拆解 GEO 底层逻辑：从 AI 搜索原理到 GeoFlow 系统实战

2026 年 5 月 30 日晚，前 TikTok 商业化 AI 产品经理向阳乔木与《AI营销：从SEO到GEO》作者、猎河科技 CEO 姚金刚，在 WaytoAGI 社区「晚八点共学」直播中带来了一场关于 GEO（生成式引擎优化）的深度分享。上半场，向阳乔木分享了他近期用 AI 开发的一系列提效工具与模型使用心得；下半场，姚金刚系统拆解了 GEO 的底层逻辑、三大核心要素，并完整演示了开源系统 GeoFlow 的部署、配置与使用流程。本文适合正在做 AI 搜索优化、企业内容营销，或想了解 GEO 落地工具的读者。

向阳乔木的 AI 工具实战分享

▶ 4:22 · 看这一节

向阳乔木先分享了自己近期用 vibe coding 开发的一系列工具，以及他对大模型选型和使用方法的思考。

开源 Chrome 插件：把新标签页变成效率入口

向阳乔木开发了一款 Chrome 插件，每当用户新开一个 tab 时自动启用。插件集成了查看时间、搜索、与大模型对话、添加 todo、播放音乐等功能，左侧可添加常驻地区的天气信息（风向、湿度、气压），右侧可弹出收藏夹和最近访问网页，还支持更换壁纸、开启番茄钟倒计时、添加便签等。整套代码已开源，人人可改造，目前正在上架过程中，预计下周可上线直接安装。

推特发文插件：Markdown 一键发布

针对推特发文上传图片繁琐的痛点，向阳乔木二次改造了朋友小小东开发的插件。用户只需将 Markdown 和图片地址列出，点击发布即可自动完成推文发布。插件还支持与个人博客关联，一键载入已发布文章作为草稿，图片会自动上传。

提示词管理插件：简写唤起长提示词

向阳乔木开发了一个提示词管理插件，内置 1000 多个提示词，涵盖各种生图提示词和内容加工场景。用户可搜索、复制、粘贴提示词，也可以通过简写快速输入。他现场演示了输入「乔木」回车，即自动填入一段七八百字的论文总结提示词。该插件已公开上架约一周，已有 1000 多用户。

PPT 制作方法论：先调研，后排版

向阳乔木认为，做 PPT 最重要的一点是「不要完全交给 AI 生成」，而应「先做调研分析，把它变成你原始的物料，再让 AI 去帮你排版」。他建议借助 GPT 5.5 Pro、Grok、Gemini 的 deep research 功能获取深度资料，例如他曾让 AI 分析自己三年的 Twitter 帖子数据（收藏、转发、浏览量）来总结增长规律。生成大纲和 PPT 时，他推荐使用舒博团队的产品 Umind，生成速度快且支持高清。他强调，好的 PPT「是有重点的」，而不是密密麻麻一大堆信息，并分享了一个可在任何支持 GPT image to 的地方使用的提示词，用于生成风格简洁、更像传统 Keynote 的 PPT。

大模型选型点评：不追新，按场景选

向阳乔木对比了近期主流大模型的特点：Claude 4.8 编程能力增强，但写作方面「我身边很多有文字工作的朋友，大家都会喜欢 4.6」；GPT 5.5 在做 GEO 内容时结构更好，「虽然内容语文学性上不太好，但是它在做基优方面还是非常好的」；国产模型中 DeepSeek V4 最便宜且可读性不错，GLM 5.1、kimi 2.6 也是大家提及较多的。他特别提醒：「不一定要用最新，不要追新」，要选择最适合自己场景的模型。

其他工具推荐

• 磁盘清理工具：唐玮开发的工具，约 50 元，可解决磁盘满和运行慢的问题。
• Codex：强烈推荐 200 美元/月的版本，「真的是用不完，而且它的质量越来越好」，目前大部分工作场景都在使用。
• Recast AI：一款类似「高级 Spotlight」的效率工具，支持全选文本后通过快捷键调用提示词完成加工处理，如生成标题、翻译、生成卡片等。支持 BYOK（用自己的 API key），也可订阅最高档（约 1500 元/年）。
• 论文解析工作流：通过 hacking base paper 网站获取最新 AI 论文，用 claude code 将 PDF 翻译成中文并解读，生成带图片的文章发布到个人博客（blog.乔木.AI），还可一键创建公众号草稿。整个网站开源，基于 CloudFlare 开发。
• AI 生成 MV：通过 suno 下载歌曲和带时间轴的 LRC 歌词，让 AI 为每段歌词生成画面描述提示词，再生成多张图片，接入文本、动效等转场，即可做出效果不错的 MV。

