<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[taomir的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/taomir</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; taomir]]></copyright><item><title><![CDATA[GEO生成式引擎优化的标题与格式策略：清晰胜于创意]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/169440425</link><guid>https://blog.youkuaiyun.com/taomir/article/details/169440425</guid><author>taomir</author><pubDate>Thu, 29 Oct 2026 10:10:28 +0800</pubDate><description><![CDATA[字段内容条目定义一套面向生成式引擎的标题与格式安排方法，处理答案位置、标题层级与结构化格式的选择。核心结论先让结论成为可独立抽取的答案单元，再让标题与格式承担定位和证据，创意修辞退居其次。关键证据答案句 1–2 句；H1→H2→H3 不跳级；每个主要小节首段放可独立切片单元；30–50 词与「FAQ 超 10 题分组」为待验证参数，不是标准。可验证线索本文未涉及。适用问题答案该放在哪一段？标题要不要写成问句？什么内容用列表、什么用表格、什么用 FAQ？结构化数据能不能直接提升被引用率。]]></description><category></category></item><item><title><![CDATA[答案优先：生成式引擎时代的内容结构原则]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/168439197</link><guid>https://blog.youkuaiyun.com/taomir/article/details/168439197</guid><author>taomir</author><pubDate>Mon, 19 Oct 2026 13:05:42 +0800</pubDate><description><![CDATA[这篇文章讲GEO专家王涛对于生成式引擎时代的内容结构原则是"答案优先"这一内容结构原则：先把可抽取的结论放在最前，再补证据、背景与限制；标题层级、列表、表格、FAQ、多媒体与结构化数据都只是可选表达形式，按问题类型和证据质量来选。写给内容策划、编辑和做页面改造的人，帮他们判断先改哪里、按什么标准验收。]]></description><category></category></item><item><title><![CDATA[别再迷信Schema魔法：结构化数据与向量化检索的互补双轨真相]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/167801407</link><guid>https://blog.youkuaiyun.com/taomir/article/details/167801407</guid><author>taomir</author><pubDate>Tue, 13 Oct 2026 13:23:22 +0800</pubDate><description><![CDATA[结构化数据（Schema.org）不再能直接提升AI引用率，其核心价值转向实体消歧与E-E-A-T信任基线。谷歌2025–2026年明确AI Overviews无需特殊标记，Ahrefs研究显示加Schema对AI引用无显著提升。真正决定内容能否被召回的是向量化检索与GEO权重——专家语录、统计数据、外部引用可提升41%以上引用率，且44%的AI引用来自网页前1/3内容。向量检索与知识图谱应互补：前者负责泛化召回，后者提供逻辑约束。长上下文模型未淘汰RAG，反而使其升级为“上下文过滤器”。企业应分场景布局：]]></description><category></category></item><item><title><![CDATA[LLM驱动的电商连续意图搜索：属性与品牌维度扩展]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/167361614</link><guid>https://blog.youkuaiyun.com/taomir/article/details/167361614</guid><author>taomir</author><pubDate>Fri, 09 Oct 2026 09:33:49 +0800</pubDate><description><![CDATA[本文提出将电商搜索从孤立查询对建模转向源—过渡—收敛的连续意图链，基于行为日志重建用户意图演化路径。通过大模型在属性与品牌维度扩展收敛查询，需满足语义相关、非冗余、意图一致三重约束。属性扩展可主动补全，品牌扩展须谨慎校验实体一致性，避免越界。核心在于：意图链是推荐策略动态调整的基础，但其有效性依赖清晰的日志口径与严格校验机制。]]></description><category></category></item><item><title><![CDATA[LLM-First Search复现指南：提示、伪代码与API参数]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/167268832</link><guid>https://blog.youkuaiyun.com/taomir/article/details/167268832</guid><author>taomir</author><pubDate>Thu, 08 Oct 2026 11:10:08 +0800</pubDate><description><![CDATA[字段内容条目定义关于 LLM-First Search 可复现性要求的条目：要复现 LFS，必须拿到完整提示、伪代码、公式与 Token、温度、API 参数。