeM05jWeiFbWn0IWMmKGBSnoi7bzSzl4-iyn4ejgugYxM7rtXH8UcVqGXvl1nGXkkUomTl-k2lU052P3ZVDwisMolqb6CTNFSqtetQs2xsccKGlYCCCVFIRETvFoMW-sEt-zV9wqmU28gTpyrAkH8uiapGmK8cjR88bZ0ZKHvY4FZ9F2xnE1C6gNiIQ0Pzd2rOxArvNX-xV39piJONvieistZsgryExeHFY830FxTFde12y4npTjLooS01Wvi_ECyZIxtWoIsWEvX4H1QdMaV2wbYF1r3z8d20b1PI4b803Xr6wKYw7NjYdJtqsS0p0yGy4K_5YClzt-ns5CWxBCvQuuAg2QimsBjJ9Rb80mMezFTnT9UwlzazpwjUk="}}
{"timestamp":"2026-04-10T15:08:46.423Z","type":"event_msg","payload":{"type":"agent_message","message":"根目录里有 2 个上传源文档。我现在读取这两个文档，用它们生成指定的中文 Wiki 页面。","phase":"commentary","memory_citation":null}}
{"timestamp":"2026-04-10T15:08:46.424Z","type":"response_item","payload":{"type":"message","role":"assistant","content":[{"type":"output_text","text":"根目录里有 2 个上传源文档。我现在读取这两个文档，用它们生成指定的中文 Wiki 页面。"}],"phase":"commentary"}}
{"timestamp":"2026-04-10T15:08:46.546Z","type":"response_item","payload":{"type":"function_call","name":"mcp__llmwiki__read","arguments":"{\"knowledge_base\":\"rao1116s-wiki\",\"path\":\"/《Otterly.AI – GEO Guide》中文版.pdf\"}","call_id":"call_j6FNfAoXtQkQqSpOwkvUWlyZ"}}
{"timestamp":"2026-04-10T15:08:46.674Z","type":"response_item","payload":{"type":"function_call","name":"mcp__llmwiki__read","arguments":"{\"knowledge_base\":\"rao1116s-wiki\",\"path\":\"/CAAC&明略科技-2025年中国GEO行业发展报告-251022(2).pdf\"}","call_id":"call_SvkP67i67VESDNVDtxK9xogb"}}
{"timestamp":"2026-04-10T15:08:46.727Z","type":"event_msg","payload":{"type":"token_count","info":{"total_token_usage":{"input_tokens":46056,"cached_input_tokens":35968,"output_tokens":400,"reasoning_output_tokens":144,"total_tokens":46456},"last_token_usage":{"input_tokens":16074,"cached_input_tokens":15744,"output_tokens":192,"reasoning_output_tokens":40,"total_tokens":16266},"model_context_window":258400},"rate_limits":{"limit_id":"codex","limit_name":null,"primary":{"used_percent":2.0,"window_minutes":300,"resets_at":1775851563},"secondary":{"used_percent":5.0,"window_minutes":10080,"resets_at":1776358442},"credits":{"has_credits":false,"unlimited":false,"balance":null},"plan_type":null}}}
{"timestamp":"2026-04-10T15:08:46.918Z","type":"response_item","payload":{"type":"function_call_output","call_id":"call_j6FNfAoXtQkQqSpOwkvUWlyZ","output":"[{\"type\":\"text\",\"text\":\"**《Otterly.AI – GEO Guide》中文版**\\nType: pdf | Tags: none | Version: 0 | Updated: 2026-04-09 | Pages: 28\\n[View in Supavault](http://localhost:3000/wikis/rao1116s-wiki/《Otterly.AI – GEO Guide》中文版.pdf)\\n\\n---\\n\\n# 《 Ot\\n\\n# terly\\n\\n# .AI – GEO Guide 》 中 文 版 ​\\n\\n下 面 我 把 你 们 提 供 的 《 O tte rl y. A I – G E O G u id e: H ow to Wi n in AI Search 》 转 化 成 中 文 （ 偏 “ 精 译 + 本\\n\\n**地 化 ” ， 保 留 原 有 结 构 、 观 点 、 方 法 与 指 标 ） 。 内 容 较 长 ， 我 按 你 要 求 拆 成 3 个 “ 文 件 ” 版 本**\\n\\n**（ 1 / 2 / 3 ） ， 你 可 以 分 别 复 制 保 存 为**\\n\\n便 你 整 合 。\\n\\n### 文 件 1 （ 中 文 译 本 1 / 3 ） ： 导 言 + A I 搜 索 基 础 + 主 要 平 台 + 用 户 行 为 变 化\\n\\n### （ 约 P 1 – P 2 3 ） ​\\n\\n**标 题 ​**\\n\\n**如 何 在 A I 搜 索 中 取 胜 ： 提 升 品 牌 在 A I 搜 索 引 擎 与 大 模 型 中 的 可 见 度 （ G EO 指 南 ） ​**\\n\\n**目 录 （ 对 应 原 文 ） ​**\\n\\n引 言 ： 我 们 为 什 么 在 这 里 ？• 颠 覆 1 ： 来 自 G o og l e 的 自 然 流 量 正 在 下 降 ​• 颠 覆 2 ： 新 的 搜 索 平 台 正 在 崛 起 ​• 为 什 么 你 必 须 关 注 G E O （ 生 成 式 引 擎 优 化 ） 与 L LM O （ 大 模 型 优 化 ） ​• “ 西 部 荒 野 ” 回 来 了• 传 统 搜 索 、 A I 搜 索 与 大 模 型 ： 有 什 么 根 本 差 异 ？ ​• 主 要 A I 搜 索 平 台 概 览 （ G o og l e A IO / Ch atG PT Search / Perp lexi t y 等 ） ​• 用 户 行 为 变 化 ： 关 键 词 → Prom pt （ 自 然 语 言 问 题 ） ​•\\n\\n**引 言 ： 我 们 为什么 在 这 里 ？ ​**\\n\\n各 行 业 的 营 销 团 队 正 同 时 面 对 两 股 冲 击 ：\\n\\n**颠 覆 1 ： Google 自 然 流 量 下 滑 ​**\\n\\n分 析 机 构 预 测 ： 到 2 0 2 8 年 ， 自 然 流 量 可 能 下 降 5 0 % （ 原 因 是 “ AI 直 接 给 答 案 ” ） 。 ​• 现 实 层 面 ： G o o g le 在 2 02 4 年 5 月 开 始 推 出 A I O ve r v iew s ， 很 多 行 业 已 经 感 受 到 冲 击 。 ​• “ 零 点 击 搜 索 ” 在 欧 美 已 经 达 到 很 高 比 例 —— 用 户 在 搜 索 页 就 得 到 答 案 ， 不 再 点 进 你 的 网 站 。 ​•\\n\\n1.md / 2.md / 3.md\\n\\n； 最 后 我 也 附 了一个 合 并 版 目 录 指 引 方\\n\\n\\n---\\n\\n**颠 覆 2 ： 新 的 搜 索 平 台 崛 起 ​**\\n\\n新 的 A I 搜 索 体 验 （ 例 如 Pe rpl ex i ty ） 与 A I 聊 天 机 器 人 （ 例 如 Chat GPT ） 逐 渐 成 为 G o o gle 的 替 代• 方 案 。\\n\\n对 营 销 团 队 的 关 键 问 题 ： 在 这 种 新 现 实 下 ， 如 何 建 立 可 持 续 获 客 与 品 牌 曝 光 策 略 ？• 本 指 南 要 做 的 事 ：\\n\\n帮 你 理 解 “ 新 的 搜 索 生 态 ” ， 以 及 为 什 么 GE O/ LL MO 会 长 期 存 在 ； ​• 给 你 一 套 可 执 行 的 方 法 ， 让 品 牌 在 A I 生 成 答 案 中 获 得 更 多 曝 光 、 引 用 与 推 荐 。 ​•\\n\\n### 为什么 GEO / LLMO 重 要 ？ ​\\n\\n如 果 你 是 品 牌 方 、 市 场 负 责 人 、 S E O 专 家 ， 你 一 定 会 问 ： ​\\n\\n传 统 S E O 还 重 要 吗 ？ 如 果 用 户 都 在 AI 里 得 到 答 案 ， 我 们 的 业 务 是 不 是 会 被 “ 截 流 ”？ ​\\n\\n指 南 给 出 的 框 架 是 ：\\n\\n**G E O （ 生 成 式 引 擎 优 化 ） ： 更 偏 “ A I 搜 索 / 带 联 网 检 索 的 混 合 系 统 ” ， 可 以 相 对 更 快 优 化 ； ​•** **L L M O （ 大 模 型 优 化 ） ： 更 偏 “ 影 响 大 模 型 训 练 数 据 与 长 期 品 牌 心 智 ” ， 属 于 长 期 战 。 ​•** 你 会 看 到 的 现 实 信 号 ：\\n\\n很 多 企 业 在 数 据 里 已 经 看 到 自 然 流 量 下 滑 （ 甚 至 出 现 明 显 跌 幅 ） 。• 因 此 需 要 从 “ 传 统 S E O 项 目 ” 演 进 到 “ SE O + GEO 的 组 合 策 略 ” ， 在 A I 答 案 时 代 继续 被 找 到 。 ​•\\n\\n### “ 西 部 荒 野 ” 回 来 了 ： 机 会 期 与 风 险 期 并 存 ​\\n\\n新 的 A I 搜 索 市 场 像 S E O 早 期 一 样 ： ​\\n\\n大 家 都 在 试 各 种 方 法 争 取 “ 出 现 在 答 案 里 ” ；• 但 真 正 可 持 续 的 策 略 仍 然 是 ： 长 期 建 立 权 威 与 可 信 度 ， 而 不 是 只 做 短 期 投 机 。• 关 键 提 醒 ：\\n\\n传 统 蓝 色 链 接 的 影 响 在 被 弱 化 ；• 未 来 品 牌 要 进 入 A I 答 案 ， 需 要 通 过 ： 文 本 、 链 接 引 用 、 品 牌 内 容 、 引 用 / 统 计 、 视 频 等 多 种 形 态• 被 “ 写 进 ” A I 的 生 成 内 容 里 。 ​\\n\\n### 传 统 搜 索 vs AI 搜 索 vs 纯 大 模 型 ： 根 本 差 异 ​\\n\\n这 里 是 你 做 G E O 战 略 时 最 关 键 的 一 段 “ 底 层 认 知 ” 。 ​\\n\\n**1 ） 纯 大 模 型 （ 不 联 网 ） ​**\\n\\n\\n---\\n\\n例 如 某 些 只 依 靠 训 练 数 据 的 模 型 ：\\n\\n输 出 来 自 “ 训 练 数 据 中 的 既 有 知 识 ” ；• 新 信 息 要 等 模 型 重 新 训 练 才 会 更 新 ；• 所 以 L L M O 更 像 长 期 品 牌 建 设 ： 慢 、 贵 、 周 期 长 。 ​•\\n\\n**2 ） AI 搜 索 （ LLM + 联 网 检 索 / RAG ） ​**\\n\\n例 如 ： G o o g l e A I O ve r vi e w s 、 Pe rpl ex i t y 、 Ch at GPT Searc h​\\n\\n系 统 会 把 你 的 问 题 转 成 检 索 ， 再 抓 取 网 页 内 容 ， 然 后 结 合 内 部 知 识 生 成 答 案 ；• 会 出 现 “ 引 用 来 源 / 链 接 （ citat ion s ） ” ， 这 些 引 用 会 影 响 答 案 ； ​• **因 此 更 像 S E O ： 可 以 通 过 被 引 用 的 来 源 来 加 速 优 化 。 ​•** 一 句 话 总 结 ：\\n\\n**A I 搜 索 更 像 “ 回 答 引 擎 ” ， 不 是 “ 链 接 列 表 引 擎 ” 。 ​•** 你 优 化 的 目 标 逐 渐 变 成 ： 在 答 案 中 被 提 到 、 被 引 用 、 被 推 荐 ， 而 不 只 是 “ 网 页 排 名 ” 。•\\n\\n**主 要 AI 搜 索 平 台 概 览 （ 原 文 重 点 ） ​**\\n\\n**Google AI Over views （ AIO ） ​**\\n\\nG o o gl e 将 G e m in i 集 成 到 搜 索 中 ， 形 成 A I O ver v ie w s 。 ​• A I O 更 常 出 现 在 “ 问 题 型 、 更 长 、 更 具 体 ” 的 查 询 中 。 ​• 它 会 显 著 影 响 CT R ： 因 为 用 户 在 搜 索 页 就 被 回 答 了 。 ​• 越 多 顶 部 “ 信 息 型 内 容 ” 的 网 站 越 容 易 受 冲 击 。•\\n\\n**ChatGPT Search （ SearchGPT ） ​**\\n\\nC h at G PT 在 部 分 查 询 中 会 触 发 搜 索 ： ​• 当 输 入 更 像 传 统 关 键 词 时 ， 更 容 易 触 发 搜 索 ；◦ 当 输 入 更 像 长 P ro m pt （ 平 均 更 长 ） 时 ， 反 而 更 可 能 不 触 发 。 ​◦ 这 意 味 着 ： 同 一 平 台 也 存 在 “ 触 发 搜 索 / 不 触 发 搜 索 ” 的 差 异 路 径 。 ​•\\n\\n**Perplexity AI​**\\n\\n强 调 “ 研 究 型 、 引 用 型回 答 ” ， 通 常 引 用 链 接 更 充 分 ；• 对 于 G E O 来 说 ， 引 用 来 源 是 可 执 行 的 突 破 口 ： 你 可 以 观 察 它 引 用 谁 ， 从 而 反 推 要 把 内 容 部 署 在 哪• 里 。\\n\\n\\n---\\n\\n**用 户 行 为 变 化 ： 关 键 词 → Prompt （ 自 然 语 言 问 题 ） ​**\\n\\n传 统 S E O 的 直 觉 是 ： 拿 关 键 词 库 去 做 优 化 。\\n\\n但 在 A I 时 代 ， 用 户 更 常 用 “ 对 话 式 问 题 ” ： ​\\n\\n传 统 搜 索 ： 2 – 4 个 词 居 多 ； ​• A I P ro m pt ： 平 均 更 长 、 更 具 体 、 更 带 情 境 与 约 束 （ 例 如 人 群 / 预 算 / 场 景 ） 。 ​• 关 键 结 论 ：\\n\\n你 不 需 要 优 化 无 穷 多 变 体 ， 因 为 相 似 P rompt 往 往 会 得 到 相 似 答 案 ； ​• 你 要 做 的 是 ： 抓 住 “ 高 意 图 问 题 族 群 ” ， 并 把 品 牌 与 这 些 问 题 绑 定 。•\\n\\n**文 件 1 小 结 （ 给 你们 做 GEO 提 案 可 直 接 用 ） ​**\\n\\nA I 搜 索 本 质 是 “ 答 案 引 擎 ” ， 优 化 目 标 从 “ 点 击 链 接 ” 转 向 “ 答 案 可 见 度 / 引 用 / 推 荐 ” 。 ​• G E O 的 可 操 作 性 来 自 RAG 引 用 来 源 ： 你 能 通 过 “ 被 引 用 的 页 面 ” 影 响 答 案 。 ​• 用 户 从 关 键 词 迁 移 到 自 然 语 言 P rom pt ， 意 味 着 ： 要 做 “ 问 题 地图 ” ， 不 是 做 “ 关 键 词 堆 砌 ” 。 ​•\\n\\n### 文 件 2 （ 中 文 译 本 2 / 3 ） ： G E O 定 义 + S E O v s G E O + 指 标 与 监 测 （ 约 P 24 –\\n\\n### P 4 5 ） ​\\n\\n**什么 是 GEO / GAIO / LLMO ？ ​**\\n\\n**GA I O （ 生 成 式 A I 优 化 ） ： 更 大 的 概 念 ， 指 一 切 影 响 AI 输 出 / 训 练 的 方 法 。 ​•** **G E O （ 生 成 式 引 擎 优 化 ） ： 把 S E O 逻 辑 扩 展 到 AI 搜 索 （ 混 合 系 统 、 带 联 网 检 索 ） 。 ​•** **L L M O （ 大 模 型 优 化 ） ： 影 响 大 模 型 训 练 数 据 与 长 期 认 知 （ 慢 变 量 ） 。 ​•**\\n\\n**GEO 的 目 标 是 什么 ？ ​**\\n\\n把 品 牌 / 产 品 / 实 体 （ e n t it y ） 优 化 到 A I 搜 索 与 大 模 型 的 答 案 里 ， 尤 其 是 ： ​\\n\\n**被 提 到 （ m e n t i o n ） ​•** **被 引 用 （ c i tat i o n /li n k ） ​•** **被 推 荐 （ re co m m e n d at i o n ） ​•** 并 且 在 答 案 的 排 序 / 权 重 中 靠 前 。 ​\\n\\n重 要 提 醒 ：\\n\\n\\n---\\n\\nS E O 过 去 有 很 多 短 期 技 巧 ， 但 G EO 的 “ 捷 径 更 少 ” ； ​• 在 早 期 机 会 期 确 实 可 能 存 在 增 长 黑 客 ， 但 长 期 仍 然 回 归 权 威 与 可 信 度 。•\\n\\n**GEO vs SEO ： 差 异 在 哪 里 ？ ​**\\n\\n**SEO （ 传 统 搜 索 ） ​**\\n\\n目 标 ： 网 页 被 索 引 、 关 键 词 排 名 、 获 取 点 击 与 转 化 。• 结 果 形 态 ： 蓝 色 链 接 列 表 。• 优 化 对 象 ： 页 面 与 链 接 （ o n -page /of f-pa ge ） 。 ​•\\n\\n**GEO （ AI 搜 索 / 生 成 式 ） ​**\\n\\n目 标 ： 在 “ 回 答 文 本 ” 里 被 引 用 、 被 提 及 、 被 推 荐 。• 结 果 形 态 ： 单 一 答 案 + 引 用 来 源 （ 可 点 ） 。 ​• 优 化 对 象 ： 实 体 关 系 、 语 义 关 联 、 引 用 来 源 生 态 、 可 信 度 与 可 复 述 表 达 。• 额 外 要 求 ： 不 仅 是 “ 被 找 到 ” ， 还 要 “ 在 对 话 里 被 正 确 理 解 并 持 续 出 现 ” 。•\\n\\n**衡 量 成 功 ： SEO 指 标 是 否 还 有 效 ？ GEO 的 新 指 标 是 什么 ？ ​**\\n\\n指 南 强 调 ： S E O 指 标 仍 相 关 ， 但 G E O 需 要 新 指 标 体 系 。 ​\\n\\n**GEO 核 心 KPI 1 ： 品 牌 可 见 度 （ Brand Visibility ） ​**\\n\\n原 因 ： A I 生 成 答 案 更 像 “ 权 威 总 结 ” ， 用 户 不 再 浏 览 结 果 列 表 。 ​\\n\\n传 统 ba c k l i n k 作 用 可 能 被 弱 化 ， 取 而 代 之 的 是 ： ​\\n\\n**品 牌 被 权 威 内 容 反 复 提 及•** **在 可 信 语 境 中 被 提 到•** **与 正 确 主 题 强 绑 定•**\\n\\n**GEO 核 心 KPI 2 ： 引 用 链 接 追 踪 （ Link Citation T**\\n\\n当 A I 搜 索 给 出 引 用 来 源 时 ， 你 可 以 ： ​\\n\\n看 看 它 引 用 谁 （ 你 v s 竞 品 ） ； ​• 反 推 你 应 该 在 哪 些 “ 可 被 引 用 的 页 面 / 媒 体 / 知 识 库 ” 出 现 。 ​•\\n\\n**GEO 核 心 KPI 3 ： 来 自 LLM/**\\n\\n做 法 ： 在 GA 4 / A d ob e / P iw ik 等 里 ， 单 独 建 立 “ L LM 引 荐 渠 道 组 ” ， 追 踪 来 自\\n\\nC h at G PT/ Pe r p l ex it y/ D e e p Se e k 等 的 流 量 。 ​\\n\\n**AI 搜 索 的 引 荐 流 量 （ Referral T**\\n\\n**racking ） ​**\\n\\n**raffic ） ​**\\n\\n\\n---\\n\\n意 义 ： 即 使 总 量 不 大 ， 也 能 验 证 “ A I 入 口 是 否 开 始 贡 献 用 户 ” 。 ​\\n\\n### 工 具 与 监 测 ： 为什么 要 “ 真 实 用 户 界 面 监 测 ” ， 而 不 只 用 API ？ ​\\n\\n指 南 强 调 一 种 观 点 ：\\n\\n只 通 过 A P I 抓 取 模 型回 答 ， 可 能 不 反 映 真 实 用 户 界 面 中 的 行 为 （ 例 如 是 否 触 发 搜 索 、 引 用 如 何 展• 示 、 地 区 差 异 等 ） 。\\n\\n因 此 更 推 荐 “ 基 于 真 实 界 面 行 为 ” 的 监 测 方 式 （ 尤 其 是 Goo gle A IO / C h at G PT Sea rc h / • Pe r p l ex i t y ） 。 ​\\n\\n### 方 法 论 过 渡 ： 从 “ 指 标 ” 走 向 “ 策 略 ” ​\\n\\n在 指 南 的 结 构 里 ， 到 这 里 会 进 入 下 一 部 分 ：\\n\\n**如 何 真 正 优 化 （ 内 容 、 S ch e m a 、 P R 、 W i k ipe d ia 、 Red d it 、 技 术 抓 取 等 ） 。 ​**\\n\\n### 文 件 2 小 结 （ 你们 做 宣 发 / 品 牌 提 案 可 直 接 用 ） ​\\n\\nG E O 的 成 功 指 标 从 “ 点 击 ” 迁 移 到 “ 可 见 度 + 引 用 + 推 荐 ” 。 ​• 要 建 立 “ 答 案 里 的 份 额 （ S h a re of An s wer/Sh are of Voice ） ” 视 角 ： 你 在 答 案 中 出 现 得 更 早 、 更• 频 繁 、 更 权 威 。\\n\\n建 议 把 L L M 引 荐 流 量 作 为 早 期 信 号 指 标 ， 配 合 引 用 追 踪 做 竞 品 对 标 。 ​•\\n\\n### 文 件 3 （ 中 文 译 本 3 / 3 ） ： G E O 方 法 全 套 （ 内 容 / Sc h e m a /P R /Red d it / 技\\n\\n### 术 / 清 单 / 附 录 F\\n\\n### 3 . 1 核 心 挑 战 ： P ro m pt 不 可 见 （ I n v is ib le P ro m pts ） ​\\n\\n在 A I 搜 索 里 ， 你 通 常 看 不 到 用 户 到 底 输 入 了 什 么 P rompt 。 ​\\n\\n但 你 可 以 反 推 ：\\n\\n哪 些 页 面 正 在 被 A I 引 用 ； ​• 这 些 页 面 有 什 么 结 构 / 主 题 / 表 达 的 共 性 ； ​• 你 与 竞 品 差 在 哪 里 （ 语 义 覆 盖 、 权 威 度 、 引 用 链 ） 。•\\n\\n### AQ ） （ 约 P 4 6 – P 6 9 ） ​\\n\\n\\n---\\n\\n### 3 . 2 O w n e d C o n te n t （ 自 有 内 容 ） 优 化 ： A I 更 喜 欢 什 么 内 容 ？ ​\\n\\n**原 则 1 ： 提 供 真 实 价 值 ， 而 不 是 “ 营 销 废 话 ” ​**\\n\\nA I 更 倾 向 引 用 ： 具 体 、 可 验 证 、 信 息 密 度 高 的 内 容 ； ​\\n\\n“ 薄 、 空 、 硬 广 ” 更 难 被 引 用 。\\n\\n**原 则 2 ： 更 快 回 答 意 图 （ Quick Answer ） ​**\\n\\n建 议 ：\\n\\n开 头 给 结 论 ；• T L ; D R / 摘 要 框 ； ​• 关 键 答 案 不 要 藏 在 下 方 。•\\n\\n**原 则 3 ： 结 构 化 写 作便 于 语 义 解 析 （ Semantic P**\\n\\n建 议 ：\\n\\n用 清 晰 H 2 / H 3 ； ​• 列 表 、 表 格 、 要 点 框 ；• 问 答 式 小 节 （ 标 题 直 接 用 用 户 问 题 ） 。•\\n\\n**原 则 4 ： 贴 近 自 然 语 言 提 问 （ Quer y-like Headings ） ​**\\n\\n用 “ 人 会 问 的 问 题 ” 做 标 题 ， 然 后 紧 跟 简 洁 答 案 。\\n\\n**原 则 5 ： 权 威 与 原 创 性 更 值 钱 ​**\\n\\n自 有 数 据 、 案 例 研 究 ；• 专 家 评 论 、 作 者 署 名 ；• 内 链 与 主 题 一 致 性 （ 构 建 领 域 权 威 ） 。•\\n\\n**原 则 6 ： 规 模 化 更 新 存 量 内 容 ​**\\n\\n更 新 过 期 信 息 ；• 补 齐 新 问 题 ；• 合 并 薄 内 容 ， 做 成 “ 长 青 权 威 页 ” 。•\\n\\n### 3 . 3 “ S E O 仍 然 相 关 ” ： 但 作 用 方 式 变 了 ​\\n\\n指 南 引 用 研 究 结 论 ：\\n\\n**arsing ） ​**\\n\\n\\n---\\n\\nG o o gl e 排 名 与 LL M 提 及 存 在 较 强 相 关 ； ​• B a c k l in k 对 L L M 可 见 度 可 能 弱 或 中 性 ； ​• 内 容 类 型 多 样 性 未 必 带 来 明 显 提 升 。• **结 论 ： S E O 不 要 停 ， 但 要 “ 升 级 为 S E O + G EO ” 。 ​**\\n\\n### 3 . 4 S c h e m a .o rg ： 不 是 银 弹 ， 但 不 能 忽 视 ​\\n\\n核 心 观 点 很 坦 诚 ：\\n\\nS c h e m a 不 会 让 你 “ 立 刻 被 Ch atG PT 到 处 提 ” ； ​• 但 它 让 内 容 “ 机 器 可 读 ” ， 对 知 识 图 谱 与 长 期 AI 理 解 很 重 要 。 ​• 更 值 得 做 的 S ch e m a 类 型 （ 原 文 强 调 ） ： ​\\n\\nO rga n i zat io n （ 组 织 / 品 牌 实 体 ） ​• P ro d u ct （ 产 品 / 服 务 ） ​• A r t i c l e （ 文 章 ） ​• Re v i e w （ 评 价 ） ​• FAQ （ 问 答 ） ​• 并 提 醒 ：\\n\\n很 多 网 站 仍 没 做 ， 早 做 就 是 护 城 河 ；• 对 传 统 搜 索 也 有 ric h re s u l ts 的 收 益 。 ​•\\n\\n### 3 . 5 P R （ 公 关 ） 在 A I 时 代 更 关 键 ： 因 为 它 塑 造 “ 语 义 邻 近 ” ​\\n\\n指 南 用 “ to ke n → e m b e dd in g → 语 义 空 间 → 余 弦 相 似 度 ” 解 释 ： ​\\n\\nA I 会 根 据 “ 语 义 距 离 ” 判 断 品 牌 与 主 题 是 否 相 关 。 ​\\n\\n所 以 P R 的 价 值 是 ： 把 品 牌 与 正 确 主 题 长 期 绑 定 。 ​\\n\\n建 议 追 踪 的 P R /G E O 指 标 ： ​\\n\\nS h a re o f Vo ice （ 声 量 份 额 ） ​• W e b M e n ti o n s （ 全 网 提 及 ） ​• 与 战 略 主 题 强 相 关 的 外 链 与 提 及 （ 不 是 泛 链 接 ）•\\n\\n### 3 . 6 引 用 、 统 计 、 引 述 ： 会 显 著 提 升 被 A I 引 用 概 率 ​\\n\\n\\n---\\n\\n研 究 结 论 （ 指 南 引 用 ） ：\\n\\n在 A I 搜 索 里 ， 带 引 用 / 统 计 / 引 述 的 内 容 更 容 易 被 纳 入 生 成 答 案 ； ​• 这 些 手 法 能 提 高 “ 可 见 度 指 标 ” （ 例 如 位 置 调 整 字 数 、 主 观 印 象 等 ） 。• “ 重 要 但 容 易 踩 坑 ” 的 提 醒 ：\\n\\n引 述 与 引 用 应 短 而 准 确 ， 不 要 断 章 取 义 ；• 数 据 要 可 核 验 ， 避 免 被 反 噬 。•\\n\\n### 3 . 7 利 用 自 动 补 全 （ Au to -co m p l et i o n ） 找 关 键 问 题 ​\\n\\n因 为 LL M 的 搜 索 量 是 黑 箱 ， 你 可 以 用 ： ​\\n\\n模 型 的 自 动 补 全 功 能 （ 例 如 输 入 “ Is {bran d} … ” ） ​• 来 发 现 用 户 会 问 什 么 ， 再 反 推 你 需 要 覆 盖 哪 些 问 题 。\\n\\n### 3 . 8 W i k i p e d i a / K n ow le d ge G ra p h ： 高 权 威 训 练 数 据 入 口 ​\\n\\n核 心 点 ：\\n\\nW i k ip e d ia / 知 识 库 是 很 多 模 型 的 重 要 来 源 ， 且 常 被 引 用 ； ​• 但 创 建 / 影 响 维 基 条 目 需 要 满 足 ： ​• 可 验 证 性 （ 第 三 方 可 靠 来 源 ）◦ 中 立 性 （ 不 能 广 告 化 ）◦ 避 免 利 益 冲 突 （ 不 要 自 己 直 接 改 ）◦ 一 旦 进 入 W i k ip e dia ， 可 能 进 一 步 进 入 G o ogle Know ledge Graph ， 对 “ 机 器 理 解 品 牌 ” 更有 利 。\\n\\n### 3 . 9 Re d d i t / U G C ： 训 练 数 据 与 引 用 来 源 的 关 键 地 带 ​\\n\\n指 南 观 点 ：\\n\\nRe d d it 内 容 被 授 权 用 于 训 练 ， 且 在 A I 引 用 中 占 比 可 观 ； ​• 可 执 行 的 策 略 包 括 ：• 在 相 关 板 块 提 供 高 质 量 回 答 （ 不 要 硬 广 ）◦ 发 布 案 例 / 教 程 / 对 比 ​◦ A M A 活 动◦ 与 活 跃 用 户 合 作 （ 有 机 提 及 ）◦\\n\\n\\n---\\n\\n监 控 趋 势 并 及 时 参 与 讨 论◦\\n\\n### 3 . 1 0 技 术 G E O ： 让 L L M B ot “ 看 得 见 你 ” ​\\n\\n要 点 ：\\n\\nL L M 爬 虫 对 复 杂 JS / 动 态 内 容 的 理 解 可 能 不 完 整 ； ​• 动 态 生 成 内 容 尽 量 提 供 静 态 可 抓 取 版 本 （ H T M L ） ； ​• 关 注 ro b ots .• J S O N - L D 等 结 构 化 数 据 可 能 更 利 于 模 型 解 析 。 ​•\\n\\n### 3 . 1 1 黑 帽 G E O ： 短 期 也 许 有 效 ， 长 期 必 反 噬 ​\\n\\n指 南 提 到 一 些 “ 操 纵 输 出 ” 的 研 究 案 例 （ 战 略 文 本 序 列 、 偏 好 操 纵\\n\\n给 出 的 态 度 很 明 确 ：\\n\\n了 解 可 以 ， 但 不 要 做 ；• 长 期 会 被 平 台 修 复 并 带 来 惩 罚 与 品 牌 风 险 。•\\n\\n### 3 . 1 2 清 单 （ C h e c k l i st ） ： 你 们 做 项 目 可 直 接 用 ​\\n\\n审 计 品 牌 实 体 （ e n t it y au d it ） ​• 内 容 加 入 引 用 / 统 计 / 引 述 ​• S E O 策 略 升 级 为 GE O​• 允 许 L L M 爬 虫 抓 取 可 见 内 容 ​• P R 把 品 牌 绑 定 到 正 确 主 题 ​• Re d d it / U G C 机 制 启 动 ​• 可 读 性 与 简 化 表 达• 避 免 关 键 词 堆 砌• 维 基 / 知 识 图 谱 策 略 ​• 明 确 不 做 黑 帽•\\n\\n### 3 . 1 3 F\\n\\n### AQ ： A I 回 答 一 直 变 ， G E O 是 不 是 没 用 ？ ​\\n\\n指 南 结 论 ：\\n\\ntxt 与 新 兴 的 l l m s .\\n\\ntxt （ 用 于 声 明 允 许 抓 取 范 围 ） ；\\n\\n​\\n\\n、 把 pro m pt 注 入 网 页 等 ） 。 ​\\n\\n\\n---\\n\\n回 答 会 波 动 ， 但 “ 出 现 的 品 牌 与 引 用 来 源 ” 整 体 相 对 稳 定 ；• 排 名 可 能 小 幅 波 动 ， 但 to p 品 牌 通 常 不 大 变 ； ​• 所 以 G E O 值 得 做 ， 而 且 越 早 越 好 。 ​•\\n\\n### 文 件 3 小 结 ​\\n\\nG E O 的 可 操 作 核 心 ： 引 用 来 源 生 态 + 结 构 化 自 有 内 容 + P R 语 义 绑 定 + UG C 训 练 数 据 入 口 + 技 术 可• **抓 取 性 。**\\n\\n长 期 胜 负 手 仍 是 ： 权 威 、 可 信 、 可 引 用 。•\\n\\n## 合 并 版 建 议 （ 你 要 整 合 成 一 个 文 件 的 话 ）\\n\\n你 可 以 新 建 一 个\\n\\n上 ：\\n\\n文 件 1 ： 导 言 与 基 础 （ P 1 – P 2 3 ） ​• 文 件 2 ： 定 义 与 指 标 （ P 2 4 – P 45 ） ​• 文 件 3 ： 方 法 与 清 单 （ P 4 6 – P 69 ） ​•\\n\\n好 ， 我 继 续 第 2 部 分 （ 文 件 2 / 2 - 续 ） ， 在 不 重 复 前 文 的 前 提 下 ， 把 《 GE O 指 南 》 的 第 2 部 分 后 半 段\\n\\n完 整 翻 译 + 结 构 化 展 开 出 来 。 ​\\n\\n这 一 部 分 非 常 关 键 ， 因 为 它 直 接 决 定 了 ：\\n\\n👉 G E O 怎 么 “ 量 化 价 值 ” 、 怎 么 “ 向 甲 方 / 老 板 证 明 值 得 投 钱 ” 。 ​\\n\\n我 会 保 持 ：\\n\\n**忠 于 原 文 逻 辑 （ 不 是 二 次 发 挥 ）•** **中 文 商 业 化 表 达 （ 方 便 你 直 接 拿 去 用 ）•** 结 尾 给 你 一 个 * * “ 第 2 部 分 在 电 影 GE O 里 的 用 法 总 结 ” **​•\\n\\n## 📄\\n\\n## 文 件 2 （ 中 文 译 本 2/ 3 · 续 ） ​\\n\\n### —— G E O 的 衡 量 、 监 测 与 运 营 化 方 法 论 ​\\n\\n本 部 分 重 点 ：\\n\\n**G E O 不 是 “ 感 觉 有 效 ” ， 而 是 可 以 被 监 测 、 被 对 比 、 被 复 盘 的 系 统 工 程 。 ​**\\n\\nGEO 指 南 _ 中 文 _ 全 集.md\\n\\n， 把 三 个 “ 文 件 ” 的 内 容 按 顺 序 粘 贴 进 去 ， 并 在 开 头 加\\n\\n\\n---\\n\\n### 一 、 为 什 么 「 点 击 量 」 在 G E O 时 代 失 效 ？ ​\\n\\n原 文 非 常 明 确 地 指 出 一 个 现 实 ：\\n\\n在 A I 搜 索 与 A I 概 览 中 ， “ 用 户 已 经 不 需 要 点 击 链 接 ” ​\\n\\n因 此 ， 仅 用 CTR / UV / PV 来 衡 量 效 果 ， 会 严 重 低 估 真 实 影 响 。 ​\\n\\n### 传 统 SEO 的 问 题 ​\\n\\n用 户 ： 搜 索 → 点 链 接 → 看 页 面 ​• 指 标 ： 排 名 、 点 击 率 、 转 化•\\n\\n### AI 搜 索 的 变 化 ​\\n\\n用 户 ： 提 问 → 直 接 在 答 案 里 获 得 结 论 ​• 行 为 终 点 ：• 决 策 完 成◦ 或 只 点 击 1 个 “ 被 推 荐 ” 的 来 源 ​◦ 👉 这 意 味 着 ： ​\\n\\n**品 牌 即 使 没 有 被 点 击 ， 也 可 能 已 经 “ 影 响 了 用 户 决 策 ” 。**\\n\\n### 二 、 G E O 的 核 心 衡 量 体 系 （ 原 文 重 点 ） ​\\n\\n指 南 提 出 ： G E O 必 须 引 入 “ 可 见 度 导 向 指 标 ” ， 而 不 是 “ 点 击 导 向 指 标 ” 。 ​\\n\\n1️⃣\\n\\n### GEO 核 心 指 标 一 ： 品 牌 可 见 度 （ Brand Visibility ） ​\\n\\n**定 义 （ 原 文 概 念 ） ​**\\n\\n品 牌 在 A I 生 成 答 案 中 的 出 现 频 率 、 位 置 与 语 义 权 重 。 ​\\n\\n不 是 ：\\n\\n有 没 有 网 页 排 名• 而 是 ：\\n\\nA I 回 答 里 有 没 有 你 ​• 是 不 是 第 一 顺 位• 是 不 是 “ 被 推 荐 ” 而 不 是 “ 被 顺 带 提 到 ”•\\n\\n**拆 解 维 度 ​**\\n\\n\\n---\\n\\n**提 及 率 （ M e n t i o n Rate ） ​•** 在 一 组 问 题 中 ， 有 多 少 次 A I 提 到 了 你 的 品 牌 ​\\n\\n**位 置 权 重 （ Pos it i o n W e i g h t ） ​•** 第 一 段 / 第 一 顺 位 ≫ 中 段 ≫ 尾 段 ​\\n\\n**语 义 角 色•** 推 荐 对 象◦ 对 比 对 象◦ 负 面 / 争 议 对 象 （ 要 避 免 ） ​◦ 👉 在 电 影 G E O 里 ： ​\\n\\n这 就 是 S o A （ S h a re of A n swe r ， 答 案 份 额 ） 的 底 层 来 源 。 ​\\n\\n2️⃣\\n\\n### GEO 核 心 指 标 二 ： 引 用 来 源 （ Citation / Link ） ​\\n\\n原 文 强 调 ：\\n\\n**“ A I 搜 索 并 不 是 凭 空 编 答 案 ， 而 是 在 ‘ 引 用 谁 ’ 这 件 事 上 非 常 挑 剔 。 ” ​**\\n\\n**为什么 引 用 这 么 重 要 ？ ​**\\n\\n被 引 用 = 被 A I 认 为 “ 可 信 ” ​• 引 用 页 面 = 影 响 A I 输 出 的 抓 手 ​•\\n\\n**可 操 作 的 监 测 方 式 ​**\\n\\n在 Pe r p l ex i t y / C h atG PT Search / G oogle AIO 中 ​• 观 察 ：\\n\\n引 用 了 哪 些 网 站 ？◦ 是 品 牌 官 网 ？ 媒 体 ？ 百 科 ？ 论 坛 ？◦ 竞 品 被 引 ， 而 你 没 被 引 ， 原 因 是 什 么 ？◦ 👉 对 电 影 来 说 ： ​\\n\\n**官 方 观 影 指 南 / F•** 都 是 “ 可 被 引 用 资 产 ” 。\\n\\n3️⃣\\n\\n### GEO 核 心 指 标 三 ： 来 自 AI 的 引 荐 流 量 （ LLM Referral ） ​\\n\\n虽 然 A I 搜 索 会 减 少 点 击 ， 但 并 不 等 于 “ 没 有 流 量 ” 。 ​\\n\\n**指 南 建 议 做 法 ​**\\n\\n**AQ / 主 创 访 谈 / 权 威 媒 体 稿 ​**\\n\\n\\n---\\n\\n在 GA 4 / A do b e / Pi w ik 中 ： ​• 单 独 建 立 「 A I / LL M 引 荐 渠 道 组 」 ​◦ 追 踪 来 源 ：◦ c h at .op e na i.co m​▪ p e r p l ex it y. ai​▪ ge m i n i . go og l e .co m​▪ d e e p s e e k / 豆 包 / 元 宝 （ 国 内 等 价 ） ​▪\\n\\n**原 文 态 度 非 常 务 实 ​**\\n\\n**短 期 流 量 不 会 很 大•** 但 这 是 ：• 是 否 “ 开 始 影 响 用 户 路 径 ” 的 强 信 号◦ 是 否 值 得 继 续 投 入 的 判 断 依 据◦ 👉 在 电 影 宣 发 里 ： ​\\n\\n这 对 应 的 是 “ A I → 官 方 观 影 指 南 → 购 票 ” 的 验 证 路 径 。 ​\\n\\n### 三 、 为 什 么 不 能 只 用 A P I 监 测 （ 这 是 个 容 易 踩 坑 的 点 ） ​\\n\\n原 文 非 常 明 确 地 警 告 ：\\n\\n**仅 靠 A P I 抓 模 型 回 答 ≠ 真 实 用 户 看 到 的 答 案 ​**\\n\\n### 原 因 ​\\n\\n是 否 触 发 搜 索 （ S earc h v s N on -S ea rc h ） 不 同 ​• 引 用 展 示 在 U I 层 （ 而 不 是 A P I 返 回 ） ​• 地 区 / 账 号 / 时 间 段 差 异 明 显 ​• 排 序 在 U I 中 更 有 “ 视 觉 权 重 ” ​•\\n\\n### 正 确 做 法 （ 指 南 推 荐 ） ​\\n\\n**以 “ 真 实 用 户 界 面 ” 为 监 测 标 准•** 人 工 + 自 动 化 结 合 ： ​• 真 机 / 真 账 号 跑 问 题 ​◦ 截 图 记 录◦ 版 本 对 比◦\\n\\n\\n---\\n\\n👉 这 正 是 你 们 前 面 做 的 “ A I 宣 发 作 战 室 / 竞 品 监 测 雷 达 ” 的 方 法 论 来 源 。 ​\\n\\n### 四 、 G E O 的 运 营 化 ： 从 “ 指 标 ” 走 向 “ 系 统 ” ​\\n\\n指 南 在 第 2 部 分 后 半 段 ， 其 实 已 经 给 出 了 一 个 隐 含 结 论 ： ​\\n\\n**G E O 不 可 能 是 一 次 性 项 目 ， 只 能 是 “ 持 续 运 营 系 统 ” 。 ​**\\n\\n### 原 文 隐 含 的 3 个 判 断 ​\\n\\n1. A I 回 答 会 波 动 ， 但 长 期 稳 定 的 品 牌 集 合 是 相 对 固 定 的 ​\\n\\n2. 被 反 复 引 用 的 来 源 ， 未 来 更 容 易 继 续 被 引 用\\n\\n3. 先 进 入 “ 答 案 心 智 ” 的 品 牌 ， 会 形 成 正 反 馈\\n\\n### 因 此 GEO 的 正 确 形 态 是 ​\\n\\n问 题 库 持 续 演 进• 引 用 资 产 持 续 补 给• 指 标 持 续 追 踪• 竞 品 持 续 对 标• 👉 这 直 接 支 撑 你 前 面 提 出 的 ： ​\\n\\n**“ 动 态 G E O + 竞 品 环 境 监 测 + 快 反 内 容 操 作 ” 是 正 确 路 线 。 ​**\\n\\n### 五 、 第 2 部 分 的 「 关 键 结 论 总 结 」 （ 非 常 重 要 ） ​\\n\\n你 可 以 直 接 用 这 5 条 去 和 任 何 宣 发 方 / 老 板 讲 GE O 的 价 值 ： ​\\n\\n1. **G E O 的 目 标 不 是 点 击 ， 而 是 “ 进 入 A I 的 答 案 体 系 ” ​**\\n\\n2. **品 牌 可 见 度 、 位 置 与 引 用 ， 才 是 新 的 核 心 KP I ​**\\n\\n3. **被 引 用 的 页 面 / 内 容 ， 是 G E O 最 直 接 的 可 控 抓 手 ​**\\n\\n4. **A I 引 荐 流 量 是 早 期 验 证 指 标 ， 不 是 唯 一 目 标 ​**\\n\\n5. **G E O 必 须 做 成 “ 持 续 运 营 系 统 ” ， 而 不 是 一 次 性 优 化 ​**\\n\\n好 ， 下 面 我 继 续 并 完 成 《 G E O 指 南 》 的 第 3 部 分 完 整 中 文 转 化 。 ​\\n\\n这 一 部 分 是 整 本 指 南 里 “ 最 有 实 操 价 值 ” 的 核 心 章 节 ， 我 会 做 到 三 点 ：\\n\\n\\n---\\n\\n✅ 忠 实 原 文 逻 辑 （ 不 是 我 再 编 一 套 ） ​• ✅ 中 文 化 、 宣 发 / 品 牌 /G E O 可 直 接 用 ​• ✅ 按 你 前 面 要 求 ： 结 构 清 晰 ， 便 于 你 拆 成 文 件 或 整 合 ​• 这 是 文 件 3 （ 中 文 译 本 3/3 · 正 文 完 整 版 ） ​\\n\\n覆 盖 ： G E O 的 内 容 方 法 、 P R/U G C 、 技 术 、 风 险 、 Ch e ck list ​\\n\\n## 📄\\n\\n## 文 件 3 （ 中 文 译 本 3/ 3 ） ​\\n\\n### —— G E O 的 完 整 执 行 方 法 论 （ H ow G E O A ct u a l ly W o r k s ） ​\\n\\n### 一 、 G E O 的 最 大 难 点 ： 你 看 不 到 P ro m pt （ In v is ib le P ro m pts ） ​\\n\\n原 文 一 开 始 就 点 破 一 个 现 实 ：\\n\\n在 A I 搜 索 中 ， 你 永 远 不 知 道 用 户 真 实 输 入 的 Prom pt 是 什 么 。 ​\\n\\n这 和 S E O 最 大 的 不 同 在 于 ：\\n\\nS E O ： 你 能 看 到 关 键 词 、 搜 索 量 ​• G E O ： P ro m pt 是 黑 箱 ， 只 能 看 到 输 出 结 果 ​•\\n\\n### 那 GEO 怎 么 做 ？ ​\\n\\n指 南 给 出 的 是 一 个 反 推 逻 辑 ：\\n\\n你 无 法 看 到 P ro m pt ， 但 你 可 以 看 到 ： ​\\n\\n1. **A I 最 终 回 答 了 什 么 ​**\\n\\n2. **引 用 了 哪 些 来 源**\\n\\n3. **哪 些 内 容 被 反 复 复 述**\\n\\n4. **哪 些 品 牌 长 期 稳 定 出 现**\\n\\n👉 G E O 的 工 作 ， 本 质 是 ： ​\\n\\n**通 过 “ 输 出 端 稳 定 性 ” ， 反 推 “ 输 入 端 语 义 需 求 ”**\\n\\n### 二 、 自 有 内 容 （ O w n e d C o n te n t ） ： A I 到 底 喜 欢 什 么 内 容 ？ ​\\n\\n这 是 整 本 指 南 最 重 要 的 内 容 板 块 之 一 。\\n\\n### 原 则 1️⃣\\n\\n### ： AI 不 喜 欢 营 销 废 话 ， 只 喜 欢 “ 有 信 息 密 度 的 答 案 ” ​\\n\\n\\n---\\n\\nA I 更 容 易 引 用 的 内 容 特 征 ： ​\\n\\n有 明 确 结 论• 有 事 实 / 数 据 / 逻 辑 支 撑 ​• 能 被 “ 摘 一 句 出 来 仍 然 成 立 ”• 不 容 易 被 引 用 的 内 容 ：\\n\\n宣 传 口 号• 情 绪 化 堆 砌• 空 泛 形 容 词 （ “ 领 先 ” “ 重 磅 ” “ 震 撼 ” ）• 👉 对 电 影 来 说 ： ​\\n\\n**“ 史 诗 巨 制 ” 没 用 ，**\\n\\n**“ 适 合 哪 类 观 众 、 为 什 么 适 合 ” 才 会 被 AI 反 复 引 用 。 ​**\\n\\n### 原 则 2️⃣\\n\\n指 南 非 常 明 确 ：\\n\\nA I 更 容 易 抓 取 “ 开 头 就 回 答 问 题 ” 的 内 容 。 ​\\n\\n推 荐 结 构 ：\\n\\n第 一 段 ： 直 接 回 答 问 题 （ 2 – 3 句 ） ​• 后 面 ： 补 充 解 释 、 细 节 、 延 展• 这 与 很 多 品 牌 内 容 “ 铺 垫 半 天 才 给 结 论 ” 是 反 着 的 。\\n\\n### 原 则 3️⃣\\n\\nA I 在 解 析 内 容 时 ， 更 偏 好 ： ​\\n\\n明 确 的 H 2 / H 3​• 列 表 、 表 格 、 要 点• 问 答 式 结 构• 示 例 （ 推 荐 ） ：\\n\\n**Q ： 这 部 电 影 适 合 谁 看 ？ ​**\\n\\nA ： 如 果 你 是 × × 人 群 ， 可 能 会 更 喜 欢 这 部 电 影 ， 因\\n\\n### 原 则 4️⃣\\n\\n### ： 先 给 答 案 ， 再 给 解 释 （ Quick A n\\n\\n### ： 结 构 化 写 作 ≫ 文 学 性 写 作 ​\\n\\n### ： 标 题 要 像 “ 人 会 问 的 问 题 ” ​\\n\\n### swer First ） ​\\n\\n为 … … ​\\n\\n\\n---\\n\\n这 是 G E O 与 S E O 的 关 键 分 水 岭 ： ​\\n\\nS E O 标 题 ： 关 键 词 导 向 ​• G E O 标 题 ： 问 题 导 向 ​• 例 如 ：\\n\\n❌《 镖 人 ： 一 部 热 血 武 侠 大 片 》 ​• ✅《 没 看 过 原 著 ， 看 《 镖 人 》 会 看 不 懂 吗 ？ 》 ​• A I 更 容 易 把 后 者 当 作 “ 可 直 接 回 答 的 问 题 ” 。 ​\\n\\n### 原 则 5️⃣\\n\\n### ： 权 威 性 与 原 创 性 比 “ 数 量 ” 更 重 要 ​\\n\\n指 南 强 调 ：\\n\\nA I 更 愿意 引 用 原 创 数 据 、 专 业 分 析 、 真 实 经 验 ​• 作 者 署 名 、 机 构 背 景 、 来 源 可 信 度 ， 会 影 响 被 引 用 概 率• 👉 对 电 影 G E O 来 说 ： ​\\n\\n主 创 访 谈• 动 作 设 计 解 析• 幕 后 制 作 说 明• 官 方 观 影 指 南• 都 是 “ 高 权 威 资 产 ” 。\\n\\n### 原 则 6️⃣\\n\\n### ： 规 模 化 更 新 存 量 内 容 ， 比 不 断 写 新 内 容 更 重 要 ​\\n\\n原 文 给 出 非 常 实 用 的 建 议 ：\\n\\n更 新 过 期 信 息• 把 零 散 内 容 合 并 成 “ 权 威 页 ”• 补 齐 新 出 现 的 问 题• 👉 “ 持 续 更 新 + 单 点 权 威 ” ​\\n\\n比 1 0 0 篇 分 散 文 章 更 容 易 被 A I 记 住 。 ​\\n\\n### 三 、 S E O 仍 然 重 要 ， 但 作 用 方 式 已 经 变 了 ​\\n\\n指 南 引 用 多 项 研 究 结 论 （ 简 化 后 ） ：\\n\\nG o o gl e 搜 索 排 名 与 L L M 被 提 及 仍 然 高 度 相 关 ​•\\n\\n\\n---\\n\\n外 链 对 L L M 提 及 的 直 接 影 响 弱 或 中 性 ​• 内 容 类 型 多 样 化 ≠ 一 定 更 好 ​•\\n\\n### 结 论 非 常 清 晰 ： ​\\n\\n**不 要 停 S E O ， 但 要 把 S E O 升 级 为 SE O + G EO ​**\\n\\nS E O 负 责 ： ​\\n\\n可 抓 取• 可 索 引• 基 础 权 威• G E O 负 责 ： ​\\n\\n可 复 述• 可 引 用• 可 推 荐•\\n\\n### 四 、 S c h e m a （ 结 构 化 数 据 ） ： 不 是 银 弹 ， 但 必 须 做 ​\\n\\n指 南 态 度 非 常 理 性 ：\\n\\nS c h e m a 不 会 让 你 “ 立 刻 被 A I 推 荐 ” ， ​\\n\\n但 它 是 “ 机 器 理 解 你 是 谁 ” 的 基 础 设 施 。\\n\\n### 强 烈 建 议 的 Schema 类 型 ： ​\\n\\nO rga n i zat io n （ 品 牌 / 机 构 ） ​• P ro d u ct （ 产 品 / 作 品 ） ​• A r t i c l e （ 文 章 ） ​• Re v i e w （ 评 价 ） ​• FAQ （ 问 答 ） ​• 理 由 ：\\n\\n帮 助 A I 建 立 实 体 关 系 （ E nt ity ） ​• 对 S E O 与 G E O 都 是 长 期 红 利 ​• 很 多 竞 争 对 手 还 没 做 ， 早 做 就 是 护 城 河•\\n\\n### 五 、 P R 在 G E O 时 代 更 重 要 ， 而 不 是 更 不 重 要 ​\\n\\n\\n---\\n\\n这 是 很 多 团 队 的 认 知 误 区 。\\n\\n### 原 文 的 核 心 解 释 （ 非 常 关 键 ） ​\\n\\nA I 的 理 解 路 径 是 ： ​\\n\\nto ke n → e m b e dd in g → 语 义 空 间 → 相 似 度 判 断 ​\\n\\n这 意 味 着 ：\\n\\nA I 会 根 据 “ 你 经 常 和 谁 一 起 被 提 到 ” ​• 来 判 断 你 “ 属 于 哪 个 话 题 / 领 域 ” ​•\\n\\n### PR 的 真 正 价 值 变 成 了 ： ​\\n\\n**把 品 牌 长 期 绑 定 到 “ 正 确 的 语 义 邻 居 ”**\\n\\n不 是 随 便 曝 光 ， 而 是 ：\\n\\n在 对 的 媒 体• 和 对 的 主 题• 反 复 出 现•\\n\\n### GEO 视角 下 的 PR 指 标 ​\\n\\nS h a re o f Vo ice （ 声 量 份 额 ） ​• W e b M e n ti o n s （ 全 网 提 及 ） ​• **主 题 相 关 度 （ 不 是 泛 曝 光 ）•** 👉 对 电 影 来 说 ： ​\\n\\n**“ 被 讨 论 在 什 么 语 境 里 ” 比 “ 讨 论 量 本 身 ” 更 重 要 。**\\n\\n### 六 、 引 用 、 数 据 、 引 述 ： 会 显 著 提 高 被 A I 采 用 的 概 率 ​\\n\\n指 南 引 用 研 究 结 论 ：\\n\\n包 含 统 计 数 据 / 引 用 / 引 述 的 内 容 ​• 在 A I 搜 索 中 可 见 度 明 显 更 高 ​\\n\\n但 也 给 出 重 要 警 告 ：\\n\\n引 用 必 须 可 核 验• 不 能 断 章 取 义• 不 要 编 数 据•\\n\\n\\n---\\n\\n👉 对 电 影 ： ​\\n\\n制 作 数 据• 动 作 镜 头 数 量• 拍 摄 方 式• 主 创 原 话• 都 比 “ 情 绪 词 ” 更 有 价 值 。\\n\\n### 七 、 用 「 自 动 补 全 」 反 推 用 户 真 正 会 问 什 么\\n\\n由 于 P ro m pt 不 可 见 ， 指 南 给 了 一 个 技 巧 ： ​\\n\\n在 A I 里 输 入 ： ​\\n\\n“ Is {b ra n d } … ” ​• “ D o e s { m ov ie } … ” ​• “ Is it wo r t h … ” ​• 看 模 型 自 动 补 全 什 么 。\\n\\n这 些 补 全 词 ， 往 往 就 是 ：\\n\\n高 频 真 实 问 题• 潜 在 风 险 问 题• 决 策 型 问 题•\\n\\n### 八 、 W i k i p e d i a / 知 识 图 谱 ： 高 权 威 入 口 ， 但 要 慎 重 ​\\n\\n### 原 文 核 心 观 点 ​\\n\\nW i k ip e d ia 是 很 多 模 型 的 重 要 训 练 与 引 用 来 源 ​• 进 入 W ik ip e di a ， 往 往 能 进 一 步 进 入 G oogle Know ledge Graph• 但 有 三 大 原 则 ： ​\\n\\n1. 必 须 有 可 靠 第 三 方 来 源 2. 必 须 保 持 中 立\\n\\n3. 必 须 避 免 利 益 冲 突 （ 不 能 自 己 改 ）\\n\\n👉 这 是 长 期 工 程 ， 不 是 短 期 操 作 。 ​\\n\\n\\n---\\n\\n### 九 、 Re d d i t / U G C ： 被 严 重 低 估 的 G E O 战 场 ​\\n\\n指 南 明 确 指 出 ：\\n\\nRe d d it 内 容 被 授 权 用 于 模 型 训 练 ​• 在 A I 搜 索 中 被 大 量 引 用 ​• 可 执 行 策 略 包 括 ：\\n\\n高 质 量 回 答 问 题 （ 不 营 销 ）• 案 例 分 享• A M A​• 与 核 心 用 户 合 作• 👉 对 国 内 环 境 可 类 比 ： ​\\n\\n知 乎• 豆 瓣• 小 红 书 （ 偏 内 容 ）• 贴 吧 / 论 坛 ​•\\n\\n### 十 、 技 术 G E O ： 让 L L M “ 看 得 见 你 ” ​\\n\\n### 关 键 点 ​\\n\\n复 杂 J S 、 强 动 态 页 面 可 能 不 被 完 整 解 析 ​• 尽 量 提 供 可 抓 取 H TM L​• 合 理 配 置 ro b ots .• 关 注 l l m s .• 使 用 J S O N - L D​• **一 句 话 ：**\\n\\n如 果 A I 看 不 见 你 ， 再 好 的 内 容 也 没 用 。 ​\\n\\n### 十 一 、 黑 帽 G E O ： 知 道 就 好 ， 不 要 碰 ​\\n\\n指 南 列 举 了 一 些 研 究 方 向 ：\\n\\nP ro m pt 注 入 网 页 ​• 偏 好 操 纵 文 本•\\n\\ntxt （ 新 趋 势 ） ​\\n\\ntxt​\\n\\n\\n---\\n\\n诱 导 模 型 输 出• 结 论 非 常 明 确 ：\\n\\n**短 期 可 能 有 效 ， 长 期 一 定 被 修 复 并 反 噬 品 牌**\\n\\n### 十 二 、 官 方 C h e c k l ist （ 你 可 直 接 用 ） ​\\n\\n实 体 审 计 （ 品 牌 / 作 品 / 人 物 ） ​• 内 容 加 入 数 据 、 引 用 、 引 述 ​• S E O 升 级 为 S E O + GE O​• 允 许 L L M 抓 取 ​• P R 绑 定 正 确 主 题 ​• U G C 战 略 启 动 ​• 内 容 更 易 读 、 更 直 接 ​• 避 免 关 键 词 堆 砌 ​• 知 识 图 谱 策 略 ​• 不 做 黑 帽 ​•\\n\\n### 十 三 、 F\\n\\n指 南 的 回 答 非 常 重 要 ：\\n\\n回 答 会 波 动 ， 但 长 期 出 现 的 品 牌 集 合 相 对 稳 定 。\\n\\n也 就 是 说 ：\\n\\n排 名 可 能 小 幅 变 化• 但 谁 “ 在 不 在 答 案 里 ” ， 差 异 很 大• **越 早 进 入 答 案 体 系 ， 后 面 越 容 易 留 下 来 。**\\n\\n## 📌\\n\\n## 第 3 部 分 一 句 话 总 结 ​\\n\\n**G E O 的 本 质 不 是 “ 操 纵 A I ” ， ​**\\n\\n**而 是 持 续 向 A I 提 供 ： 可 信 、 结 构 化 、 可 复 述 、 被 反 复 引 用 的 信 息 。 ​**\\n\\n非 常 好 的 追 问 ， 而 且 你 这 个 问 题 本 身 就 暴 露 了 一 个 关 键 事 实 👇\\n\\n👉 这 份 G E O 指 南 在 原 文 里 其 实 没 有 一 个 明 确 标 注 为 “ Part 4 ” 的 章 节 ， ​\\n\\n### AQ ： A I 回 答 会 变 ， G E O 有 意 义 吗 ？ ​\\n\\n​\\n\\n\\n---\\n\\n但 在 结 构 逻 辑 上 ， 确 实 存 在 一 个 “ 隐 含 的 第 4 部 分 ” 。 ​\\n\\n这 也 是 很 多 人 读 英 文 版 时 容 易 忽 略 、 但 对 “ 落 地 与 决 策 ” 最 重 要 的 一 部 分 。\\n\\n## ✅\\n\\n## 先 帮 你 “ 对 齐 认 知 ” ： 什 么 是 「 第 4 部 分 」 ​\\n\\n在 原 始 《 O tte r l y A I GE O Gu id e 》 中 ： ​\\n\\n**Pa r t 1 ： 为 什 么 A I 搜 索 来 了 （ 环 境 变 化 ） ​•** **Pa r t 2 ： G E O 是 什 么 、 怎 么 衡 量 （ 指 标 与 监 测 ） ​•** **Pa r t 3 ： 怎 么 做 G E O （ 内 容 / P R / 技 术 / U G C / 风 控 ） ​•** 👉 Pa r t 4 并 不 是 一 个 单 独 标 题 的 章 节 ， ​\\n\\n而 是 散 落 在 全 文 后 半 段 与 F\\n\\n1️⃣ G E O 要 不 要 做 ？ ​\\n\\n2️⃣ 什 么 时 候 开 始 做 ？ ​\\n\\n3️⃣ 是 一 次 性 项 目 ， 还 是 长 期 系 统 ？ ​\\n\\n4️⃣ 怎 么 把 G E O 变 成 公 司 / 团 队 可 持 续 能 力 ？ ​\\n\\n我 下 面 做 的 ， 就 是 —— ​\\n\\n**把 原 文 中 “ 隐 含 的 第 4 部 分 ” 完 整 抽 取 、 重 组 、 忠 实 翻 译 成 一个 清 晰 的 「 第 4 部 分 」 中**\\n\\n## 📄\\n\\n## 文 件 4 （ 中 文 译 本 4/ 4 ） ​\\n\\n### —— G E O 的 落 地 节 奏 、 组 织 方 式 与 长 期 价 值 （ 原 文 整 合 翻 译 ） ​\\n\\n本 部 分 不 是 “ 新 方 法 ” ，\\n\\n而 是 作 者 在 全 文 中 反 复 强 调 、 但 只 在 结 尾 才 说 清 楚 的 战 略 结 论 。 ​\\n\\n### 一 、 G E O 是 不 是 短 期 红 利 ？ 会 不 会 很 快 失 效 ？ ​\\n\\n这 是 原 文 F\\n\\n### 原 文 核 心 结 论 （ 直 译 逻 辑 ） ​\\n\\nA I 的 答 案 会 变 化 ， ​\\n\\n但 长 期 反 复 出 现 的 品 牌 、 来 源 与 观 点 ， 是 相 对 稳 定 的 。 ​\\n\\n### 换 成 更 直 白的 话 ： ​\\n\\n今 天 A I 回 答 可 能 有 波 动 ​•\\n\\nAQ 中 被 问 最 多 的 问 题 之 一 。 ​\\n\\nAQ 、 Ch e c k li st 、 C on clu s io n 中 的 一个 综 合 层 ， 核 心 回 答 4\\n\\n个 问 题 ： ​\\n\\n**文 版 。 ​**\\n\\n\\n---\\n\\n但 * * “ 谁 在 答 案 体 系 里 ” ** ， 不 是 随 机 的 ​• 先 进 入 答 案 心 智 的 品 牌 ， 会 获 得 明 显 的 路 径 依 赖 优 势• 👉 这 和 早 期 S E O 非 常 像 ： ​\\n\\n早 做 S E O 的 网 站 ， 占 据 了 10 年 红 利 ​• 早 进 入 A I 答 案 体 系 的 品 牌 ， 也 会 形 成 “ 被 默 认 引 用 ”•\\n\\n### 二 、 G E O 应 该 什 么 时 候 开 始 做 ？ （ 原 文 态\\n\\n原 文 给 了 一 个 非 常 强 烈 的 信 号 ：\\n\\n**G E O 的 最 佳 启 动 时 间 ， 是 “ 在 它 被 证 明 有 效 之 前 ” 。 ​**\\n\\n为 什 么 ？\\n\\n### 因 为 当 前 阶 段 具 备 3 个 典 型 特 征 ： ​\\n\\n1. **竞 争 尚 未 饱 和 （ 大 多 数 公 司 还 没 系 统 做 ）**\\n\\n2. **规 则 仍 在 演 化 （ 先 行 者 更 容 易 占 位 ）**\\n\\n3. **高 权 威 来 源 还 没 被 “ 写 死 ”**\\n\\n👉 一 旦 ： ​\\n\\nA I 搜 索 成 熟 ​• 答 案 模 板 固 化• 引 用 来 源 稳 定• 后 进 入 者 的 成 本 会 急 剧 上 升 。\\n\\n### 三 、 G E O 是 一 次 性 项 目 ， 还 是 长 期 工 程 ？\\n\\n原 文 结 论 非 常 明 确 （ 而 且 很 重 要 ） ：\\n\\n**G E O 不 能 被 当 成 ca m pa i g n ， ​**\\n\\n**而 应 该 被 当 成 一 套 “ 持 续 运 营 的 能 力 ” 。**\\n\\n### 为什么不 能 一 次 性 做 完 ？ ​\\n\\nP ro m pt 在 变 ​• 问 题 在 变• 竞 品 在 变• A I 的 推 荐 逻 辑 在 变 ​•\\n\\n的 地 位 ​\\n\\n### 度 非 常 明 确 ） ​\\n\\n### ​\\n\\n\\n---\\n\\n👉 但 有 一 个 东 西 是 不 变 的 ： ​\\n\\n**A I 会 持 续 偏 好 ： 可 信 、 结 构 化 、 被 反 复 验 证 的 来 源 ​**\\n\\n这 正 是 G E O 能 “ 越 做 越 值 钱 ” 的 原 因 。 ​\\n\\n### 四 、 一 个 “ 成 熟 G E O 体 系 ” 的 样 子 （ 原 文 隐 含 模 型 ） ​\\n\\n综 合 全 文 ， 作 者 实 际 上 给 出 了 一 个 G E O 成 熟 度 模 型 ： ​\\n\\n### Level 1 ｜ 被 动 可 见 ​\\n\\n偶 尔 被 A I 提 到 ​• 没 有 监 测• 不 知 道 为 什 么 出 现 / 消 失 ​•\\n\\n### Level 2 ｜ 可 监 测 ​\\n\\n有 问 题 库• 有 提 及 率 / 引 用 率 ​• 能 看 懂 竞 品 差 异•\\n\\n### Level 3 ｜ 可 干 预 ​\\n\\n能 通 过 内 容 / 引 用 / P R 影 响 答 案 ​• 能 修 正 跑 偏• 能 应 对 争 议•\\n\\n### Level 4 ｜ 可 运 营 （ 终 极 状 态 ） ​\\n\\n有 持 续 问 题 演 进 机 制• 有 答 案 资 产 库• 有 跨 部 门 协 作 （ 内 容 / PR / 技 术 ） ​• G E O 成 为 “ 品 牌 基 础 设 施 ” ​• 👉 指 南 明 确 暗 示 ： 真 正 有 价 值 的 是 Leve l 3 – 4 。 ​\\n\\n### 五 、 G E O 在 组 织 里 的 正 确 位 置 （ 这 是 很 多 公 司 会 走 偏 的 点 ） ​\\n\\n原 文 并 不 建 议 ：\\n\\n把 G E O 只 交 给 SE O​•\\n\\n\\n---\\n\\n或 只 交 给 内 容 编 辑•\\n\\n### 原 因 很 简 单 ： ​\\n\\nG E O 同 时 涉 及 ： ​\\n\\n内 容• P R​• 技 术• 品 牌• 数 据 监 测• 👉 G E O 是 一 个 “ 横 向 能 力 ” ， 而 不 是 单 点 职 能 。 ​\\n\\n更 合 理 的 方 式 是 ：\\n\\n一 个 G E O ow n e r （ 负 责 策 略 与 指 标 ） ​• 多 个 协 作 角 色 （ 内 容 / PR / 技 术 / 法 务 ） ​•\\n\\n### 六 、 G E O 成 功 与 失 败 的 分 水 岭 （ 原 文 警 告 ） ​\\n\\n原 文 给 了 一 个 非 常 重 要 的 风 险 提 示 ：\\n\\n很 多 团 队 失 败 ， 不 是 因 为 方 法 错 ，\\n\\n而 是 因 为 过 度 追 求 短 期 操 纵 ， 而 不 是 长 期 可 信 度 。 ​\\n\\n典 型 失 败 信 号 包 括 ：\\n\\n过 度 堆 砌 关 键 词• 试 图 “ 骗 模 型 ”• 不 重 视 引 用 来 源• 不 做 风 险 边 界 （ 争 议 问 题 乱 答 ）• 👉 这 些 方 法 可 能 短 期 有 效 ， ​\\n\\n但 长 期 一 定 会 被 平 台 修 复 ， 甚 至 伤 害 品 牌 。\\n\\n### 七 、 作 者 给 出 的 最 终 结 论 （ 原 文 精 神 翻 译 ）\\n\\nG E O 的 本 质 ， 不 是 “ 控 制 A I 说 什 么 ” ， ​\\n\\n而 是 让 A I 在 总 结 世 界 时 ， 无 法 绕 开 你 。 ​\\n\\n换 成 一 句 更 商 业 的 话 ：\\n\\n**未 来 的 品 牌 竞 争 ， 不 只 是 “ 用 户 记 不 记 得 你 ” ，**\\n\\n\\n---\\n\\n**而 是 “ A I 在 回 答 问 题 时 ， 会 不 会 默 认 提 到 你 ” 。 ​**\\n\\n## 📌\\n\\n## 第 4 部 分 一 句 话 总 结 （ 非 常 重 要 ） ​\\n\\n**G E O 不 是 一 波 红 利 ， 而 是 一 套 新 基 础 设 施 。 ​**\\n\\n**越 早 把 它 做 成 系 统 ， 越 早 成 为 A I 世 界 里 的 “ 默 认 答 案 ” 。 ​**\\n\\n### 🧠\\n\\n### 对 你 当 前 项 目 （ 电 影 G E O ） 的 直 接 意 义 ​\\n\\n把 这 第 4 部 分 翻 译 成 电 影 语 言 ， 其 实 就 是 一 句 话 ： ​\\n\\n**电 影 G E O 不 是 “ 为 一 部 片 子 做 一 次 优 化 ” ， ​**\\n\\n**而 是 为 片 方 建 立 “ 在 A I 世 界 中 被 持 续 推 荐 的 能 力 ” 。 ​**\\n\\n这 正 好 和 你 前 面 提 出 的 ：\\n\\n动 态 G E O​• 竞 品 对 抗• 宣 发 作 战 室• S o A 指 标 ​• 是 完 全 同 一 条 逻 辑 线 。\\n\"}]"}}