GEO 是什么：面向 AI 搜索的结果优化

▶ 38:13 · 看这一节

姚金刚在分享开始时先做了 GEO 科普。GEO 即生成式引擎优化（Generative Engine Optimization），是「面向 AI 搜索引擎（如豆包、DeepSeek）的结果优化方法」。他以搜索「企业如何做绩优」为例，完整演示了 AI 搜索的 9 个步骤：

1. 用户向 AI 提出真实问题；
2. AI 对问题进行意图拆解，拆成多个子问题；
3. 进行信息检索（多步骤、多路径）；
4. 信息召回、加工和交叉校验；
5. 给出初审答案；
6. 反查引用来源和信源偏好——这是做 GEO 优化的关键一步，通过点击 AI 回答中的引用来源，可以分析出豆包等平台偏好哪些媒体（如头条系、官网、搜狐）、哪些内容类型（教程、FAQ）、哪些结构特征（标题清晰、事实充分）；
7. 基于分析结果，用 GeoFlow 系统制定内容策略，生成适配内容；
8. 将内容发布到 AI 偏好的平台（如头条号）；
9. 等待 AI 抓取、索引和吸收，从而影响后续搜索结果。

姚金刚特别强调：「GEO 的本质不是操控 AI，而是通过更合适的内容、更合适的平台和更持续的分发，让目标品牌进入 AI 可引用的知识网络。」针对外界对 GEO 的质疑，他引用了今年 315 晚会主持人的话：「GEO 技术本身只是一个优化信息分发的工具，是 AI 时代的新型营销服务之一。」他提出「白帽 GEO」理念：通过优质内容和正确方法提升 AI 回答的体验，让豆包、企业、用户三方受益，形成健康生态。

GEO 三大核心要素：数据、内容、投放

▶ 53:20 · 看这一节

姚金刚将 GEO 的核心要素抽象为三个：数据、内容、投放。

• 数据：解决「现状」问题——了解 AI 目前推荐了哪些品牌、信源偏好是什么；同时通过数据反馈迭代内容和投放策略。没有数据，「你的优化是摸瞎，凭感觉」。
• 内容：是 GEO 的基石和前提。「至少 80% 的投毒问题跟内容有关系」，如虚构企业信息、批量制造同质化垃圾内容。好内容有两个维度：一是基于事实构建内容体系，二是在此前提下做到高质量、高结构化。
• 投放：不是批量发 1000 篇文章到 1000 个网站。「投放足够强是你能够针对每一个词它的 AI 偏好去做一个定向的精细化投放能力。」批量生成同质化内容极易产生 AI 幻觉、信息不实，且垃圾平台会被 AI 反作弊机制降权，甚至经不起交叉校验而降低排名。

GeoFlow 系统：内容工程化的开源实践

▶ 59:04 · 看这一节

姚金刚对自己开发的 GeoFlow 系统在三个维度上打分：内容能力最强（9 分），具备知识库、RAG 能力、语义切片和向量召回；内容投放能力次之（5 分），支持单站点、多站点分发和 WordPress 接入；数据能力相对较弱（3 分）。

部署方式：姚金刚建议用户直接用 AI 客户端（如 Codex、Cursor）下载部署，「帮我下载并在本地部署 GeoFlow 的 GitHub 仓库地址扔给它，剩下就不用管了」。统一使用 Docker 部署，部署后如何打开也可以直接问 AI。

核心配置三步：

1. 配置 API：需要两个模型——内容生成模型（聊天模型，如 DeepSeek、GPT 5.5）和向量化模型（用于知识库语义切片，如 OpenAI、Gemini、智谱）。
2. 配置素材库：包括标题、关键词、图片、作者等基础素材。
3. 新建任务：调用 API 和素材库配置，实现内容生产。

自动化流程：API 和模型配置 → 素材和知识库设置 → 提示词策略（正文提示词和特殊提示词，支持变量调用）→ 任务编排 → 内容生产 → 审核发布（支持人工和机器自动审核）→ 多站点分发 → 数据反馈。