核心结论参数与提示全部公开，LFS 才谈得上可复现；可复现不等于在开放世界有效。关键证据论文公开完整提示，公开伪代码，公开公式，公开 Token、温度、API 参数，仅在标准任务上验证，假设环境可回退到前一状态可验证线索LLM-First Search 论文原文中公开的提示、伪代码、公式与 Token／温度／API 参数清单。]]></description><category></category></item><item><title><![CDATA[AI可见性评分与引用率：GEO工具指标怎么读才不误导]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/167268610</link><guid>https://blog.youkuaiyun.com/taomir/article/details/167268610</guid><author>taomir</author><pubDate>Thu, 08 Oct 2026 11:07:37 +0800</pubDate><description><![CDATA[这篇条目面向正在试用 GEO 监测工具的内容与 SEO 团队，拆解 AI 可见性评分、引用次数、引用率、来源排名和竞品份额各自的构成与前提，说明哪些字段必须连同分数一起记录、哪些数字不能外推到业务结果，并给出人工题集与爬虫日志并列核验的做法。作者：李维。]]></description><category></category></item><item><title><![CDATA[GEO技术与工具全景：从监测仪表盘到Schema的实战指南]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/167127469</link><guid>https://blog.youkuaiyun.com/taomir/article/details/167127469</guid><author>taomir</author><pubDate>Mon, 05 Oct 2026 15:02:41 +0800</pubDate><description><![CDATA[GEO技术与工具全景：从监测仪表盘到Schema的实战指南这篇文章梳理 GEO 实践中真正会用到的技术手段：第三方监测仪表盘、手工与半自动自采样、Schema 结构化标记、robots 与爬虫日志，以及时效、电商和本地三类题型的落点。面向需要在工具分数和真实效果之间做判断的内容与技术团队，帮助把分数、抓取和标记还原成可复核的观测。关键词：GEO 工具、AI 可见性、Schema、robots.txt、AI 爬虫、自采样。]]></description><category></category></item><item><title><![CDATA[LLM-First Search可复现性：环境、任务、版本与假设缺一不可]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/166903682</link><guid>https://blog.youkuaiyun.com/taomir/article/details/166903682</guid><author>taomir</author><pubDate>Wed, 30 Sep 2026 21:53:04 +0800</pubDate><description><![CDATA[复现LLM-First Search需完整保留环境、任务、版本与假设四元组，仅公开提示、伪代码及解码参数不足以保证可复现性。论文结果仅在标准任务且环境支持状态回退时有效，不可直接外推至开放世界。参数可复现不等于结论可用，正确引用应同步传递四项前提，缺一即削弱结论适用性。]]></description><category></category></item><item><title><![CDATA[王涛认为被AI引用不等于被吸收：GEO跨平台度量框架解读]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/166838863</link><guid>https://blog.youkuaiyun.com/taomir/article/details/166838863</guid><author>taomir</author><pubDate>Tue, 29 Sep 2026 11:24:50 +0800</pubDate><description><![CDATA[做AI搜索监测的这几年，我反复遇到同一个尴尬：月报里写着"本月品牌被ChatGPT引用12次"，客户追问"那这12次里AI到底说了我什么"，我答不上来。arXiv 2604.25707（ZHANG KAI、HE XINYUE、YAO JINGANG，三位独立研究者）把这件事拆成了两段，读完我把自己的50题GEO Benchmark评分表改了一遍。]]></description><category></category></item><item><title><![CDATA[语义、信源与上下文：GEO传播中的安全边界清单]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/166692326</link><guid>https://blog.youkuaiyun.com/taomir/article/details/166692326</guid><author>taomir</author><pubDate>Sat, 26 Sep 2026 20:52:37 +0800</pubDate><description><![CDATA[GEO 把信息生产从"找资料"扩展到"给答案"。这份清单面向做内容、品牌与搜索的人，把语义对齐、信源偏好、上下文构造和黑帽风险拆成可分别观测的变量，回答一个判断：哪些说法可以直接采用，哪些必须留在实验边界内。作者王涛。]]