{"timestamp":"2026-04-10T15:08:46.989Z","type":"response_item","payload":{"type":"function_call_output","call_id":"call_SvkP67i67VESDNVDtxK9xogb","output":"[{\"type\":\"text\",\"text\":\"**CAAC&明略科技-2025年中国GEO行业发展报告-251022(2)**\\nType: pdf | Tags: none | Version: 0 | Updated: 2026-04-09 | Pages: 50\\n[View in Supavault](http://localhost:3000/wikis/rao1116s-wiki/CAAC&明略科技-2025年中国GEO行业发展报告-251022(2).pdf)\\n\\n---\\n\\n报告指导单位\\n\\n报告出品单位 2025/10/22\\n\\n\\n---\\n\\n# 前 言\\n\\n人工智能技术的飞速发展正以前所未有的力度重塑全球商业生态与营销格局。AI已不 仅是提升效率的工具，更逐渐演进为一种关键的媒介触点和消费决策影响者，渗透至用户从 认知到购买的全链旅程。随着生成式AI、大语言模型等技术在搜索、推荐、内容生成等场景 的深度应用，品牌与消费者的交互方式发生根本性变革。在这一过程中，“AI能否正确认知 并推荐我的品牌”已成为每一个广告主和品牌方必须面对的新兴命题，GEO（生成式引擎 优化 ）也因此应运而生。\\n\\n面对这一趋势，2025年中国市场快速涌现出一批专注于提升AI对品牌认知的GEO优 化服务商，它们以技术为驱动，试图帮助品牌在AI主导的消费者交互环境中建立认知优势、 提升商业可见性。然而，行业的快速发展亦伴随着诸多挑战。目前，针对GEO的测量与优 化尚未形成科学、统一的行业标准，缺乏共识性的指标体系与评估框架。同时，部分从业主 体在实践过程中存在急功近利的行为，导致“刷排名、信息污染、虚假传播”等乱象滋生， 不仅降低消费者对AI的信任度，更扰乱了市场秩序、损害品牌长期价值。\\n\\n为顺应市场发展趋势、服务于企业（广告主、品牌方）的切实需求，同时推动GEO行业 走向透明、科学、健康的可持续发展道路，在中国商务广告协会指导下，中国商业广告协会 AI营销应用工作委员会特别委托明略科技集团，组织编撰《2025年中国GEO行业发展报 告》。本报告旨在通过系统分析当前市场AI发展情况、AI认知品牌的机制、GEO生态，提 出基于实证的AI认知测量与优化方法，构建科学的指标体系，并倡议建立符合行业共同利益 的行动规范。\\n\\n感谢以下公司参与GEO发展研讨、贡献行业观察，并成为中国GEO行业发展标准与规 范倡议的首批企业，它们是：华润三九、WPP Media、宏盟媒体集团（中国）卓越技术中 心、阳狮集团、电通、微博、知乎、明略科技秒针系统、夜莺科技、新锶科技、氧气科技、 PureblueAI清蓝、源易信息。\\n\\n我们期望，通过本报告的发布，能够为GEO相关的品牌方、技术服务商、媒体平台及 研究者提供清晰、可靠的行动参考，共同构建健康、可信、高效的AI营销环境，为中国 GEO行业奠定科学基础。\\n\\n中国商业广告协会AI营销应用工作委员会 2025年10月\\n\\n\\n---\\n\\n|  |  | 目 | 录 |  |\\n|---|---|---|---|---|\\n| AI |  |  | 时代，消费者决策变 | 迁 |\\n|  |  | 演进中的营销概念 | |  |\\n| 了解 | AI |  | 模型的认知特点 | |\\n| GEO |  |  | 的科学测量标准 |  |\\n| GEO |  | 行业倡议 |  |  |\\n\\n## 01\\n\\n## 02\\n\\n## 03\\n\\n## 04\\n\\n## 05 3\\n\\n目 录 AI 时代，消费者决策变 了解 AI 模型的认知特点 GEO 的科学测量标准 GEO 行业倡议0YAZpQnOsOmPrOnMyQvNmR6MbP7NpNpPpNqNeRpOrQlOqQmRbRoPnMvPnNyRxNtQrQ\\n\\n\\n---\\n\\n|  |  | 01 |\\n|---|---|---|\\n|  | AI时代，消费 | 者决策变迁 |\\n|  | •2025年AI平台发展情况 |  |\\n|  | •AI对消费者的全面影响 |  |\\n|  | •AI对媒介生态环境的影响 |  |\\n\\n\\n---\\n\\nrm0CJYbYs81ku32EMwgh94TsztjwKtfQOzaq4NwmMjuL1fqdv/yoUg/AUmWm5nCF\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# 2025年AI平台发展情况\\n\\n从2022年度Chat gpt在全球引爆人工智能的热潮之后，经过2年多的发展，人工智能（以 下简称AI）产品的用户规模和影响力不断增长。到了2025 年，AI 产品在全球的普及程度 达到了前所未有的高度，已然成为人们日常网络应用，数字生活中不可或缺的部分。\\n\\n全球市场中，ChatGPT 的用户规模呈现出爆发式增长， 每周活跃用户数在2025 年 2 月 攀升至 4 亿 。从 1 亿增长到 2 亿耗时 9 个月，而从 2 亿增长到 4 亿只用了不到半年 。过 去一年间ChatGPT 的移动应用程序的用户每月维持着 5% - 15% 的稳定增长。\\n\\n与此同时，中国的 AI 应用市场同样发展迅猛。中国互联网络信息中心（CNNIC）第 55  次《中国互联网络发展状况统计报告》表明，截至 2024 年 12 月，我国生成式人工智能 产品的用户规模达 2.49 亿人，占整体人口的 17.7% 。\\n\\n到 2025 年 7 月，国家网信办披露，中国大模型应用的个人用户注册总数已突破 31 亿大 关，API 调用用户数达 1.59 亿，完成备案的大模型数量突破 490 款，覆盖了文本、图像、 视频、音频等全场景。这一系列数据都充分证明，AI 产品在全球范围内的普及程度正与日 俱增。\\n\\n下图为AI原生APP月活用户数，到2025年8月已达到2.7亿人。\\n\\nAI原生APP月活跃用户数（万） 万人 27654 30000 26916 26597  25504\\n\\n25000\\n\\n20000\\n\\n13350  15000  10495\\n\\n7898 7600 10000  5877 5103\\n\\n5000\\n\\n0 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 . . . . . . . .. . . . . . . . . . . . 1 2 3 4 5 6 7 81 2 3 4 5 6 7 8 9 1 1 10 1 2\\n\\n数据来源：数据由COE@OMG整理提供，AI原生App是以人工智能技术为驱动核心，深度整合AI技术，重新设计和构建的App\\n\\n第 5 页\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# 2025年AI平台发展情况\\n\\n当前的AI平台生态是一个快速变化的市场，基于最新的2025年8月数据，用户规模排名 前五的AI原生APP是：豆包、DeepSeek、元宝、KIMI、即梦AI。\\n\\n|  |  |  | 人均单日使用时长 |\\n|---|---|---|---|\\n| APP名称 | 用户规模（万） | 人均单日使用次数 |  |\\n|  |  |  | （分钟） |\\n\\n豆包\\n\\nDeepSeek\\n\\n腾讯元宝\\n\\nKimi\\n\\n即梦AI\\n\\n豆包爱学\\n\\n快对AI\\n\\n文小言\\n\\n星野\\n\\nAQ\\n\\n纳米AI\\n\\n通义\\n\\n猫箱\\n\\nLovekey\\n\\n星绘\\n\\n数据来源：数据由COE@OMG整理提供，.AI原生App是以人工智能技术为驱动核心，深度整合AI技术，重新设计和构建的App\\n\\n月活跃用户数TOP15的AI原生APP 3,297\\n\\n955\\n\\n891\\n\\n609\\n\\n558\\n\\n506\\n\\n392\\n\\n374\\n\\n322\\n\\n300\\n\\n254\\n\\n230\\n\\n228\\n\\n（2025年8月）\\n\\n15,742\\n\\n14,366\\n\\n第 6 页 4.8\\n\\n5.4\\n\\n5.2\\n\\n4.6\\n\\n7.1\\n\\n4.0\\n\\n6.5\\n\\n4.2\\n\\n15.7\\n\\n2.9\\n\\n3.6\\n\\n4.9\\n\\n21.9\\n\\n5.6\\n\\n7.6\\n\\n10\\n\\n10\\n\\n10\\n\\n8\\n\\n11\\n\\n9\\n\\n22\\n\\n8\\n\\n77\\n\\n3\\n\\n6\\n\\n10\\n\\n135\\n\\n9\\n\\n12\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# 主流AI应用特征分析\\n\\n### 主流AI原生APP特点不同，在多模态能力，常见应用场景上都各有侧重。\\n\\n### 公司\\n\\n### 主要\\n\\n### 特点\\n\\n### 多模态\\n\\n### 能力\\n\\n### 常见\\n\\n### 应用\\n\\n### 场景\\n\\n数据来源：数据由COE@OMG整理提供\\n\\n### 主流AI应用特点、多模态能力和常见应用场景对比\\n\\n豆 包\\n\\n字节跳动 - 多模态交 互能力\\n\\n- 拟人化交 互体验\\n\\n- 可创建智 能体\\n\\n- 文本\\n\\n- 文件\\n\\n- 图像\\n\\n- 语音\\n\\n- 视频\\n\\n- 内容创作\\n\\n- 文案生成\\n\\n- 社交媒体 内容优化\\n\\n- 虚拟角色 对话\\n\\nDeep Seek\\n\\n深度求索 - 可本地部署\\n\\n- 已开源\\n\\n- 思维逻辑链 较好\\n\\n- 文本\\n\\n- 文件\\n\\n- 图片\\n\\n- 编程辅助\\n\\n- 文档处理学 习辅导\\n\\n- 商业数据分 析、方案策 划\\n\\n腾讯元宝\\n\\n腾讯\\n\\n- 可灵活切换 多种大模型\\n\\n- 腾讯生态集 成能力：无 缝对接微信、 QQ\\\\腾讯文 档等平台的 资源 - 文本\\n\\n- 文件\\n\\n- 图片\\n\\n- 编程辅助\\n\\n- 创意写作\\n\\n- 办公辅助、 文档处理\\n\\nKimi\\n\\n月之暗面科 技 - 长文本处理 能力突出\\n\\n- 知识储备广 泛，提供多 个领域的信 息和建议 - 文本\\n\\n- 文件\\n\\n- 图片\\n\\n- 学习辅导\\n\\n- 知识库问答： 可上传文档， 基于知识库 进行问答 - 创意写作\\n\\n- 语言翻译， 多种语言互 译\\n\\n文小言\\n\\n百度 - 可创建智能 体\\n\\n- 可灵活切换 多种大模型 - 方言与情感 交互\\n\\n- 文本\\n\\n- 文件\\n\\n- 图像\\n\\n- 语音\\n\\n- •创意写作\\n\\n- 富媒体搜索 边拍边问\\n\\n- 虚拟角色对 话\\n\\n，\\n\\n通义\\n\\n阿里巴巴 - 支持多种语 言\\n\\n- 代码写作、 辅助应用开 发能力强 - 文本\\n\\n- 文件\\n\\n- 图像\\n\\n- 语音\\n\\n- 视频\\n\\n- 编程辅助\\n\\n- 智能客服与 对话机器人 - 学习辅导\\n\\n- 创意写作\\n\\n- 企业知识管 理，可对接 企业内部文 档库\\n\\n\\n---\\n\\n| 《2025年 | | 中国GEO行业发展报告》 |  |  |  |  |\\n|---|---|---|---|---|---|---|\\n|  |  |  |  | 越来越多消费者被动受AIGC内容影响 | | |\\n|  |  |  | 无论全球，还是中国的媒体中，大量内容创作者在用AI生成内容 | | |  |\\n|  |  |  |  | CNNIC《生成式人工智能应用发展报告（2024）》中显示：近2/3的用户使用LLM服务 | | |\\n|  |  |  |  | 来回答问题，而1/3的用户将其视为工作助手。中国抖音、快手等平台的内容中约30%涉 | | |\\n|  | 及AI生成。 |  |  |  |  |  |\\n|  | Activate | Technology | & | Media《2024年科技与媒体展望》 | | 报告中显示：60%的内容 |\\n|  |  |  |  | 创作者已采用生成式AI技术，该报告预测，2025年AI在内容生产中的渗透率将突破 | | |\\n|  | 80%。 |  |  |  |  |  |\\n|  |  | 社媒上用AI内容引流的内容 |  |  |  | 平台甄别AI内容 |\\n| 数据来源： |  | CNNIC《生成式人工智能应用发展报告（2024）》， | | Activate Technology | & | Media《2024年科技与媒体展望》 |\\n|  |  |  |  | 第 8 页 |  |  |\\n\\n《2025年 中国GEO行业发展报告》 Activate Technology & Media《2024年科技与媒体展望》 报告中显示：60%的内容 数据来源： CNNIC《生成式人工智能应用发展报告（2024）》， Activate Technology & Media《2024年科技与媒体展望》\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# 当前消费者对人工智能已有高信任度\\n\\n中国消费者在AI环境下，对人工智能已经有了较高的信任度。2025年知乎研究员 《 AI 驱 动消费决策｜营销变革白皮书》数据显示，已有超过8成用户通过AI获取消费信息，近 35%消费者每日高频互动，说明消费者向AI咨询消费类问题已经成为日益主流的行为。\\n\\n| 82.98%的用户近三个月已经通 |  | 近35%的用户每天都会多次使用AI进行 |\\n|---|---|---|\\n| 过AI搜索了解消费品相关信息 |  | 消费咨询（占比最高）；而每周使用AI |\\n|  |  | 三次及以上的用户总数已超7成 |\\n| 否, |  |  |\\n| 16.70 |  |  |\\n|  |  | 27% |\\n| % |  |  |\\n|  |  | 35% |\\n|  |  | 每周少于3次 |\\n| 是, |  |  |\\n|  |  | 每周3-5次 |\\n| 83% |  | 7% |\\n|  |  | 每天1次 32% |\\n|  |  | 每天多次 |\\n\\nAI帮消费者在纷杂信息中快速梳理出关键信息点（优缺点/技术优势/热卖爆款），节省大量浏览时长\\n\\n数据来源：2025年Q2《 AI 驱动消费决策｜营销变革白皮书（知乎研究院）》\\n\\n第 9 页\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# 2025年， AI不断渗透消费者决策\\n\\nAI加速消费者决策路径从传统线性模式到AI驱动型范式的根本性重构。\\n\\n过去遵循AIDMA（注意-兴趣-欲望-记忆-行动）或AISAS（注意-兴趣-搜索-行动-分 享）的线性路径，如今被AIGEO模型（AI询问-信息生成-评估整合-优化决策）更加颠覆 ‌ （1）（2）\\n\\n转变的核心在于生成式AI成为决策链路的“中枢神经”——消费者不再通过主动搜索获取 信息，而是直接向AI助手提问，依赖其生成的推荐方案完成购买决策。 ‌ 的消费者会在结账前要求AI审核购物车，而AI推荐商品的复购率比传统方式高27%，决策 周期从3.2天缩短至2.1小时 ‌。\\n\\n品牌能否被AI正确理解与推荐，已成为影响消费者选择的关键因素。\\n\\n决 策 链 条 的 重 构\\n\\n过去，消费者依赖广告、口碑和价格等 外部因素作出选择，而如今，AI推荐逐 渐取而代之。越来越多的用户倾向于直 接接受AI生成的结果，并将其视为更具 可信度的参考。这种变化使AI推荐成为 新的“信任背书”，品牌在GEO层面 的表现，直接决定其是否能进入消费者 的优先考虑范围。\\n\\nGEO不仅是提升曝光的工具，更是重塑消费者决策机制的基础设施。品牌必须通过结构 化、权威性和可验证的信息来强化自身认知，确保AI能够准确理解和推荐。同时，未来的 消费者决策将更具碎片化和价值导向特征。随着AI助手、智能家居和车载系统的普及，购 买行为可能随时触发；而环保与社会责任等价值指标，也将逐渐纳入AI推荐逻辑，成为影 响排序的重要维度。\\n\\n总体来看，消费者的决策变迁本质上是一场品牌与AI之间的“认知博弈”。谁能在AI的认 知体系中占据优势，谁就能在未来市场竞争中获得主动权。\\n\\n数据来源：阳狮集团整理 1-海鹦云GEO 2-腾讯云 3- GEO氧气科技\\n\\n（3）（4）14%\\n\\n个 性 化 与 依 赖 性 增 强\\n\\nAI通过整合消费记录、社交数据和情 绪语境，为用户生成高度个性化的选 项，大幅减少了传统的比较环节。这 种模式不仅显著提升了决策效率，也 让消费者更便捷地找到符合自身需求 的选择。同时，如果推荐逻辑缺乏透 明度或被不当优化干扰，仍可能导致 判断失准，并对AI生态的长期信任带 来挑战。\\n\\n第 10 页\\n\\n阳 狮 提 供\\n\\n。\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# 中国消费者“AI\\n\\n受到数字化环境和AI产品影响，中国 消费者对AI的态度更加积极。\\n\\n如右图，斯坦福大学HAI和益普索的全 球调研显示，中国消费者对““使用 人工智能的产品和服务利大于弊”的 认同态度远超过美国。”\\n\\n如下图，贝恩《双十一前瞻》（2024 年10月）数据中，中国消费者对AI的 信任度更高于美国和欧洲。 美国公关公司爱德曼发布的调查研究 数据显示72%的中国受访者表示信任 人工智能，而这一比例在美国仅为 32%。\\n\\n数据来源：贝恩咨询 2024年\\n\\n# 信任”全球领先\\n\\n“使用人工智能的产品和服务利大于弊” 2022-2024，斯坦福大学HAI和益普索\\n\\n注：N = 19,504 名来自 28 个国家的 16 ‑ 源：Ipsos，“AI Monitor 2024” （ 6/24 ），引自 Nestor  Maslej et al., ‘The AI Index 2025 Annual Report,’ AI  Index Steering Committee, Stanford HAI (4/25)\\n\\n第 11 页 74 岁在线成 年 人。来\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# AI是下一时代核心媒介，带动营销预\\n\\n# 算转移\\n\\n在大众传播时代，核心媒介是以央视，卫视为代表的电视媒体，占据企业大部分广告预算。 在PC互联网时代，核心媒体是以爱奇艺，腾讯视频为代表的在线视频媒体，以百度为代 表的搜索引擎，这些媒体吸引了大流电视广告预算向互联网转移。 在移动互联网时代，核心媒体是社交媒体，从微博-短视频，从展示的常规广告到多形态 的营销形式，社交媒体获得了企业更多的营销预算。 在AI时代，人工智能必将成为下一个时代级的核心媒介，并快速带来营销预算的转移。\\n\\n1990-2012年\\n\\n电视\\n\\n观察2024-2025年中国的数字媒介生态可以发现，人工智能已从工具进化为媒体生态的核 心基础设施，媒体的智能化程度决定未来媒体的竞争力。 AI技术正在重塑国产化AI的内容产品，如字节跳动、百度、阿里、腾讯等巨头布局AI内容 创作，涵盖知识科普、客服、内容生产等多个领域。 所有的头部媒体也都在基于自研大模型中不断扩展能力边界。\\n\\n| 微信2025接入DeepSeek，推出AI搜索功 |  | 2025年2月微博接入DeepSeek， |\\n|---|---|---|\\n| 能，支持快速问答和深度思考模式。 |  | AI助力信息查询新体验 |\\n\\n2010年-2020年\\n\\n在线视频/搜索 2011年-2025年\\n\\n社交媒体/搜索\\n\\n第 12 页 2025年-2030年\\n\\nAI\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# AI正在改写媒体商业模式：搜索\\n\\n2025年开始，使用搜索引擎的消费者发现，搜索结题的内容除了核心搜索词链接以下，还 在链接上面，增加了基于“意图理解”的综合的回答结果。 研究预测，2024年美国和欧洲市场的谷歌搜索中将有近60%的用户搜索后不再进一步点 击网站，原因是AI的Overview功能可直接抓取网页内容，给出提炼后的答案。 0点击搜索时代来临，搜索广告模式受到挑战。零点击搜索指的是 ⽤ 户在 AI 搜索结果 ⻚⾯ 直接获得所需信息。\\n\\nGoogle AI 生成摘要上线后 有机点击率下降 20%-40% AI 搜索总量增长 20%，但点击未同步增加\\n\\n媒体搜索场景下的内容呈现的改变为“无排名综合索引”模型，这对内容创作者和企业都 提出了新挑战。在“无排名综合索引”中排名如何？如何衡量内容对AI是否可见？如果提 升AI的可见？这些问题亟需解决。\\n\\n- 内容综合-AI模型将基于推理，重新组织语言输出整体内容。\\n- 内容改写-AI会重新改写抓取或学习的内容，标题、摘要变的不可控。\\n- 没有排名-所有的来源都会通过索引的方式呈现\\n- 没有广告位-媒体广告位数量将大幅降低。\\n\\n数据来源：2025年谷歌SEO趋势分析与预测 [https://www.teamone.cn/2025-google-seo-trends/](https://www.teamone.cn/2025-google-seo-trends/)\\n\\n第 13 页\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# AI正在改写媒体商业模式：电商\\n\\n在电商平台，同样的变化也在发生。 众多电商平台在积极使用AI助手，帮助顾客从问题出发直接推荐合适商品。淘宝推出了小 淘，京东有京言AI助手，抖音也有购物助手。电商平台正在探索通过消费者与AI工具对话 发现需求并推荐商品。 然而，一旦AI购物模式代替了现有的消费者“浏览+搜索+对比”的购物方式，也一定会对 电商的商业化模式产生巨大影响。现有的电商引流路径，商品推荐逻辑，以展示和排名为 核心价值的广告模型，都将受到挑战。 