分发能力：支持三种模式——GeoFlow agent（静态文件模式，部署脚本到目标服务器即可通信管理）、WordPress API 接入、通用 HTTP API（可打通任意自有系统，如官网、Shopify、第三方发布插件）。姚金刚强调：「只要有了 API，我实际上是可以打通任何的插件和分发渠道的。」

配套 Skill：系统提供三个配套 skill——优化/修改前端、一键克隆主题（现场演示了复刻苹果官网风格页面）、创建和管理任务。用户可以通过 AI 对话直接操作后台，无需登录。

知识库与向量化：内容质量的源头

▶ 1:29:42 · 看这一节

姚金刚反复强调 AI 知识库的重要性：「AI 知识库是源头，内容系统是放大器，投放和方法是杠杆。」如果知识库是错的、低质量的，投放规模越大，负向杠杆效应越强，会不断放大企业错误；反之，好的知识库能撬动正向增长。

搭建方法：尽可能多地上传企业信息（PPT、PDF、官网信息、活动资料等），「AI 不怕字数多，怕的是材料太少没得参考，只能虚构」。建议先让 AI 梳理一版，人工校对后再上传，确保信息准确详细。

向量化原理：姚金刚用图示解释了向量化的核心逻辑——将文字转化为高维向量（可理解为坐标系中的点），通过余弦相似度计算语义相似度，夹角越小语义越相似。例如搜索「北京亲子博物馆」时，知识库中「北京天文馆适合小朋友」这句话因语义最相似而被召回作为参考。

与传统方式相比，向量化的优势在于：更懂语义（关键词匹配只能看字面相同）、能处理语义表达、更容易计算相似度、更适合大规模知识库、更有利于 AI 生成与引用（降低幻觉）。

现场问答

▶ 2:29:11 · 看这一节

Q：如何搭建知识库？ 建议把企业所有信息（PPT、PDF、官网信息、活动等）扔给 GPT 先梳理一版，人工校对后再上传。核心是事实要表达清楚详细，AI 没得参考就只能虚构。

Q：GeoFlow 最大作用是什么？ 目前最大作用是内容工程——把内容策划、标题、知识库管理、提示词、审核、发布等全部工程化和自动化；其次是解决单站点和多站点的发布问题，以及跟其他发布插件的 API 打通。

Q：模型有什么要求？ 内容生产模型 DeepSeek、GPT 5.5 都可以；切片必须用向量模型（如 Gemini、智谱），因为是完全不同的能力。

Q：如何评估 GEO 效果？ 从三个层面：品牌层面（品牌词趋势、客服咨询话术、企微反馈、官网直接访问来源）；直接效果（豆包的线索、访问、咨询量、订单）；间接效果（商机转化率、后端成交率、转介绍）。可通过设计专属活动页、口令活码、400 电话等方式监测。姚金刚分享了一个外贸企业案例：做 GEO 后百度投放消费从 868 万降至 700 万，ROI 从 2.56 提升至 5（提升 94%），转化率从 8% 提升至 12%。

Q：生成的内容可以分别投放到不同站点吗？ 可以。不同文章类型可投放到不同站点，提示词和任务的适配机制很关键。

Q：向量化模型哪个比较好？ Gemini 和智谱都可以，Gemini 处理长文本能力很强。

要点回顾

• GEO 是面向 AI 搜索引擎的结果优化方法，本质是让目标品牌进入 AI 可引用的知识网络，而非操控 AI。
• GEO 三大核心要素：数据（现状与反馈）、内容（基石，基于事实且高质量）、投放（针对 AI 偏好的定向精细化投放）。
• 做 GEO 前先反查 AI 的引用来源，分析其信源偏好（平台、内容类型、结构特征），再制定内容策略。
• GeoFlow 是开源系统，核心能力是内容工程（知识库 + RAG + 语义切片 + 向量召回），支持多站点分发和 API 打通。
• AI 知识库是内容质量的源头，要尽可能多上传准确、详细的企业信息；向量化通过余弦相似度计算语义相似度，比关键词匹配更懂语义。
• 内容生产模型和向量化模型是两种不同能力，切片必须使用向量模型。
• 评估 GEO 效果分品牌、直接、间接三个层面，可通过活动页、口令活码、专属 400 电话等方式监测。
• 向阳乔木和姚金刚计划每月月底周六晚 8 点举办 GEO 公开课，连续 12 期，下一期主题为「内容工程」；年底计划在深圳举办机构大会。