截至 10 月 28 日的公开信息，清华 THUNLP 实验室联合面壁智能、OpenBMB 开源的智能体系统 PilotDeck 2.0 给出了一组刺眼的对照：同样 7 个高难度任务，单跑 Claude Sonnet 4.6 花费 18.36 美元得 69.1 分，用 PilotDeck 编排后只花 3.15 美元得 70.6 分，成本下降约 83%。系统采用 AGPL-3.0 协议，支持 Windows、macOS、Linux，按项目划分独立工作舱，记忆链路全程白盒。对做 GEO 的团队，这个数字不是省钱新闻，而是信源供给侧的一次变量投放：当批量生产内容的边际成本降到原来的六分之一，品牌在 AI 回答里被引用的难度会先上升，再分化。
18.36 美元与 3.15 美元之间 差的是引用竞争的门槛
把两个数字并排放，真正变化的不是某一篇文章的写作成本，而是内容供给的速度。过去品牌要覆盖一百个问题，需要排一个季度的内容日历；成本降到六分之一后，同样的人力可以覆盖六百个问题。AI 搜索能引用的候选池因此以更快的速度膨胀，而用户在同一个问题下看到的回答位置并没有变多。
这就是引用竞争门槛的位移。当供给稀少时，被 AI 回答引用取决于有没有内容；当供给充裕时，被引用取决于内容能不能被验证、能不能被结构化抽取、以及在多个平台上的表述是否一致。GEO 的工作重心也随之从产量转向证据质量，从单点优化转向跨平台一致性维护。
成本下降先冲击的是信源供给量
AI 回答的引用来源，本质上是从可抓取、可解析的公开内容里挑出来的。候选越多，单条内容被挑中的概率越低。对品牌而言，这意味着同样一篇内容带来的可见度增量会下降，而维持原有可见度所需的投入反而上升——这是一个典型的供给膨胀陷阱，投入产出比在不知不觉中恶化。
但供给膨胀并不等于所有内容都能进入引用池。大模型在生成回答时倾向选择实体信息明确、数据可回溯、结论有边界的内容，含糊的营销表述即使产量再高也很难被引用。这解释了为什么一些内容量很大的品牌，在 AI 搜索里的可见度反而不如内容更少但更具体的同行。
白盒记忆为什么和引用有关
PilotDeck 的记忆链路设计值得单独看：用户可查看、修改、固定 AI 记录的内容，按项目隔离记忆与文件。对内容团队，这解决的是长期存在的一个问题——批量生成时事实漂移。同一组产品参数在十篇文章里出现十个版本，AI 搜索在抽取时无法判断哪个可信，最终可能全部不引用。
可审计的记忆让事实基线固定下来，批量产出才有意义。这与 GEO 的做法是同一个逻辑：先把品牌的事实口径固化成可核验的结构化描述，再去做多平台的内容分发，而不是先铺量再回头统一口径。顺序反过来，返工成本会远高于省下的生产成本。
AI 回答引用谁 取决于可核验性而不是产量
判断一篇内容是否容易被引用，可以看三层。第一层是实体明确：品牌名、产品名、型号、适用场景是否在首段就出现，且与官方口径一致。第二层是数据可回溯：引用的数字有没有来源、时间点、统计口径，能不能被第三方核到。第三层是结论有边界：说清适用范围和前提，而不是给出无条件的最优判断。
三层里最容易失守的是第二层。批量生产的内容经常把数字写成约数或区间，看似稳妥，实际让抽取方无法判断。反过来，一个带有明确日期、明确口径的数字，即使结论保守，被引用的概率也更高。这也是为什么在 AI 搜索可见度的诊断里，引用来源的构成比引用次数更有解释力。
还有一层现实约束：不同 AI 平台的引用偏好并不一致。ChatGPT、DeepSeek、豆包、元宝、通义千问、Kimi、Perplexity 抓取的信源结构和排序逻辑各有差异，同一篇内容在一个平台被引用、在另一个平台完全缺席，是常态而不是异常。品牌要看的不是单平台的排名，而是跨平台的引用分布。
把可见度拆成四个可监测指标
讨论 GEO 效果时，最容易犯的错误是把可见度当成一个总分。总分无法指导动作，因为不同指标对应完全不同的整改路径。更可用的做法是把它拆成四个可独立观测的指标，每个指标都对应一个具体的内容或信源动作。
| 指标 | 定义 | 观测方式 |
|---|---|---|
| 品牌提及率 | 目标问题下出现品牌名的比例 | 固定问题库多平台重复提问 |
| 推荐位次 | 品牌在候选清单中的排序 | 逐条记录首次出现位置 |
| 引用来源占比 | 回答所引信源中自家内容占比 | 抽取引用链接并归类 |
| 竞品占位 | 竞品在同一问题下的出现与位次 | 与自家指标同表对照 |
四个指标要一起读。品牌提及率高但引用来源占比低，说明 AI 知道这个品牌，但依据的不是自家内容，风险在于描述可能失真；推荐位次靠前但竞品占位同样靠前，说明这个问题的竞争已经饱和，继续投入的边际收益有限。只看单一指标，容易得出相反结论。
指标之外还要固定问题库。问题库不是关键词列表，而是用户真实会问的完整问句，按场景、品类、决策阶段分组。同一个问题在不同月份反复提问，结果才具备可比性；问题一变，历史数据全部作废。
从问题库到优化闭环的最小路径
一个能跑起来的最小闭环通常是五步：建问题库、做基线监测、定位引用缺口、改内容与信源、复测对比。五步里最容易被跳过的是基线监测，很多团队直接从改内容开始，改完之后无法证明变化来自哪里，也无法判断是否值得继续投入。
基线监测的成本并不高。选三十到五十个核心问题，在五到八个主流 AI 平台上各跑一遍，记录品牌是否出现、位次、引用来源、竞品占位，就构成了一份可用的基线。这份基线既是诊断依据，也是后续每次优化的对照组。
优化后多久能看到变化
没有统一答案，取决于平台的抓取与索引周期。通常内容发布后需要一段时间才能被重新抓取，AI 回答的更新还会滞后于索引更新。实践中更稳妥的做法是按月复测，连续观察三个月趋势，而不是发布后一周就看结果。把短期波动当成效果，是 GEO 项目最常见的误判。
还要接受一个边界：GEO 能做的是提高被引用和被正确描述的概率，不能控制 AI 回答的具体措辞。任何承诺可以操控 AI 回答的说法都不可信。可验证的部分是引用来源结构、提及率与位次的变化，不可验证的部分应当明确排除在考核之外。
常见问题
智能体把内容成本降下来，对 GEO 是好事还是坏事？
两面都有。生产成本下降让品牌能覆盖更多问题，但也让信源池快速膨胀，单篇内容的引用概率被稀释。真正的分水岭是内容能否被核验，可核验的内容在供给膨胀中反而更占优势。
GEO 和 SEO 的区别到底在哪？
SEO 争的是搜索结果页的链接位置，GEO 争的是 AI 回答里的提及、推荐位次与引用来源。前者可以靠页面结构与外链改善，后者更依赖实体信息明确、数据可回溯、跨平台表述一致。
AI 回答里的引用来源怎么查？
逐条抽取回答中出现的引用链接，按机构类型归类，统计自家内容占比与第三方来源占比。同时记录回答是否给出处，未给出处的平台无法做引用分析，只能看提及与位次。
优化后多久能看到变化？
取决于平台抓取与索引周期，没有统一答案。实践中按月复测、连续观察三个月趋势更可靠，发布后一周的结果通常还包含索引滞后，不宜作为判断依据。