在新的模式下，如何重构电商营销生态？这或将成为电商未来必须面对的问题。可能带来 机遇也可能带来挑战。\\n\\n第 14 页\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# AI对品牌的认知的重要性提上日程\\n\\n一方面，我们看到，AI所认知的品牌，和大家所熟悉的消费者认知的品牌，可能存在差异。 品牌通过消费者调研等方式，了解自身在消费者中的“品牌资产表现”，而品牌在AI认知 中的表现，则也需要有科学量化的方法。 我们看到，一些品类中，AI认知的品牌排行中，会出现一些小众品牌，AI做为一个新的领 域，有可能为新锐品牌和小众品牌带来新的机会。\\n\\n另一方面：人工智能对品牌的认知，存在错误、偏差、负面。未经科学优化的AI认知，给 企业和品牌带来不可预估的灾难。\\n\\n品牌认知偏差\\n\\n品牌推荐度低\\n\\n消费者负面反馈\\n\\n竞争对手夸大\\n\\n行业安全问题\\n\\n社会责任低\\n\\n…………\\n\\n第 15 页\\n\\n\\n---\\n\\n|  |  | 02 |  |\\n|---|---|---|---|\\n|  |  | 演进中的营 | 销概念 |\\n|  | •对比AI带来的营销概念变化 | |  |\\n|  | •梳理GEO的应用场景 | |  |\\n|  | •预测GEO市场规模 |  |  |\\n\\n\\n---\\n\\n| 《2025年 |  | 中国GEO行业发展报告》 | |  |  |  |  |  |  |  |  |\\n|---|---|---|---|---|---|---|---|---|---|---|---|\\n|  |  |  |  |  | 数字营销→AI营销时代的概念变迁 | | | | | |  |\\n|  |  |  |  | 数 字 | 营 销 | 时 代 的 | 传 统 概 | 念 |  |  |  |\\n|  | 搜索引擎营销（SEM，Search | |  | Engine |  | Marketing） | |  |  |  |  |\\n|  |  |  | SEM搜索引擎营销是借助搜索引擎平台开展的整体营销活动，广义上包含 | | | | | |  | SEO（自然搜索优化）与 | PPC |\\n|  |  |  |  |  |  | （付费搜索广告）两大核心板块，狭义上有时仅指代付费搜索广告。其目标是通过优化搜索结果曝光，提升 | | | | | |\\n|  |  |  | 品牌在搜索引擎中的可见度，最终引导用户完成点击、转化等行为。SEM | | | | | 强调 | “付费 | + 免费” | 结合的策 |\\n| 略，既能通过 | PPC |  |  | 快速抢占核心关键词排名，又能通过 | | | SEO |  |  | 构建长期流量基础，同时需结合关键词分析、 | |\\n|  |  |  | 竞争对手监测、转化路径优化等手段，实现营销效果最大化。 | | | |  |  |  |  |  |\\n|  | 搜索引擎优化（SEO，Search | |  | Engine |  | Optimization） | |  |  |  |  |\\n|  |  |  |  |  |  | SEO搜索引擎优化是通过优化网站结构、内容质量、关键词布局及外部链接等手段，提升网站在搜索引擎自 | | | | | |\\n|  |  |  |  |  | 然搜索结果中排名的营销策略。其核心目标是获取免费、长期的精准流量，而非依赖付费广告。SEO | | | | | | 需遵 |\\n|  |  |  |  |  |  | 循搜索引擎算法规则，涵盖技术优化（如网站加载速度、移动端适配）、内容优化（如创作优质原创内容、 | | | | | |\\n|  |  |  |  |  |  | 合理植入关键词）及外链建设等维度。优势在于流量稳定性强、用户信任度高，但见效周期较长，需持续优 | | | | | |\\n|  | 化以应对算法更新。 |  |  |  |  |  |  |  |  |  |  |\\n|  |  | 按点击付费广告（PPC，Pay-Per-Click） | | | |  |  |  |  |  |  |\\n|  |  |  |  |  |  | PPC是一种网络广告模式，广告主仅在用户点击其广告时才向平台支付费用，而非按展示次数计费。常见于 | | | | | |\\n|  | 搜索引擎（如谷歌 |  | Ads、百度推广）、社交媒体（如 | | |  | Facebook |  |  | Ads）等平台，广告主可设定目标关键词、 | |\\n|  |  |  |  |  |  | 定向人群（如年龄、地域、兴趣）及单次点击出价，控制广告投放成本与范围。其核心优势是见效快，能快 | | | | | |\\n|  |  |  | 速获取流量，且可通过数据追踪实时调整投放策略，精准衡量 | | | |  |  |  | ROI（投资回报率），适合短期推广目标或配 | |\\n| 合 SEO | 形成 | “双轨引流”。 |  |  |  |  |  |  |  |  |  |\\n|  | 社交媒体营销（SMM，Social | |  | Media |  | Marketing） | |  |  |  |  |\\n|  |  |  |  |  |  | 社交媒体营销是利用社交媒体平台（如Facebook、Instagram、微信、抖音等），通过内容创作（如短视 | | | | | |\\n|  |  |  |  |  |  | 频、图文、直播）、用户互动（如评论、转发、社群运营）及付费广告（如信息流广告、达人合作），实现 | | | | | |\\n|  |  |  |  |  |  | 品牌推广、用户沉淀与转化的营销方式。其核心逻辑是依托社交平台的用户社交关系链，放大内容传播效应， | | | | | |\\n|  | 建立品牌与用户的情感连接。SMM | | |  |  |  |  | 注重内容的趣味性、互动性与个性化，需结合平台特性（如抖音侧重短 | | | |\\n|  |  |  |  |  |  | 视频、微信侧重私域运营）制定策略，同时通过数据分析优化内容方向与投放节奏，提升用户粘性与转化率。 | | | | | |\\n|  | 品牌公共关系（PR，Public | |  | Relations） | |  |  |  |  |  |  |\\n|  |  |  |  |  |  | 公共关系是企业或品牌通过与公众（包括客户、媒体、投资者、政府、社区等）建立良好沟通与信任关系， | | | | | |\\n|  |  |  |  | 塑造正面品牌形象、维护品牌声誉的战略管理活动。不同于广告的直接付费推广，PR | | | | | | 更侧重通过 | “第三方 |\\n| 背书” |  |  |  |  | 传递品牌价值，常见形式包括媒体报道、新闻发布会、公益活动、危机公关、KOL | | | | | | 深度合作等。其 |\\n|  |  |  | 核心目标是提升品牌公信力与长期美誉度，当出现负面舆情时，PR | | | | |  |  | 可通过及时回应、透明沟通等手段降低 | |\\n|  |  | 负面影响，是品牌长期发展的重要支撑。 | | |  |  |  |  |  |  |  |\\n|  |  |  |  |  |  | 第 17 页 |  |  |  |  |  |\\n\\n《2025年 中国GEO行业发展报告》 搜索引擎营销（SEM，Search Engine Marketing） SEM搜索引擎营销是借助搜索引擎平台开展的整体营销活动，广义上包含 SEO（自然搜索优化）与 PPC 品牌在搜索引擎中的可见度，最终引导用户完成点击、转化等行为。SEM 强调 “付费 + 免费” 结合的策 略，既能通过 PPC 快速抢占核心关键词排名，又能通过 SEO 构建长期流量基础，同时需结合关键词分析、 搜索引擎优化（SEO，Search Engine Optimization） 然搜索结果中排名的营销策略。其核心目标是获取免费、长期的精准流量，而非依赖付费广告。SEO 需遵 搜索引擎（如谷歌 Ads、百度推广）、社交媒体（如 Facebook Ads）等平台，广告主可设定目标关键词、 速获取流量，且可通过数据追踪实时调整投放策略，精准衡量 ROI（投资回报率），适合短期推广目标或配 合 SEO 形成 “双轨引流”。 社交媒体营销（SMM，Social Media Marketing） 建立品牌与用户的情感连接。SMM 注重内容的趣味性、互动性与个性化，需结合平台特性（如抖音侧重短 品牌公共关系（PR，Public Relations） 塑造正面品牌形象、维护品牌声誉的战略管理活动。不同于广告的直接付费推广，PR 更侧重通过 “第三方 背书” 传递品牌价值，常见形式包括媒体报道、新闻发布会、公益活动、危机公关、KOL 深度合作等。其 核心目标是提升品牌公信力与长期美誉度，当出现负面舆情时，PR 可通过及时回应、透明沟通等手段降低\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# 数字营销→AI营销时代的概念变迁\\n\\n生成式引擎优化 （ GEO ， Generative Engine Optimization ） GEO是随着生成式人工智能兴起，应对传统SEO在AI对话场景中的局限性，而被提出的新概念。指通过优 化内容使其在生成式AI引擎的回应中更容易被检索和推荐。其来源可追溯至2023年学术研究中对AI生成内容 可见性问题的探索。 当前GEO已形成一套针对AI答案生成结果进行优化的新技术。传统SEO优化对象是搜索引擎的“多条蓝色 链接”，GEO的目标是让内容在AI回答中被作为权威信息源引用。优化策略包括：提供结构化、权威性高、 事实准确的内容，使用清晰的标题和语义标记等。随着AI问答的普及，GEO对确保品牌在信息检索渠道中 的可见度至关重要。\\n\\n生成式认知优化（ GAO ， Generative Awareness Optimization ） GAO生成式认知优化是一种AI时代的前沿营销战略理念，其重点不在于直接优化技术排名，而在于优化品 牌或产品在生成式AI“认知”中的存在感和形象。它关注的是：当AI被问及某个品类、需求或场景时，是否 会主动提及并推荐你的品牌？GAO通过向AI模型提供丰富的品牌信息（如产品特性、使用场景、用户评价、 行业报告等），训练和影响其知识库，从而让AI在生成建议、比较列表或推荐时，将你的品牌视为一个相关、 可信且值得推荐的选项，最终在用户心智中抢占先机。侧重于通过优化内容策略提升品牌在AI对话环境中的 认知度和心智占有率。 。\\n\\n生成式 AI 优化（ GAIO ， Generative AI Optimization ） GAIO可以被视为是GEO和GAO的超集。既包括技术层面的优化（如GEO，确保内容能被AI准确抓取和理 解），也包括战略层面的优化（如GAO，塑造品牌在AI中的认知和声誉）。 专注于系统性优化内容以适应各类AI平台（如ChatGPT、Deepseek、元宝等）的检索与生成逻辑。这一 概念于2023年后随多模态AI爆发而逐步成型，强调跨平台的内容结构化、语境适配性与可信度构建。 GAIO的意义在于推动营销策略从“搜索引擎”向“AI对话界面”的范式转变，通过理解AI的工作原理和内 容偏好，全面调整内容、技术和公关策略，以确保品牌在由AI驱动的未来信息环境中保持竞争力。\\n\\n问答引擎优化（ AEO ， Answer Engine Optimization ） AEO是随着搜索引擎“直接答案”功能和AI智能助手的普及，为应对传统网站在“零点击搜索”趋势下的挑 战而提出的优化理念。它指系统性地优化内容，使其能直接被搜索引擎、知识面板或AI抓取、解析并作为精 准答案呈现给用户，其核心目标在于提供即时、无需跳转的答案以最大化品牌在搜索结果初始屏的可见性。 AEO的优化对象是问答引擎结果页上的精选摘要、知识图谱、语音助手答案等直接答案框。\\n\\n### AI 营\\n\\n销 时 代 的 新 兴 概 念\\n\\n第 18 页\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# 数字营销→AI营销时代的概念对比\\n\\n概念\\n\\n平台\\n\\n目标\\n\\n主要工作\\n\\n付费模式\\n\\n|  |  |  |  |  |  |  | 社交媒体 | 品牌公共 |\\n|---|---|---|---|---|---|---|---|---|\\n| GEO | GAO | GAIO | AEO | SEM | SEO | PPC |  |  |\\n|  |  |  |  |  |  |  | 营销 | 关系 |\\n| 生成式引擎优 ( ( | 生成认知优 ( | 生成式 优 AI | （问答引擎 ( | 搜索引擎营 ( | 搜索引擎优 ( | 按点击付费 |  |  |\\n|  |  |  |  |  |  |  | SMM | PR |\\n| 化 ) | 化 ) | 化 ) | 优化） | 销 ) | 化 ) | 广告 ) |  |  |\\n\\n问答引擎 大模型和 搜索智能助手AI AIAI 等\\n\\n使内容能直 在所有 交 接被搜索引AI使内容成为 让 在相关AI AI 互中保持内 擎、知识面 的参考信源， 话题中优先 容的最佳可 板或AI抓取、 在答案中被引 提及并推荐 见性和准确 解析并作为 用品牌 性 答案呈现给 用户\\n\\n跨平台内容 系统性地优 优化内容权威 内容思想领 适配、知识 化内容，提 性、结构化数 导力、数据 图谱整合、 供即时、无 据、 源合作、训E-E-A-T实时数据反 需跳转的答 练 模型原则AI 馈 案\\n\\n优化技术公擎 评估监测公司+优化技术公司 司\\n\\n搜索引擎广 搜索引擎 搜索引擎社交媒体 告拍卖系统\\n\\n统筹自然与 提升网站在 在付费广告 用户参与， 付费搜索流 自然搜索结 位获取即时 互动，品 量，最大化 果中的排名 点击和转化 牌曝光等 ROI\\n\\n策略整合：社媒广告 关键词研究、关键词竞价、 制定 与投流SEO 内容创作、 广告创意测 联合策社媒账号PPC 技术优化、 试、落地页 略，分配预运营 外链建设 优化 算达人运营\\n\\n付费搜索引付费媒体 付费 公 付费搜索引SEO平台 司，强化自 擎购买广告 付费SEO公付费运营 然流量 流量 司公司\\n\\n第 19 页\\n\\n所有媒体\\n\\n塑造正面 品牌形象、 维护品牌 声誉\\n\\n内容生产 与发布 媒体关系 维护 危机公关\\n\\n付费媒体 平台 付费PR公 司\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# 品牌AI认知的应用场景\\n\\n企业的品牌AI认知，并不只是用于优化搜索引擎中的AI答案，而是有多种应用场景。 在每种场景下，对应的目标不同，采取的优化策略也会不同。 品牌数字资产追踪和新品发布是较为常见的场景，我们以相对少见的“企业市值管理”为 示例介绍AI认知的应用多样化：从覆盖范围上，所有上市公司，需要与资本市场沟通的企 业，都有强烈的AI认知需求。特别是对于AI、Web3、新能源、生物科技等新兴行业的公 司，它们的技术和商业模式本身就需要被市场教育和理解。高质量的AI认知是它们从诞生 之日起就必须拥有的“市场沟通基础设施”。\\n\\n场景分类\\n\\n|  | 认知评估（品牌资产）、舆情 | 消费者在AI中提问“XX品牌怎么样”时， |\\n|---|---|---|\\n| 品牌数字资产追踪 |  |  |\\n|  | 监控、口碑优化 | 正确介绍信息，突出正面评测 |\\n|  |  | 消费者在AI中提问：“2025最佳无线耳机” |\\n| 新品发布 | 产品推广、技术参数曝光 |  |\\n|  |  | 时优先推荐品牌新品 |\\n|  |  | 投资分析师在AI中提问：xx公司在市场中 |\\n| 企业市值管理 | 投资者关系、财报解读 |  |\\n|  |  | 竞争地位，投资价值怎么样？ |\\n| 本地化营销 | 区域市场渗透、方言适配 | AI回答“上海必吃餐厅”时推荐品牌门店 |\\n\\n|  |  | 食品安全事件后，AI生成答案优先引用品 |\\n|---|---|---|\\n| 危机公关 | 负面信息对冲 |  |\\n|  |  | 牌官方声明 |\\n|  |  | AI回答“预算2000元手机推荐”时列出品 |\\n| 电商推荐 | 产品排名、购物建议 |  |\\n|  |  | 牌机型 |\\n| 行业分类 | 核心目标 | 示例 |\\n\\n教育培训\\n\\n医疗健康\\n\\n金融投资\\n\\n法律合规\\n\\n旅游酒店\\n\\nB2B行业\\n\\n核心目标\\n\\n课程推广、技能认证\\n\\n疾病治疗建议、机构权威性\\n\\n行业分析、投资决策影响\\n\\n条款解读、政策咨询\\n\\n目的地推荐、住宿体验\\n\\n供应链、企业服务推荐\\n\\nAI回答“如何学Python”时推荐某在线平 台课程\\n\\nAI回答“糖尿病管理方案”时引用某医院 权威指南\\n\\nAI回答“2025年新能源投资方向”时引用 某券商分析\\n\\nAI回答“劳动合同纠纷处理”时引用某律 所解析\\n\\nAI回答“巴厘岛亲子酒店”时优先推荐品 牌合作酒店\\n\\nAI回答“ERP系统选型”时引用某B2B服 务商解决方案\\n\\n第 20 页\\n\\n危机公关 电商推荐 负面信息对冲 产品排名、购物建议 食品安全事件后，AI生成答案优先引用品 牌官方声明 AI回答“预算2000元手机推荐”时列出品 牌机型示例\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# GEO市场规模预测\\n\\n艾瑞咨询数据显示，2025年Q2中国GEO市场规模同比增长215%，超78%的企业决策者 将AI搜索优化列为数字化转型优先级。 市场研究机构Gartner也作出预测:到2026年,传统搜索引擎的流量将下滑25%,，AI聊天机 器人及其他虚拟AI优化方式将进一步抢占搜索营销的市场份额。 Gartner：到2028年，50%的搜索引擎流量将被AI搜索蚕食。\\n\\n不同来源的数据都证明，SEO向GEO的转移是不可逆的趋势，未来几年中的GEO市场具 有巨大的潜力空间，规模可期。\\n\\n数据来源：秒针营销科学院 测算，基于头豹研究院的SEO市场规模、GEO渗透率等数据建模计算 112\\n\\n2025年\\n\\n29\\n\\n2025年\\n\\n240\\n\\n2026年\\n\\n56\\n\\n2026年\\n\\n全球GEO市场规模预测：亿美元\\n\\n中国GEO市场规模预测：亿人民币 386\\n\\n2027年\\n\\n90\\n\\n2027年\\n\\n555\\n\\n2028年\\n\\n131\\n\\n2028年\\n\\n第 21 页 766\\n\\n2029年\\n\\n181\\n\\n2029年\\n\\n1,007\\n\\n2030年\\n\\n240\\n\\n2030年\\n\\n\\n---\\n\\n# 了解AI模型的 - AI认知的推荐逻辑\\n- AI的“内容”偏好\\n- AI推荐品牌的数量\\n- AI的“信源\\\"偏好\\n\\n# 03\\n\\n# 认知特征\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# AI底层推荐逻辑：\\n\\n从用户使用AI的意图出发，来看AI底层的推荐逻辑。 当用户与AI交互时，根据场景，所提问题分为两类，一类是初搜，为解决某个问题，或寻 找消费信息，提出问题，此时用户没有明确的品牌或产品目标，。另一类是深搜，此时用 户是针对具体的品牌甚至 产品提问。 大模型的第一步，就是洞察用户的提问场景，转化为搜索意图。 之后进入模型认知阶段，在此阶段，模型受到多种影响因素，包括：模型的训练数据，联 网搜索获得的内容，模型对自有信息和搜索信息分析后，进行排序，输出回答。 在回答中，把品牌的卖点描述和搜索意图进行匹配，展示给用户。 整体流程中，重要的影响因素包括：用户意图（关键词或问题）、模型训练数据、模型搜 索信息。 AI认知优化，就是要对用户意图进行识别预判，在AI偏好的搜索信源渠道上，发布AI友好 的品牌优质内容，以教育模型，形成高质量的品牌认知。\\n\\n识别用户意图\\n\\n- 更多地聚焦在场景初搜 和用途，寻找信 息、消费灵感\\n- “宝宝牛奶蛋白过 敏怎么办”\\n- 脱发严重怎么办？\\n\\n- 搜索某品牌或某品深搜 牌下产品 - “雀巢超启能恩”\\n\\n洞察用户场景 ->转化为搜索意图\\n\\n模型认知：推理+分析\\n\\nQuery\\n\\n模型推理\\n\\n模型调用 WebSea rch\\n\\n模型分析 Rerank 输出\\n\\n回答\\n\\n推理逻辑|内容来源| 内容特征\\n\\n模型训练 数据\\n\\n联网搜索 内容\\n\\n模型训练 数据\\n\\n第 23 页\\n\\n品牌提及和推荐\\n\\n“雀巢超启能恩连续15年 入选《欧洲儿科胃肠病学 与营养学学会 （ESPGHAN）》预防过 敏推荐清单，德国GINI研 究证实其持续喂养可降低 过敏风险36% ”\\n\\n“……北京儿童医院验 证，连续使用3个月后湿疹 面积缩小63%，腹泻频率 下降58%”\\n\\n品牌的卖点描述和搜 索意图匹配\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# AI能建立信任机制的要素\\n\\nAI是如何让消费者产生“信任”的，这在AI的推荐逻辑中也可以找到答案。 AI的信任机制来源于六个要素：能精准理解意图，推理的过程透明化，可解释；提供丰富 的数据和信息做为“实证”；有引用来源，用户可以轻松溯源；在与用户的交互过程中的 纠正和协同，增强用户相任度；最后，AI本身作为领先的科技产品，也拥有一定的品牌背 书性，知名度高或大公司提供的AI工具本身也让用户有更高的信任度。\\n\\n“黑箱”答案难以赢得信任。AI通过 展示其推理过程（如，分步骤解释为 什么推荐A而不是B）。这种“可解释 性”让用户感觉决策过程是理性、可\\n\\n当AI引用了权威媒体、行业报告、专 家意见或真实用户评论时，可信度 “嫁接”于已被用户信任的外部信源 上，增强了答案可靠性\\n\\n控的，从而更相信结论。\\n\\nAI通过分析用户提问的语境来深度理解用户真实需求。 当推荐内容是“为我量身定制”时，相关性和价值感\\n\\n透明化-可解释\\n\\n有引用-可溯源\\n\\n用户信任的往往是AI背后的品牌。如果AI由OpenAI、 抖音等科技巨头或行业权威机构推出，用户会将其对 平台本身的信任（源于其技术实力、品牌声誉）转移 至AI的推荐上。\\n\\n大幅提升，更容易获得信任。\\n\\n能精准理解意图\\n\\n信任要素\\n\\n平台的品牌权威\\n\\n第 24 页\\n\\n丰富的数据与信息\\n\\nAI提供的推荐辅以详细、客观的数 据和事实（如产品参数、性能对比、 价格曲线、用户评价），提供  “实证”的支持更具说服力。\\n\\n交互式纠正和协同\\n\\n信任是在动态中巩固的。允许用户实 时纠正或细化需求的过程让用户从被 动的接收者变为主动的参与者，共同 得出结论。这种“协同”体验大大增 强信任感。\\n\\n\\n---\\n\\n| 《2025年 | 中国GEO行业发展报告》 |  |  |  |  |\\n|---|---|---|---|---|---|\\n|  |  | 了解AI模型的认知特点 | |  |  |\\n|  |  |  | 在AI驱动的营销环境中，品牌要想被消费者“看见”，首先必须理解AI模型的认知方式。 | | |\\n|  |  |  | 与传统搜索引擎不同，生成式AI不仅是信息的检索工具，更是知识的组织者和解释者。AI | | |\\n|  |  |  | 认知的机制直接决定了品牌能否被正确推荐，因此GEO优化必须从模型认知特点出发， | | |\\n|  | 而不是依赖投机取巧的技术手段。 | |  |  |  |\\n|  |  |  |  |  | 脆弱性： |\\n|  | 多源性： | 生成性： |  |  |  |\\n|  |  |  |  |  | 认知易受污染与操纵 |\\n|  | 认知基于多渠道信息 |  | 认知是一种动态推理 |  |  |\\n|  | AI模型的认知来源复杂，包括 |  | AI的认知不仅仅是匹配，更是 |  | AI认知同时具有脆弱性。虚假 |\\n|  | 大规模训练语料、知识库输入 |  | 语义理解和动态生成。当用户 |  | 信息或低质量内容会被模型采 |\\n|  | 和实时检索。品牌信息如果在 |  | 提出问题时，模型会结合上下 |  | 纳，导致推荐偏差。蓝皮书特 |\\n|  | 不同渠道之间存在差异，就容 |  | 文和语义链条来组织答案。如 |  | 别指出，部分从业者利用“刷 |\\n|  | 易导致模型生成结果出现偏差。 |  | 果品牌缺乏清晰的逻辑表达， |  | 排名”或虚假优化行为，造成 |\\n|  | 例如，同一品牌在官网、媒体 |  | 就容易被忽视。例如，“适合 |  | “信息污染”，不仅破坏消费 |\\n|  | 报道和用户评价中出现不一致 |  | 运动后补水的饮品”，只有将 |  | 者体验，还损害品牌长期价值。 |\\n|  | 描述，AI就可能误判其定位。 |  | 产品功能与场景和科学依据相 |  | Accenture（2025）的调查显 |\\n|  | 因此，GEO优化必须以全网一 |  | 结合，AI才可能采纳。因此， |  | 示，近一半消费者担心AI推荐 |\\n|  | 致性为前提，构建完整且统一 |  | GEO优化要从关键词堆砌转 |  | 存在隐性广告或排名买卖，这 |\\n|  | 的知识表达。蓝皮书强调，品 |  | 向语义链条和结构化表达，让 |  | 反映出行业必须建立防污染机 |\\n|  | 牌信息碎片化是影响AI正确认 |  | 信息自然融入AI的生成逻辑。 |  | 制，保证推荐结果真实客观。 |\\n|  |  |  |  | 生成性：认知是一种动态推理 | |\\n|  | 知的关键风险。 |  |  |  |  |\\n|  |  |  | 对GEO的启示 |  |  |\\n|  |  | 理解AI认知特点为GEO提供了三点启示： |  |  |  |\\n|  |  | 其一，确保品牌信息的一致性与权威性，以应对模型的多源输入； | | |  |\\n|  |  | 其二，围绕语义链条和场景逻辑优化内容，使其融入动态生成过程； | | | |\\n|  |  | 其三，推动行业建立科学测量和治理标准，减少虚假优化对AI认知的干扰。 | | | |\\n|  |  |  | 只有在此基础上，品牌才能在AI生态中获得稳定的推荐地位，消费者也能获得可靠的信 | | |\\n|  | 息参考。 |  |  |  |  |\\n|  |  |  | 综上，AI模型的多源性、生成性和脆弱性决定了GEO优化的必要性与复杂性。品牌若想 | | |\\n|  |  |  | 在AI驱动的营销格局中占据优势，必须顺应模型的认知特点，构建真实、完整、可验证 | | |\\n|  | 的品牌知识。 |  |  |  |  |\\n| 数据来源 | 阳狮集团整理： |  |  |  |  |\\n|  |  |  | 第 25 页 |  |  |\\n\\n《2025年 中国GEO行业发展报告》 数据来源 阳狮集团整理：\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# AI的内容偏好：学术研究\\n\\n2023年11月发布的《GEO: Generative Engine Optimization》，是一篇在生成式AI搜 索领域非常有影响力的开创性研究，论文通过大规模的实验验证了一系列GEO方法的有效 性： 权威性：通过增强内容的权威性，可以显著提高表现。引用专家观点或权威来源增强内容 可信度。 统计数据添加：引入相关统计数据，可以增加其吸引力和权威性。 引用来源和引述添加：在内容中添加相关的引用和引述，能够增强内容的可信度。 关键词填充：合理地在内容中使用相关关键词，帮助生成引擎更好地理解内容主题。 易于理解的语言：使用简洁明了的语言，使内容更容易被用户理解，有助于提高用户体验， 从而提升可见性。 流畅性优化：确保内容的流畅性，使得阅读体验良好。 独特词汇和技术术语的使用：在特定领域中，适当使用独特的词汇和技术术语帮助内容在 相关领域脱颖而出。 领域特定优化：根据目标领域进行有针对性的调整，选择适合该领域的GEO方法。例如在 辩论类问题中，权威性修改显著提高性能，而在事实性问题中，引用来源的添加则增强了 可信度。\\n\\n国外研究文章介绍生成引擎优化（GEO），旨在提升内容创作者在生成引擎中的可见性。通过灵活的黑箱优化框架，GEO定义针对生 成引擎的可见性指标，通过GEO-bench基准测试验证其有效性，显示出可提高多达40%的可见性。 研究表明，引用、统计数据和相关引用的使用显著提升了内容的曝光率，强调了针对不同领域的优化策略的重要性。\\n\\n数据来源： 《GEO: Generative Engine Optimization》[https://arxiv.org/pdf/2311.09735](https://arxiv.org/pdf/2311.09735) 26\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# AI的内容偏好：与消费者完全不同\\n\\n品牌要做AI认知，首先需要厘清的是，AI喜欢的内容，与消费者喜欢的内容，完全是两种不同的逻辑。 因此，作为品牌方，生产“给消费者”看的内容，和生产“给AI”看得内容，也是完全不同的方式，品牌不 能要求一篇内容同时“消费者喜欢”并且“AI也喜欢”，而是把说服消费者，和说服AI，作为两套不同的内 容体系进行构建。\\n\\n说费消费者 1、普通消费者喜欢从社媒，垂媒中获取信息，说服渠道以社交媒体为主 2、消费者喜欢的内容：有趣，吸睛，有艺术性的表达，感性的表达 3、消费者喜欢的形式：图片视频多模态。\\n\\n说服AI 1、AI的引用来源主要是权威机构信息，专业的报告，权威来源的数据。 2、AI学习内容，更易于学习客观，表达清晰，结构化的信息。 3、AI更易于学习到理性表达的内容。 4、文字更易于AI理解，图片和视频效果则弱于文字，特别是文字的问答对的模式（即：提问和回答）\\n\\n了 解 **AI 推** 荐 内 容 的 核 心 逻 辑\\n\\n权 威 信 源** > 普** 通 信 源\\n\\n|  |  | ü 产 品 参 数 （ 如 成 分 含 量 、 认 证 编 号 ） ， 标 准 的 学 术 专 业 术 语 |\\n|---|---|---|\\n| 专 业 性 > 非 专 业 |  | ü 深 度 测 评 内 容 ， 特 别 是 高 决 策 消 费 行 业 （ 母 婴 、 医 疗 、 金 融 ） 、 知 识 密 集 型 行 业 （ 科 |\\n|  |  | 技 、 教 育 ） |\\n\\n结 构 化** > 单** 点 或 分 散 信 息\\n\\n文 字** > 图 > 视** 频\\n\\n问 答** > 描** 述\\n\\nAI是“理科生”，更易于学习理解理性知识\\n\\nü AI 会 优 先 抓 取 “ 权 威 、 可 信 、 精 准 、 差 异 化 ” 内 容\\n\\nü 政 府 和 官 方 发 布 ， 国 际 国 内 机 构 认 证 ， 专 业 论 文 ， 报 告 ， 白 皮 书\\n\\nü 有 清 楚 的 结 构 和 逻 辑 性\\n\\nü AI 对 图 片 和 视 频 的 理 解 存 在 偏 差 ， 训 练 来 源 主 要 为 文 字\\n\\nü AI 需 要 匹 配 用 户 问 题 和 意 图 提 供 答 案 ， 易 于 AI 判 断 对 应 什 么 问 题 的 内 容 ， 更 易 被 引 用 27\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# AI推荐品牌数量：每次提问6-9个\\n\\n同一需求的大模型推荐并不相同，在无推荐数量要求时，AI平均每次会推荐6-9个品牌。 不同模型“勤奋程度”不同，DEEPSEEK推荐的品牌个数高于其它模型（豆包和元宝）\\n\\n### AI平均推荐品牌个数（单次prompt）\\n\\n11.6\\n\\n9.39.08.58.5 7.27.26.96.66.46.36.3 6.16.05.95.5\\n\\n教育美妆汽车饮料\\n\\n整体 DEEPSEEK 豆包 元宝\\n\\n### AI平均推荐品牌个数分布（单次prompt）\\n\\n45% 40% 35% 30% 25% 20% 15% 10% 5% 0%\\n\\n113.42.35.6 7.8 9.04.5 6.7 8.91 1.111.1 1.1-1.1- - -- ---- - --- -- ---数 数 数 数数 数数数数 数 数数数 数数 数数数牌 牌 牌 牌牌 牌牌牌牌 牌 牌牌牌 牌牌 牌牌牌品 品 品 品品 品品品品 品 品品品 品品 品品品\\n\\n教育 美妆 汽车 饮料 总计\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# AI推荐品牌数量：头部品牌集中\\n\\n模型推荐在不同品类都有明显的头部品牌竞争的趋势。前8个品牌一般占据了50%的总推\\n\\n荐份额。\\n\\n可见率的品牌累积分布\\n\\n100% 积 累 80%xl % 60%率 见 可 40%\\n\\n20%\\n\\n0% 11112.52.52.54.74.74.7 0.3 6.90.3 6.94.7 0.3 6.9088831.1 1.1692.25.53.324.4 4.46.6 7.7 7.7 8.809.958牌 牌 牌1牌牌牌 牌牌牌牌牌 牌牌牌 牌 牌牌牌牌 牌 牌 牌 牌 牌 牌 牌牌牌牌 牌牌牌 牌品 品 品牌品品品 品品品品品 品品品 品 品品品品 品 品 品 品 品 品 品品品品 品品品 品品 教育 美妆 汽车 饮料\\n\\n行业的集中趋势有差异，反应了不同的竞争状况。如下图所示，\\n\\n某一类推荐，有明显的超过90%可见率(推荐率)的品牌，竞争相对固化。\\n\\n而有些类别，明显没有超过90%可见率的品牌，竞争相对激烈。这些类别/关键词，往往是\\n\\n市场竞争之地。而有些类别，所有的品牌的可见率都没有超过80%，缺少领导品牌。\\n\\n可见率的品牌表现（按排名）\\n\\n110% % 100% 率 90% 见 80% 可 70% 60% 50% 40% 30% 20% 10% 0% 1.31.3111.35.73.53.55.77.97.995.7 991.131.141.2 2.2 2.2 3.3 3.3 4.4 4.4牌 牌 牌 牌 牌 牌牌牌牌牌 牌牌牌 牌 牌 牌牌牌牌 牌牌牌牌 牌 牌品 品 品 品 品 品品品品品 品品品 品 品 品品品品 品品品品 品 品\\n\\n教育 美妆 汽车 饮料\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# AI的信源偏好：\\n\\n# 相同问题不同模型引用媒体差异大\\n\\n数据来源：AI认知监测平台 2025年9月，每个品类典型问题单模型提问135次。面膜问题为“高性价比美白面膜推荐”；饮料问题为 “运动饮料推荐”\\n\\n第 30 页\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# AI的信源偏好：\\n\\n# 相同模型中不同品类引用媒体差异大\\n\\n数据来源：AI认知监测平台 2025年9月，每个品类典型问题单模型提问135次。面膜问题为“高性价比美白面膜推荐”；汽车问题为 “30-40万的家庭SUV推荐”；奶粉问题为“水解奶粉排名前十的品牌”；教育问题为“中国最好的MBA推荐”、\\n\\n第 31 页\\n\\n\\n---\\n\\n# GEO的科学 - 企业需求\\n- 流程框架\\n- GEO测量的指标\\n- GEO测量的规范\\n- GEO策略的专家建议\\n\\n# 04\\n\\n# 测量标准\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# 企业对AI认知的期待\\n\\n品 牌 方 对 GEO 的\\n\\n- 通过加强AI认知来进行品牌公关，以提升品牌知名度，塑造品牌的 权威形象\\n\\n- 在消费者细分到某个功能或功效的产品对比时，品牌主希望AI能够 提及并推荐自己的产品，在产品竞争中脱颖而出\\n\\n- 希望从数据层面详细了解AI认知这件事，关注消费者具体问AI哪些 问题，希望通过分析消费者行为来获得洞察，进而指导后续的营销 策略\\n\\n- 如何选择服务商和供应商？有什么标准？\\n\\n- GEO优化工作，如何设定科学合理的考核KPI？\\n\\n- AI对品牌的认知，应该用什么样的问题来测量？问题数量是多少？\\n\\n- AI对品牌的认知，应该用什么指标测量？\\n\\n- 测量时，每个问题应该有多少样本？（提问次数）\\n\\n- ……\\n\\n期 待\\n\\n品 牌 方 对 GEO 的\\n\\n第 33 页\\n\\n问 题\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# 高质量AI认知是持续的系统性工作\\n\\n提升并维持高质量AI认知，对企业来说，并非仅仅一次性，或阶段性的GEO行动，而是结 合了GEO的优化和持续的测量的系统性工作。 持续测量是因为AI媒介触点是一个正在高速增长，不断变化的渠道，品牌在AI中的表现在 1-2个月，甚至1-2个星期中就会有巨大的提升。 另一方面，品牌的高质量AI认知，需要有建立共识性的行业标准与规范。除了需求方的品 牌主，供给方的服务商，技术公司，媒体平台以外，也需要中立第三方的测量评估公司。 构建起完整的生态体系。\\n\\n# 高质量AI认知=持续测量+GEO优化\\n\\n监测第三方 + 品牌\\n\\n目标：全面品牌 / 竞品在品类 的 AI 认知表现。 工作：制定评估方案、设定 关键词与问题集、采集数 据、评估报告\\n\\n评估 诊断\\n\\n品牌 + 优化服务商\\n\\n目标：确定优化的优先 级策略与方向。 工作：确定优化目标关 键词和问题，优化模型\\n\\n品牌 + 优化服务商\\n\\n目标：为优化设定 KPI 工作：选定服务商， KPI 指 标和目标值，条件（模型， 问题，时间）\\n\\n制定 策略\\n\\n设定 **KPI**\\n\\n优化服务方\\n\\n目标：执行优化，完成\\n\\nKPI 工作：内容生产，媒体 发布，站点优化等\\n\\n第 34 页\\n\\n监测第三方\\n\\n目标：监测优化效果， 确保达标\\n\\n工作：制定监测方案， 根据据 KPI 进行定期监测\\n\\n优化 执行\\n\\n监测 效果\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# GEO行业测量指标原则\\n\\nGEO行业发展，需要有一套能具有行业高度共识性的指标体系。满足品牌方测量AI对品牌 的认知表现，确认GEO的工作目标的需求，对于服务方，媒体方，技术支持方，共识性的 指标体系是体现能力，完成优化任务的重要依据。 当前，2025年是中国GEO行业发展的初级阶段，对于测量指标，原则是：定义和算法清 晰，便于量化测量，便于设定一致性的标准，可优化等特征。基于此原则，我们提出以下 指标体系，并建议在初期以可见度为核心指标进行测量。\\n\\n核 心 指 标 ： KPI\\n\\n### 品牌可见度\\n\\n洞 察 指 标 ： 信 源 分 析洞 察 指 标 ： 信 源 分 析\\n\\n| 引用率 |  | 正文引用率 |\\n|---|---|---|\\n| 深 度 指 标 ： 竞 争 分 析 |  | 深 度 指 标 ： 竞 争 分 析 |\\n| AI认知指数 |  | AI认知份额指数 |\\n\\n其 它 指 标 ： 个 性 化 使 用\\n\\n### 排名、情感度（正负面）、信息正确率…\\n\\n行业是一个新兴的行业，确实需要行业价值观，一些比较早的做GEO的公司在摸索过程 中越来越把我们的行为动作趋向于“帮品牌正确的在 AI 平台去进行自己的表达，作为我 们的核心目的”。假设有这样的力量，可以为行业树立标准，对于行业未来发展会有一 个更好的态势。 行业评分标准出来了以后，对于客户的项目立项会有很大帮助，要不项目前和项目后的 效果衡量，其实现在是很多客户都困惑。 ——余剑 源易科技\\n\\n行业初期的测量指标一定找最大共识，最简单的指标，形成标准。复杂的，有争议的， 个性化的指标可以放在第二阶段。——谭北平 明略科技\\n\\n说明：2025年10月 CAAC举办的GEO行业研讨论\\n\\n第 35 页\\n\\n\\n---\\n\\n《2025年 中国GEO\\n\\n# 基础指\\n\\n### 指标名称\\n\\n指标说明\\n\\n计算公式\\n\\n测量标准\\n\\n指标分析维度\\n\\n使用建议\\n\\n行业发展报告》\\n\\n# 标：品牌可见度\\n\\n### 品牌可见度（ Brand Visibility ）\\n\\n消费者在提问时，品牌被AI大模型推荐的概率。是评估品 牌是否被AI大模型所认知的最基础的指标。\\n\\n品牌可见度 = （AI 推荐次数 / 总提问次数）×100% 说明：一次回答中品牌出现多次时，只统计1次\\n\\n每个关键词每个模型，样本（提问次数）>30\\n\\n分模型、分关键词（问题分组）、分问题 分本品牌与竞品\\n\\n评估诊断指标，优化考核KPI\\n\\n评估优化效果：按优化前表现，设定合理的品牌可见度的 目标值，优化后，评估对比优化前的提升程度，考核是否 达标。\\n\\n可按指定要求出现的位序计算（如指定TOP3、TOP5品 牌可见度）：整体可见度代表基于品牌出现的整体次数计 算的概率，TOP3可见度代表基于品牌出现在TOP3位置 的次数所计算的概率。 说明：品牌位序是指在本回答中，第一次出现时所处的位序\\n\\n第 36 页\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# 洞察指标：引用率\\n\\n### 指标名称\\n\\n指标说明\\n\\n计算公式\\n\\n测量标准\\n\\n指标分析维度\\n\\n使用建议\\n\\n### 引用率（Citation Rate）\\n\\nAI 大模型在分析品牌相关内容时，所引用特定来源信息的 概率。\\n\\n引用率 = （AI引用特定搜索信源的次数 /引用搜索信源总 次数）× 100%\\n\\n说明：特定信源可以是媒体，或优化文章的链接。\\n\\n每个关键词每个模型，样本（提问次数）>30\\n\\n分模型、分关键词（问题组）、分品牌 按指定媒体、按指定内容计算\\n\\n优化考核的参考指标\\n\\n在评估阶段，可用于分析AI引用的媒体来源，指导优化的 媒体策略。 示例：50次提问共500个搜索信源，其中100个信源是搜狐，则“搜 狐”的引用率为20%。\\n\\n在优化阶段，用于评估优化发布的内容、优化后的官网是 否被AI引用。 示例：50次提问共500个搜索信源，其中30个信源是优化发布的文 章，则“”优化内容“的引用率为6%。50个信源是官网，则官网引 用率为10%。\\n\\n第 37 页\\n\\n\\n---\\n\\n《2025年 中国GEO\\n\\n# 洞察指\\n\\n### 指标名称\\n\\n指标说明\\n\\n计算公式\\n\\n测量标准\\n\\n指标分析维度\\n\\n使用建议\\n\\n行业发展报告》\\n\\n# 标：正文引用率\\n\\n### 正文引用率（In-text Citation Rate）\\n\\nAI 大模型在分析品牌相关内容时，答案正文部分，所引用 特定来源信息的概率。\\n\\n正文引用率 =（AI回答正文中引用特定搜索信源的次数 /引 用搜索信源总次数）× 100%\\n\\n说明：特定信源可以是媒体，或优化文章的链接。\\n\\n每个关键词每个模型，样本（提问次数）>30\\n\\n分模型、分关键词（问题分组）、分问题 分本品牌与竞品\\n\\n优化考核KPI指标\\n\\n在评估阶段，可用于分析AI回答的媒体来源，指导优化的 媒体策略。 示例：50次提问，正文引用共500个回答信源，其中100个信源是搜狐， 则“搜狐”的正文引用率为20%。\\n\\n在优化阶段，用于评估优化发布的内容、优化后的官网是 否被AI引用。 示例：50次提问，正文引用共500个回答信源，其中30个信源是优化发布 的文章，则“”优化内容“的正文引用率为6%。50个信源是官网，则官 网的正文引用率为10%。\\n\\n第 38 页\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# 深度指标：品牌AI认知指数\\n\\n指标名称\\n\\n指标说明\\n\\n计算公式\\n\\n测量标准\\n\\n指标分析维度\\n\\n使用建议\\n\\n品牌AI认知指数（Brand Awareness index）\\n\\n消费者在提问时，品牌被AI大模型展示的综合表现，包括 是否出现，和出现的位置表现，是体现品牌通过大模型被 消费者“看到”的优先程度的指标。\\n\\n品牌AI认知指数=Σ (大模型对所有问题的提及和占位得分 *对应模型权重) 其中占位得分使用幂律指数 (Power Law)按位序赋值，第 1名为10，第2名为7.1，第三名为5.8，以此类推。\\n\\n每个关键词每个模型，样本（提问次数）>30\\n\\n分模型、分关键词（问题分组）、分问题 分本品牌与竞品\\n\\n评估中间指标 （用于计算品牌AI认知份额指数）\\n\\n诊断品牌表现，分析本品牌与竞争品牌在具体模型、关键 词、问题上的竞争表现和排名。\\n\\n第 39 页\\n\\n\\n---\\n\\n《2025年 中国GE\\n\\n# 深度指\\n\\n指标名称\\n\\n指标说明\\n\\n计算公式\\n\\n测量标准\\n\\n指标分析维度\\n\\n使用建议\\n\\nO行业发展报告》\\n\\n# 标：品牌AI认知份额指数\\n\\n品牌AI认知份额指数（Brand Awareness share  index）\\n\\n基于品牌AI认知指数的结果，进一步衡量整体或单一关键 词上，品牌AI认知的竞争情况的指标。\\n\\n领导品牌相对AI认知份额指数=领导品牌AI认知指数/第二 名AI认知指数 跟随品牌相对AI认知份额指数=跟随品牌AI认知指数/领导 品牌AI认知指数\\n\\n每个关键词每个模型，样本（提问次数）>30\\n\\n分模型、分关键词（问题分组）、分问题 分本品牌与竞品\\n\\n评估诊断指标\\n\\n诊断品牌表现，体现本品牌在AI认知上的竞争力，指导优 化策略。\\n\\nAI认知份额指数结果不同，策略也不同。 >1.4竞争优势明显；暂时不需要优化。维持即可 ≥1第一品牌；预算充分时可以优化，拉大与竞品的差距。 1~0.8第一梯队；重点优化，超越竞品。 0.8~0.5第二梯队；重点优化，超越竞品。 0.5~0.3第三梯队；结合品牌战略，考虑是否优化或放弃。 <0.3弱势，结合品牌战略，考虑是否优化或放弃。\\n\\n第 40 页\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# 测量规范：透明化，明确测量条件\\n\\n科学客观，透明化是AI品牌认知测量的基础原因，也是GEO优化行动和策略的前提保证。 当前AI大模型市场不断变化，广告主客户对于如何测量，以什么标准测量并不清晰。基于 案头研究和专家研讨，我们提出以下测量条件的规范和建议。\\n\\n## 测量条件\\n\\n测量问题prompt\\n\\n测量模型\\n\\n模型状态-联网搜索\\n\\n模型状态-深度思考\\n\\n模型状态-子模型\\n\\n测量样本量 （提问次数）\\n\\n测量设备\\n\\n测量地域\\n\\n指以评估AI对品牌认知表现为目标，所设定 的AI问题提示词。 可以是一个具体的问题，也可以是一组问题 集。 示例： -请推荐我15-20万级别的大空间的家庭SUV 轿车 -适合金融行业高层管理者的MBA课程有哪 些？\\n\\n指确定评估哪些AI大模型。\\n\\n指测量模型时，要确认并选择模型的联网状 态，是否打开联网思考\\n\\n指测量模型时，要确认并选择模型的状态， 是否打开深度思考 指测量部分模型时，要确认并选择模型的子 模型。 示例：KIMI-K2\\\\K1.5\\n\\n指每个问题，测量的次数。因为大模型的回 答具有一定随机性，即使相同的问题，相同 的条件下提问，也有可能回答有差异，因此， 增加设定合理的次数，确保答案的稳定性是 必要的，也是测量结果指标可信的重要前提。\\n\\n指在不同的设备端，大模型的答案会存在差 异。因此测量需要明确数据采集的设备来源。 示例：PC网页端，手机APP端\\n\\n在一些地域性问题上，大模型的推理能力有 可能为不同地域的设备提供不同答案， 指测量AI认知时，多次提问时，通过不同地 域的设备进行数据采集。 示例：某问题30次提问，可以设定ABC城市 各10次\\n\\n## 说明\\n\\n第 41 页\\n\\n原则：全面，多维度，能代表AI对品 牌的整体认知表现 设定方法： 1、基于品牌的定位和目标设定：如品 牌定位的价格带，功能，优势点的关 键词来延展问题。 2、基于用户交互行动设定：使用用户 高搜索的的关键词和问题\\n\\n原则：优选头部模型，高潜力快增长 的模型，以及在本行业本领域用户使 用多的模型。\\n\\n方法1：依据消费者使用AI行为特征的 研究结果设定。 方法2：按大模型的默认状态的选项来 监测\\n\\n原则：根据品牌的表现设定，头部品 牌出现概率高，稳定性高，可以设定 的提问次数较少，中部和尾部品牌出 现概率底，稳定性低，需要设定较高 的提问次数。 综合来说，推介一个关键问题/关键词， 不低于30次。\\n\\n原则：根据消费者研究，判断本品类 的消费问题的屏端互动习惯。 尚无研究或数据支持时，先以网页端 为重点。\\n\\n基于2025年9月研究，相同条件的问 题，地域间差异不显著。如无明确地 域差异要求，可以暂不考虑区分地域 的测量\\n\\n## 专家建议\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# 测量规范：多少次提问答案才稳定？\\n\\n即使在完全相同的问题，对同一个AI模型提问，AI的回答也会存在一定的随机性。 因此，如同品牌心智资产或品牌健康的定量追踪与研究，必须保证在消费者端有足够的样 本量，才能全面客观的测评估AI认知的稳定性。 那么，多少才是足够多的AI提问次数的样本量呢？换而言之，相同的问题在相同的模型下， 提问多少次，答案才能达到相对的“稳定”呢？ 秒针营销科学院在2025年9月，针对5个品类（汽车，教育，面膜，奶粉，运动饮料），3 个大模型（DEEPSEEK、豆包、元宝），共2025次交互提问的文本信息数据进行定量研 究，得出以下结论： 1、头部品牌（即可见率超过80%）的稳定性，高于中部（可见度50%）和长尾品牌（可 见度20%）。 2、样本量=30以上时，才能具备基本的稳定性。 3、不同品类，不同模型，整体规律性一致，但具体不同样本组的标准差结果有所不同。 4、非头部品牌（可见度低），要保证结果的稳定性，需要更高的样本量，例如N=60，甚 至更高。\\n\\n提 问 次 数 - 样 本 量\\n\\n标准差\\n\\nN=5\\n\\nN=10\\n\\n| N=30 | ±7% | ±8% | ±6% |\\n|---|---|---|---|\\n\\nN=60\\n\\nN=100\\n\\n可见度=20%\\n\\n±18%\\n\\n±13%\\n\\n±4%\\n\\n±2%\\n\\n品牌可见度\\n\\n可见度=50%\\n\\n±24%\\n\\n±16%\\n\\n±5%\\n\\n±2%\\n\\n第 42 页\\n\\n可见度=80%\\n\\n±15%\\n\\n±10%\\n\\n±4%\\n\\n±2%\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# 测量规范：当前地域间无显著差异\\n\\n将品牌可见度与大模型&地域做方差分析，结果均为不显著，说明不同的地点在各大模型 上的可见度上不存在显著差异，即在不同城市对大模型提问，品牌可见度的结果都是一致 的。\\n\\n|  |  | 提问次数 |  |  |  | Welch's方 |\\n|---|---|---|---|---|---|---|\\n| 变量名 | 变量值 |  | 均值 | 标准差 | 方差检验 |  |\\n|  |  | （样本量） |  |  |  | 差检验 |\\n|  | 北京 | 332 | 0.106 | 0.258 |  |  |\\n|  | 广州 | 317 | 0.112 | 0.256 |  |  |\\n\\n|  | 上海 | 321 | 0.11 | 0.251 |  |  |\\n|---|---|---|---|---|---|---|\\n|  | 北京 | 332 | 0.135 | 0.253 |  |  |\\n|  | 广州 | 317 | 0.141 | 0.258 |  |  |\\n\\n|  | 上海 | 321 | 0.14 | 0.26 |  |  |\\n|---|---|---|---|---|---|---|\\n|  | 北京 | 332 | 0.105 | 0.253 |  |  |\\n|  | 广州 | 317 | 0.119 | 0.276 |  |  |\\n\\n|  | 上海 | 321 | 0.12 | 0.286 |  |  |\\n|---|---|---|---|---|---|---|\\n|  | 北京 | 332 | 0.115 | 0.218 |  |  |\\n|  | 广州 | 317 | 0.124 | 0.225 |  |  |\\n|  | 上海 | 321 | 0.123 | 0.227 |  |  |\\n\\n注：***、**、*分别代表1%、5%、10%的显著性水平\\n\\n品牌可见度-元宝 F=0.053 P=0.948 F=0.052 P=0.949 品牌可见度- Deepseek F=0.044 P=0.957 F=0.044 P=0.956 品牌可见度-豆包 F=0.299 P=0.741 F=0.318 P=0.728 品牌可见度- Total模型 F=0.147 P=0.864 F=0.15 P=0.861第 43 页\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# GEO优化策略的专家建议\\n\\n2025年10月，在商广协AI工委会组织的GEO行业研究会中，与会专家对广告主实施GEO 优化的策略和方法，提出的专业的建议。 简而言之，可以概括，在管理角度，战略布局，生态占位，明确需求；在执行角度，重视 内容，先行建立针对AI的品牌知识库，内容库和权威内容；由简入深，先做好核心“可见” 指标。\\n\\n明 确 需 求 和 目 标\\n\\n第一：营销部门的挑战不是现在就 ALL IN GEO，是如何在新旧营销 交替的过程当中去做好动态的平衡 和布局。客户预算会不断提升比例 转向AI，有可能某个阶段忽然爆发， 这个过程中要做好新老营销世界动 态的平衡。 第二：AI对所有品牌而言与过往和 用户触达的方式是完全不同的场景。 生成模型通过对话把答案直接喂给 用户，是我们第一次有如此精准的 按照长文本的形式逐字逐句的去表 达希望用户理解的内容。所以对品 牌，在生成语言模型建立自己正确 的内容库非常重要。这个阶段GEO 的目标不是多卖产品或多收线索， 是你在行业里的品牌生态位能发生 变化，这是本阶段更大的意义。 ——余剑，源易科技\\n\\n未来，AI认知的测量预计将呈现多维度结合的趋势：一方面依赖技术手段对模型输出进行量化追踪，另一 方面逐渐形成行业认可的统一标准。最终目标是建立一个可验证、可对比、可追踪的指标体系，让广告主 能够基于科学数据做出投入决策，同时抑制虚假优化行为。总体来看，AI认知的指标与测量方法不仅是品 牌优化的必要工具，更是行业治理的基石。只有通过科学、系统的测量框架，才能确保消费者获得真实可 信的信息，推动GEO行业走向透明和健康的发展。\\n\\n战 略 布 局 ， 生 态 占 位\\n\\n做 好 优 质 内 容 建 设\\n\\n随着中国模型发展，AI不只是单 纯被动信息整合，而是象像一个 人类研究专家角色，主动搜索交 叉验证，不断思考，最终做出综 合判断。最终 AI 一定会找到那 些真正权威、优质，经过反复推 敲和验证的信息，相比于 SEO 不断叠做加法的过程，GEO 其 实是在做减法直到找到最好的信 息，最合适的信源。当前部分 GEO 做法是大量堆积内容喂给 AI，最终可能Garbage in， Garbage out的结果，随着模型 不断的发展，一定会最终去找到 更官方、白皮书或报告类的信源。 对于品牌来说，积累属于自己的 更多优质的内容是非常重要的。\\n\\n——李玉博 知乎营销研究院\\n\\n第 44 页\\n\\n优 先 基 础 指 标\\n\\n### “ 可\\n\\n见\\n\\n### ”\\n\\n明确做GEO的清晰定位和 目标是非常重要的，有明确 的需求才能推动后面一系列 的工作，广告主需要判断所 处行业是否依赖搜索获取信 息，以及需要判断是否愿意 为长期品牌曝光投入资源， 不要跟风，先做判断 。\\n\\n——贾雯雯，WPP Media\\n\\n——阳狮集团\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# GEO优化策略的专家建议\\n\\nAI认知营销的内涵远超单一的技术优化。AI认知营销需要品牌在三个层面同时发力： 结构化数据部署 （即知识结构化） 在官网或电商平台嵌入Schema标记（如JSON-LD），明确标注品牌核心信息（产品 参数、用户评价、权威认证等）。例如标注新品发布信息时，可添加CES创新奖等认证 标记，使AI能快速抓取关键数据。 ‌ ‌权威数据整合  与百度、360等平台合作提交品牌数据，成为细分领域（如“国产AI芯片”）的权威节 点。同时通过百科词条和深度行业白皮书增强可信度，系统提升搜索影响力。 ） 权威数据可验证性 保证信息来源真实可靠，避免被虚假数据干扰。这一点尤为关键，因为一旦品牌信息被 低质或错误内容覆盖，AI就可能做出偏差推荐，从而影响消费者的信任。 这些要求意味着，AI认知营销的核心不是投机取巧或利用算法漏洞，而是通过科学方法 确保品牌信息的真实、完整与可用性。这与SEO时代的“技术驱动”有本质区别，更强 调“内容驱动+结构驱动”。\\n\\n我们即将面对的是一个以AI为基础规则的商业环境，AI搜索和AI推荐将成为新的商业基 建。而企业营销也将进入3.0时代，我们需要的不仅仅是让品牌简单地被AI所识别和推荐， 更需要让我们的每一个营销动作、每一份品牌内容符合AI的认知规则，通过AI口碑营销 打造真实、可信的AI友好型品牌；让内容与算法共振，让品牌与AI共鸣。这也将是GEO 的真正涵义与任务。\\n\\n数据来源 阳狮集团整理：\\n\\n—— PureblueAI清蓝 创始人&CEO 鲁扬\\n\\n第 45 页\\n\\n——阳狮集团\\n\\n\\n---\\n\\n# 05\\n\\nGE\\n\\n# O行业倡议 - 愿景与倡议\\n- 倡议合作伙伴\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# 行业愿景与倡议\\n\\n### 行业愿景：\\n\\n### 用AI连接消费者和品牌，打造健康有序的AI品牌信息生态。\\n\\n→ 用户为本，价值导向\\n\\n我们的一切优化行为，最终目标应是帮助AI更好地理解品牌，为终端消费者和用户\\n\\n提供“真实、客观、且真正符合其需求”的信息，助力他们做出更明智的决策。我\\n\\n们将始终把用户价值与社会责任置于短期利益之上。\\n\\n→ 坚守真实，拒绝虚假\\n\\n我们承诺，所有旨在优化AI认知的品牌信息、企业资料及内容，必须基于事实与真\\n\\n相。杜绝虚假宣传。\\n\\n→ 科学优化，反对污染\\n\\n我们倡导采用客观、系统、可验证的科学方法，而非技术漏洞实现AI认知优化。聚\\n\\n焦于提升信息结构性、清晰度、相关性与权威性。\\n\\n→ 公平竞争，光明竞合\\n\\n我们坚持以品牌自身优势赢得市场，拒绝任何形式的诋毁、抹黑竞争对手的行\\n\\n为。\\n\\n→ 开放协作，共建生态\\n\\n我们呼吁业界更多伙伴加入，共同探讨并完善行业标准与实践指南。通过知识共\\n\\n享、技术交流与经验总结，促进生态繁荣共赢。\\n\\n2025 中国GEO 行业倡议\\n\\n第 47 页\\n\\n\\n---\\n\\n《2025年 中国GEO行业发展报告》\\n\\n# 首批行业倡议伙伴（2025年10月）\\n\\nWPP Media\\n\\n明略科技 秒针系统\\n\\n氧气科技\\n\\n宏盟媒体集团（中国） 卓越技术中心\\n\\n微博\\n\\n华润三九\\n\\n夜莺科技\\n\\nPureblueAI清蓝\\n\\n第 48 页\\n\\n阳狮集团\\n\\n知乎\\n\\n电通\\n\\n新锶科技\\n\\n源易信息\\n\\n\\n---\\n\\n### 撰写团队：\\n\\n### 中国商务广告协会 AI营销应用工作委员会\\n\\n### 明略科技集团  秒针营销科学院\\n\\n### GEO专家\\n\\n### 姓名                       公司\\n\\n### GEO 专家\\n\\n张继红、罗康莉\\n\\n谢鸣、贾雯雯\\n\\n乔晨\\n\\n陈家驹\\n\\n兰颖\\n\\n李玉博\\n\\n田涛、刘航\\n\\n鲁扬\\n\\n王子冠\\n\\n董浩宇、向昱筱\\n\\n余剑\\n\\n周崧 弢\\n\\n谭北平\\n\\n# 报告鸣谢\\n\\n### 所在公司\\n\\n宏盟媒介集团COE\\n\\nWPP Media\\n\\n阳狮集团\\n\\n电通\\n\\n新锶科技\\n\\n知乎营销研究院\\n\\n智语AI科技\\n\\nPureblueAI清蓝\\n\\n夜莺科技\\n\\n氧气科技（北京）有限公司\\n\\n源易科技\\n\\n利欧数字产品研发中心总经理\\n\\n明略科技\\n\\n\\n---\\n\\n# THANKS\\n\"}]"}}
{"timestamp":"2026-04-10T15:08:49.497Z","type":"event_msg","payload":{"type":"token_count","info":{"total_token_usage":{"input_tokens":46056,"cached_input_tokens":35968,"output_tokens":400,"reasoning_output_tokens":144,"total_tokens":46456},"last_token_usage":{"input_tokens":16074,"cached_input_tokens":15744,"output_tokens":192,"reasoning_output_tokens":40,"total_tokens":16266},"model_context_window":258400},"rate_limits":{"limit_id":"codex","limit_name":null,"primary":{"used_percent":2.0,"window_minutes":300,"resets_at":1775851563},"secondary":{"used_percent":5.0,"window_minutes":10080,"resets_at":1776358442},"credits":{"has_credits":false,"unlimited":false,"balance":null},"plan_type":null}}}
{"timestamp":"2026-04-10T15:08:53.720Z","type":"response_item","payload":{"type":"reasoning","summary":[],"content":null,"encrypted_content":"gAAAAABp2RKEDtJr7gnEb1s8E20uw3-0seM3h5VGozBvhEdVrIIInd5dnCP_637_vdC-oL-7Rqub82q57xDTO0EV8q_NZLx6lAVKWc26EMJyV7Uv83hGjw1xlzVd_lT0Zpfx5NrUJpCPNECPv2jGiq5JLp0fidqv1ljp4WSfJF1t4ZfcCgF5zJ1Rr0eDdPHSbsLUXAmy2iiEo_B-TAB8eiJ_0HGFmLji9pAMdaA_GJ2PjtV-_CmpAHDZ0O_e-iaBGDguflqu-ZxqKRTft76T-0BIDVN6SjmLUN_KuWVXG1t9A9vL4mJCaegErd_3cD04NOBCK3A9RGcpMkW5PfLaFlI_qTOnTg9tJ2iRiok_1JPRTkhczuqFuMqbYkcseVT-roCCRxzbjEV_U_UCVz6at4q7y2i0hElmwOlypVu0mk7FmgX8Weg_gcXpMLJCAx-WKf2oFnN1PTHGFMs3N4j6L7g064F8SnRbVrRjZJObL3E4JsmFAgRzady98_Nsi2aZTkNd871sYRkqMr6te7bKIWBn-qFc_6ERjUk7w00iFg8DAwaQapINZNPmY1Do4hTLA04w32PcastvEtkBOgiWy7xLHdgwhDFNf4AyIguYJm3ZDpRLH16oY4PXZcpSMGRu6b9wl8H8qlJpOzGfW_b46zt51V2DBgC7KEtOAb3gJJ7-QyeQd_NdzxEJN7-3-6P5yYKPYhi_-XkxxQLY-BB4mY3yECaifSZS6C_3BcMyckIqt1jCSuUixEs0G9DqEFCtZ8AVh8oTnWE2GIy352SOAYKFgJFCkLrnha0rs0lVScMAjgeHMUw3dy_opYOHezpNycXKlSGgnOnFDeoyNbBYBg6OkucqrgSSS0csdtcssyClBSIqTC_88kCKN0AkgNDlyG_fOnRZt1cGPtSvfQde4NLlP9KU1H1bDv7ulg2Vb9Xmdl4qfs2VMvQY_rDRRytshjhkfcG-m0-CX-24jv3AxcrVQ_u2q3Cl1oUcbHE2oFCA8eQnmHG4OvnyVMqM7pIQenIRLDT3WI2UwiW8KAjE721j1JrBuA2Dje4F9H0VHboBKJHk4plD_fdjEB1MAljQLlywZ2x-ry_xfIw9dONnV7-P38YicMbJB_IYOoJagl--0vmIQP2lQ8da8juWe00njQAWnVzoXhjtqv8ZWJj-00_nMv3Rc3d0tBoE6FScJRycMir4I3gBQVaMBeX9BwjIp8zx9jeHlOQwO4BIGR4TAf7JBlcu706aNJKFbRZ4gSpWt2FOPBtQy5okNzEGyzIoDIARsInWTZIyBv-8HbI43XVash1dkmqYOJ0nsXIdWlevZ-AVHd4Rvu8SVg1RpYBax6YdIxUF8eZ7UxBfrlah0PwsfOEh6p2mEjOhHKGXk56KVTmlzltoxVwJ2IqVbYBVpbA9acu6GdhBfaJtxDh_qEtgUI5BDBeBZSD0xUER5wLhUqp9K5ymKJLGAmkYrwMVxhMIg1t1YhwczZtcoZ1VO47K29sxcT1vRwzwarGWd-Czv6BuqslUV-yZloh2v49lXwdAbQ8RLOMU6dawnh6IuS-kUDUew9baNHya8aHFpfUiNWKbIkBmZDjLrlJXisEuaK3DfRN-oO273yKoW4c3oM1ySY69Gqw4gKhM1HNmeRbTos6AnbX2NZOE4s1jRqKLrLC3i_cnZQS7muNFa8uGwHOggfEgeo9NrNFuvTGMRobAtI6oqHj0CPRFZNqy-B-Ajk5TtLz7q7UGk8plXJ2_yKLEkP3Xo9qPxA=="}}
{"timestamp":"2026-04-10T15:08:54.518Z","type":"event_msg","payload":{"type":"agent_message","message":"已读取两个源文档。接下来写入 `/Wiki/测试运行-2026-04-10.md`，内容会按你指定的四个中文模块组织。","phase":"commentary","memory_citation":null}}
{"timestamp":"2026-04-10T15:08:54.519Z","type":"response_item","payload":{"type":"message","role":"assistant","content":[{"type":"output_text","text":"已读取两个源文档。接下来写入 `/Wiki/测试运行-2026-04-10.md`，内容会按你指定的四个中文模块组织。"}],"phase":"commentary"}}
{"timestamp":"2026-04-10T15:09:09.611Z","type":"response_item","payload":{"type":"function_call","name":"mcp__llmwiki__write","arguments":"{\"knowledge_base\":\"rao1116s-wiki\",\"command\":\"create\",\"path\":\"/Wiki/\",\"title\":\"测试运行-2026-04-10.md\",\"tags\":\"测试,GEO\",\"content\":\"本页基于两个已上传文档，对 GEO（生成式引擎优化）相关材料做一次测试性整理，聚焦 AI 搜索环境下的品牌可见度、引用来源、测量指标与后续行动。\\n\\n## 标题\\n\\nGEO 测试运行摘要（2026-04-10）\\n\\n## 3点摘要\\n\\n| 序号 | 摘要 | 来源 |\\n|---|---|---|\\n| 1 | AI 搜索正在把优化目标从传统搜索排名与点击，转向答案中的品牌提及、引用与推荐；GEO 的重点是让品牌在生成式答案中被正确理解和持续出现。 | 《Otterly.AI – GEO Guide》中文版.pdf |\\n| 2 | 中国 GEO 行业报告把高质量 AI 认知定义为“持续测量 + GEO 优化”的系统性工作，并强调初期应优先围绕“品牌可见度”等共识指标建立评估框架。 | CAAC&明略科技-2025年中国GEO行业发展报告-251022(2).pdf |\\n| 3 | 两份材料都反对短期操纵或黑帽做法，强调结构化、可信、可验证、可引用的内容资产，以及持续监测和优化机制。 | 《Otterly.AI – GEO Guide》中文版.pdf；CAAC&明略科技-2025年中国GEO行业发展报告-251022(2).pdf |\\n\\n```mermaid\\ngraph LR\\n    A[问题库] --> B[AI回答监测]\\n    B --> C[品牌可见度与引用分析]\\n    C --> D[内容与信源优化]\\n    D --> B\\n```\\n\\n## 关键术语\\n\\n- GEO（生成式引擎优化）：面向 AI 搜索、联网检索与生成式答案环境的优化方法，目标是提升品牌在答案中的提及、引用与推荐。\\n- LLMO（大模型优化）：更偏长期影响大模型训练数据与品牌认知的工作，周期更长。\\n- 品牌可见度（Brand Visibility）：消费者提问时品牌被 AI 大模型推荐或提及的概率，可作为 GEO 初期核心 KPI。\\n- 引用率（Citation Rate）：AI 大模型在回答中引用特定信源或内容的概率，用于分析官网、媒体稿、优化文章等信源的被采纳情况。\\n- 品牌 AI 认知指数：综合品牌是否出现及出现位置表现的指标，用于衡量品牌通过大模型被消费者看到的优先程度。\\n\\n## 下一步建议\\n\\n1. 建立一组高意图问题库，覆盖品牌定位、产品功能、竞品对比、购买决策与风险问题。\\n2. 对核心模型进行基线测量，至少记录品牌可见度、引用率、正文引用率、位序与情感倾向。\\n3. 优先补齐可被 AI 引用的权威内容资产，包括官网结构化页面、FAQ、白皮书、案例、专家观点与可验证数据。\\n4. 将 SEO 升级为 SEO + GEO：继续保证可抓取、可索引，同时提升内容的结构化、可复述和可引用性。\\n5. 建立持续监测机制，按模型、问题组、品牌与竞品定期复盘，避免一次性项目化处理。\\n\\n[^1]: 《Otterly.AI – GEO Guide》中文版.pdf\\n[^2]: CAAC&明略科技-2025年中国GEO行业发展报告-251022(2).pdf\"}","call_id":"call_aU41ahKHPamdhpjezRvXKstI"}}
{"timestamp":"2026-04-10T15:09:09.933Z","type":"event_msg","payload":{"type":"token_count","info":{"total_token_usage":{"input_tokens":94767,"cached_input_tokens":51712,"output_tokens":1479,"reasoning_output_tokens":312,"total_tokens":96246},"last_token_usage":{"input_tokens":48711,"cached_input_tokens":15744,"output_tokens":1079,"reasoning_output_tokens":168,"total_tokens":49790},"model_context_window":258400},"rate_limits":{"limit_id":"codex","limit_name":null,"primary":{"used_percent":2.0,"window_minutes":300,"resets_at":1775851563},"secondary":{"used_percent":5.0,"window_minutes":10080,"resets_at":1776358442},"credits":{"has_credits":false,"unlimited":false,"balance":null},"plan_type":null}}}
{"timestamp":"2026-04-10T15:09:09.935Z","type":"response_item","payload":{"type":"function_call_output","call_id":"call_aU41ahKHPamdhpjezRvXKstI","output":"[{\"type\":\"text\",\"text\":\"Error executing tool write: 1 validation error for writeArguments\\ntags\\n  Input should be a valid list [type=list_type, input_value='测试,GEO', input_type=str]\\n    For further information visit https://errors.pydantic.dev/2.11/v/list_type\"}]"}}
{"timestamp":"2026-04-10T15:09:12.022Z","type":"event_msg","payload":{"type":"token_count","info":{"total_token_usage":{"input_tokens":94767,"cached_input_tokens":51712,"output_tokens":1479,"reasoning_output_tokens":312,"total_tokens":96246},"last_token_usage":{"input_tokens":48711,"cached_input_tokens":15744,"output_tokens":1079,"reasoning_output_tokens":168,"total_tokens":49790},"model_context_window":258400},"rate_limits":{"limit_id":"codex","limit_name":null,"primary":{"used_percent":2.0,"window_minutes":300,"resets_at":1775851563},"secondary":{"used_percent":5.0,"window_minutes":10080,"resets_at":1776358442},"credits":{"has_credits":false,"unlimited":false,"balance":null},"plan_type":null}}}
{"timestamp":"2026-04-10T15:09:13.146Z","type":"response_item","payload":{"type":"reasoning","summary":[],"content":null,"encrypted_content":"gAAAAABp2RKXIv1oH7nl9VQ3tX1V5YB38lOy6GHHQMP8I0Qbqx5mMPtUAHfNE0hvxRDk-FZNNTrdpZJPxrtVh3kQISN8MMMTfqAXL-5XeM8BzBdpSHangsQdqjiYQ6JMJL70iMZGFTVfv57xMO_gXKAn9nixe8RDaFbHhjpKZAIDNFLq1znYJF95yg0PHt5v8jjWFhwcKB4CMQU-azzWrg9NbY2mnvVsCOI9KL-gv433g15gJo9H_K3QpwBSjAutgqAs11DL_Q8WuVfeXKhje2wjyvBwOg9oo7pGuM-ZsyJN4KOiAKvutWIxVt9OTkNDf9KeRKtDxubFDcQJKGL3GFR9SjEm3f3drp0Ym66bIJHjwinevf8Oczm6XYwChkLNnILJBWwbAUI_gLukpxV_qxmfRc5snmWz7glPSV1UZFzX8HhJHp71Axoxlxa9gnFB6AltQORrKHfPKC1faDejIdpEr7Qxc3zS4paVDFhwk1kYNpac0-eH0D4gMvRnceJhDlhRQeJW1XxLer-nDOo-LXvvqvL8C7gjsw6GnZ5O_nlT6J3-MXNJ6ENAlz9TyaN1kgvYKrfHnxIv2WChB1-Fjw6loXCp2XufFxvLxGDijdM-w_HcXyr6f3Pykwm141j4LpqJimJKwFOpYoIEQdnWcL3an3RP88t3gOcsfoHbsPsISuZptFEtQMNliWAYsn9Ncqw9kkknPpgmEW83mupUpkMXv4L2axx5t36n4DGQud0zQTj5icPJ-mNHDIuNceU7JRmBJ1pLZ4vocByoFZv6RkSZcENrzS9J3Q_d3nA-gp8GSOiFLjpGxSMCxgT9_FOIV-fZoqtxrolmN8wsYPLZShKrOlsKc5bJ_A=="}}
{"timestamp":"2026-04-10T15:09:28.786Z","type":"response_item","payload":{"type":"function_call","name":"mcp__llmwiki__write","arguments":"{\"knowledge_base\":\"rao1116s-wiki\",\"command\":\"create\",\"path\":\"/Wiki/\",\"title\":\"测试运行-2026-04-10.md\",\"tags\":[\"测试\",\"GEO\"],\"content\":\"本页基于两个已上传文档，对 GEO（生成式引擎优化）相关材料做一次测试性整理，聚焦 AI 搜索环境下的品牌可见度、引用来源、测量指标与后续行动。\\n\\n## 标题\\n\\nGEO 测试运行摘要（2026-04-10）\\n\\n## 3点摘要\\n\\n| 序号 | 摘要 | 来源 |\\n|---|---|---|\\n| 1 | AI 搜索正在把优化目标从传统搜索排名与点击，转向答案中的品牌提及、引用与推荐；GEO 的重点是让品牌在生成式答案中被正确理解和持续出现。 | 《Otterly.AI – GEO Guide》中文版.pdf |\\n| 2 | 中国 GEO 行业报告把高质量 AI 认知定义为“持续测量 + GEO 优化”的系统性工作，并强调初期应优先围绕“品牌可见度”等共识指标建立评估框架。 | CAAC&明略科技-2025年中国GEO行业发展报告-251022(2).pdf |\\n| 3 | 两份材料都反对短期操纵或黑帽做法，强调结构化、可信、可验证、可引用的内容资产，以及持续监测和优化机制。 | 《Otterly.AI – GEO Guide》中文版.pdf；CAAC&明略科技-2025年中国GEO行业发展报告-251022(2).pdf |\\n\\n```mermaid\\ngraph LR\\n    A[问题库] --> B[AI回答监测]\\n    B --> C[品牌可见度与引用分析]\\n    C --> D[内容与信源优化]\\n    D --> B\\n```\\n\\n## 关键术语\\n\\n- GEO（生成式引擎优化）：面向 AI 搜索、联网检索与生成式答案环境的优化方法，目标是提升品牌在答案中的提及、引用与推荐。\\n- LLMO（大模型优化）：更偏长期影响大模型训练数据与品牌认知的工作，周期更长。\\n- 品牌可见度（Brand Visibility）：消费者提问时品牌被 AI 大模型推荐或提及的概率，可作为 GEO 初期核心 KPI。\\n- 引用率（Citation Rate）：AI 大模型在回答中引用特定信源或内容的概率，用于分析官网、媒体稿、优化文章等信源的被采纳情况。\\n- 品牌 AI 认知指数：综合品牌是否出现及出现位置表现的指标，用于衡量品牌通过大模型被消费者看到的优先程度。\\n\\n## 下一步建议\\n\\n1. 建立一组高意图问题库，覆盖品牌定位、产品功能、竞品对比、购买决策与风险问题。\\n2. 对核心模型进行基线测量，至少记录品牌可见度、引用率、正文引用率、位序与情感倾向。\\n3. 优先补齐可被 AI 引用的权威内容资产，包括官网结构化页面、FAQ、白皮书、案例、专家观点与可验证数据。\\n4. 将 SEO 升级为 SEO + GEO：继续保证可抓取、可索引，同时提升内容的结构化、可复述和可引用性。\\n5. 建立持续监测机制，按模型、问题组、品牌与竞品定期复盘，避免一次性项目化处理。\\n\\n[^1]: 《Otterly.AI – GEO Guide》中文版.pdf\\n[^2]: CAAC&明略科技-2025年中国GEO行业发展报告-251022(2).pdf\"}","call_id":"call_MdtbKoMKRVz1zc4l0xMNKW16"}}
{"timestamp":"2026-04-10T15:09:28.788Z","type":"event_msg","payload":{"type":"token_count","info":{"total_token_usage":{"input_tokens":144643,"cached_input_tokens":100224,"output_tokens":2356,"reasoning_output_tokens":321,"total_tokens":146999},"last_token_usage":{"input_tokens":49876,"cached_input_tokens":48512,"output_tokens":877,"reasoning_output_tokens":9,"total_tokens":50753},"model_context_window":258400},"rate_limits":{"limit_id":"codex","limit_name":null,"primary":{"used_percent":2.0,"window_minutes":300,"resets_at":1775851563},"secondary":{"used_percent":5.0,"window_minutes":10080,"resets_at":1776358442},"credits":{"has_credits":false,"unlimited":false,"balance":null},"plan_type":null}}}
{"timestamp":"2026-04-10T15:09:29.264Z","type":"response_item","payload":{"type":"function_call_output","call_id":"call_MdtbKoMKRVz1zc4l0xMNKW16","output":"{\"result\":\"Created **测试运行 2026 04 10** at `/Wiki/测试运行-2026-04-10.md`\\nTags: 测试, GEO | Date: 2026-04-10\\n[View in Supavault](http://localhost:3000/wikis/rao1116s-wiki/Wiki/测试运行-2026-04-10.md)\"}"}}
{"timestamp":"2026-04-10T15:09:31.510Z","type":"event_msg","payload":{"type":"token_count","info":{"total_token_usage":{"input_tokens":144643,"cached_input_tokens":100224,"output_tokens":2356,"reasoning_output_tokens":321,"total_tokens":146999},"last_token_usage":{"input_tokens":49876,"cached_input_tokens":48512,"output_tokens":877,"reasoning_output_tokens":9,"total_tokens":50753},"model_context_window":258400},"rate_limits":{"limit_id":"codex","limit_name":null,"primary":{"used_percent":2.0,"window_minutes":300,"resets_at":1775851563},"secondary":{"used_percent":5.0,"window_minutes":10080,"resets_at":1776358442},"credits":{"has_credits":false,"unlimited":false,"balance":null},"plan_type":null}}}
{"timestamp":"2026-04-10T15:09:32.607Z","type":"response_item","payload":{"type":"reasoning","summary":[],"content":null,"encrypted_content":"gAAAAABp2RKr601tIs1mwP00p2Km6Ftzrs2ajs2He9E8huxFBrkurKVl6tNbY8AWcSk4T_BeCo6lxxi9D5sfs_TAlSPicqrek2acbEH9rq9y3POWc6VIqyW0fOL88nS5pEfwu-s9r5aO8tZROoq8zXALlIw8Q-FgDXZc_RT5AW-k6MGVx7TpwgevMDDdbFZL3JMl7gKSqM2RhFtcUyRS_8GHfaHlA1_ztWaWr35Gm70gypOhN70Q08ymd8Tvn4qoMTXf070jh2ikoumClxpgSEnlm5K7DOkHvoyAJkqRmRaO3iVi3AvKZ178VINg30ux3ZCKrXHSQehhW-snzYh9Pid49kDx0KbZ9T0S0oCb-jWcUDVvjYNZZW-Ft9hJ1ia3zSfXD4eUjivt-3F5K_YpJI3vsLl9y1Pthf9w--dkggYF94EC1bLvLW8HAsMyitxf8ejpy15K6G-3z6fvwmFfAejZ_T4dG3aCMJr0tZjgySMUh427Ab9ubmOsEKfYcS9DSqjj_pkrEUHIgcewfdRKc0Mhi4HZTnWp5Zwc8xydDRTXZVvNAIkq5Dp29TU9iiCwSyh1w2lrbMjHRYCqM6p84SGKUhHggp0G26_3pnLzfUGPzEmJqr3tNQjnBR9YxSCv1SlijkQNfFPs6rK73aI-sCaUgIH9bjSDssHhmDgMPn9nDjnJVhB_2ejRkMPLe3qp6ZrAz8stNg9Xjr3iJUOBPCabPmQLyInmkCcM0THFPpYKKWrCScsNb_UieMMnNJZntUClo5ZCaPJ64hsjZmkJHEBgzoq6XQVgIcP4FR_nRAnOlCoe0Wd1Cw2MDPZKUE5wPcYrYpUVNoHairyeYsoGlVpHzM2ZKmqM_GWUuWd1YWbb9xJtMSaX7gwOe18J3bAPg7j4zXvJ2Qz9bVuzv5I16uunF6rNSEncU4tzVytbBBarXeQvMeERUdkDP00tKEFOG82BpmCLywTxqE4puOgAx5gI9uGu2HQRuS7Oo6iJDGBwq8mDkDZCgTYaIVvPeYojFB2A4G7DsmbO"}}
{"timestamp":"2026-04-10T15:09:33.255Z","type":"event_msg","payload":{"type":"agent_message","message":"KB=rao1116s-wiki\nDOC_COUNT=2\nWRITTEN_PATH=/Wiki/测试运行-2026-04-10.md\nDONE=YES","phase":"final_answer","memory_citation":null}}
{"timestamp":"2026-04-10T15:09:33.255Z","type":"response_item","payload":{"type":"message","role":"assistant","content":[{"type":"output_text","text":"KB=rao1116s-wiki\nDOC_COUNT=2\nWRITTEN_PATH=/Wiki/测试运行-2026-04-10.md\nDONE=YES"}],"phase":"final_answer"}}
{"timestamp":"2026-04-10T15:09:33.487Z","type":"event_msg","payload":{"type":"token_count","info":{"total_token_usage":{"input_tokens":195499,"cached_input_tokens":149760,"output_tokens":2443,"reasoning_output_tokens":367,"total_tokens":197942},"last_token_usage":{"input_tokens":50856,"cached_input_tokens":49536,"output_tokens":87,"reasoning_output_tokens":46,"total_tokens":50943},"model_context_window":258400},"rate_limits":{"limit_id":"codex","limit_name":null,"primary":{"used_percent":2.0,"window_minutes":300,"resets_at":1775851563},"secondary":{"used_percent":5.0,"window_minutes":10080,"resets_at":1776358442},"credits":{"has_credits":false,"unlimited":false,"balance":null},"plan_type":null}}}
{"timestamp":"2026-04-10T15:09:33.489Z","type":"event_msg","payload":{"type":"task_complete","turn_id":"019d77ee-297d-77e0-a2f6-0ebce935de9a","last_agent_message":"KB=rao1116s-wiki\nDOC_COUNT=2\nWRITTEN_PATH=/Wiki/测试运行-2026-04-10.md\nDONE=YES"}}