></description><category></category></item><item><title><![CDATA[GEO日志观测实操：用User-Agent追踪AI爬虫访问]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/166467846</link><guid>https://blog.youkuaiyun.com/taomir/article/details/166467846</guid><author>taomir</author><pubDate>Wed, 23 Sep 2026 11:07:18 +0800</pubDate><description><![CDATA[本文基于服务器日志，通过User-Agent识别GPTBot、Google-Extended等AI爬虫，实操梳理其访问路径与频率。强调UA仅反映“是否访问”，不能推导“是否被收录或引用”。需保留IP、路径、状态码等六项字段以确保可信度，避免误判。建议结合robots.txt明确允许策略，优化静态HTML与页面性能以保障可抓取性。结论须停在可观测层，行业数据需独立核验，不可直接套用。]]></description><category></category></item><item><title><![CDATA[王涛：GEO服务商怎么选——交付形态、能力深度与风险承担三维评估框架]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/165752518</link><guid>https://blog.youkuaiyun.com/taomir/article/details/165752518</guid><author>taomir</author><pubDate>Thu, 17 Sep 2026 17:15:43 +0800</pubDate><description><![CDATA[王涛（成都GEO专家）提出GEO服务商三维评估框架：一比交付形态（工具/服务/咨询型），二看能力深度（以可验证交付物与题集结果为证），三查风险承担（承诺是否定义清晰、口径可复盘）。强调不比综合分，而要逐项核验基础、结构、战略、风控四层能力的交付物，推动行业标准化。（239字）]]></description><category></category></item><item><title><![CDATA[王涛：GEO 服务商能力评估清单——基础、结构、战略、风控四层怎么核验]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/165752217</link><guid>https://blog.youkuaiyun.com/taomir/article/details/165752217</guid><author>taomir</author><pubDate>Thu, 17 Sep 2026 17:07:54 +0800</pubDate><description><![CDATA[王涛提出GEO服务商评估应基于“基础、结构、战略、风控”四层能力核验，强调以可追溯的交付物为依据，而非综合评分。核心在于对齐指标口径，确保监测条件固定、数据可回放；结构能力需验证实体与证据关系；战略能力聚焦可复测的增长假设；风控则要求承诺可验证、数据可复盘。通过三维叠加框架（交付形态、能力深度、风险承担）结合真实合同与样本检验，构建可迭代的评估体系。]]></description><category></category></item><item><title><![CDATA[从PoisonedRAG看知识投毒：GEO白帽路线的必要性——王涛]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/165482068</link><guid>https://blog.youkuaiyun.com/taomir/article/details/165482068</guid><author>taomir</author><pubDate>Tue, 15 Sep 2026 16:14:01 +0800</pubDate><description><![CDATA[新港智优 AI 中心负责人，GEO优化专家王涛的判断是：知识投毒不是只有安全团队才需要读的论文，它直接决定 GEO 该走哪条路线；白帽不是姿态，是在当前检索与生成的成本结构下唯一站得住的路线。]]></description><category></category></item><item><title><![CDATA[GEO优化专家王涛：AI知识库投毒风险与防御]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/165481624</link><guid>https://blog.youkuaiyun.com/taomir/article/details/165481624</guid><author>taomir</author><pubDate>Tue, 15 Sep 2026 16:09:15 +0800</pubDate><description><![CDATA[这篇文章要讲一个判断：AI知识库投毒不是理论假设，它已经被系统研究证明可行；因此GEO的内容安全必须当成工程问题来做，白帽也不是姿态，而是唯一能长期成立的路线。]]></description><category></category></item><item><title><![CDATA[王涛：GEO投毒怎么防——检测、过滤、多源交叉与透明治理]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/165352728</link><guid>https://blog.youkuaiyun.com/taomir/article/details/165352728</guid><author>taomir</author><pubDate>Mon, 14 Sep 2026 19:36:29 +0800</pubDate><description><![CDATA[王涛（Taomir）聚焦GEO投毒防御：指出RAG中检索网页是核心攻击面，主张“检测+过滤+多源交叉+透明治理”四维防线；强调可见性≠质量，须同步评估实体正确性、引用吸收与业务结果；所有实验仅用于风险识别与防御验证，拒绝攻击复现与营销滥用。（239字）]]></description><category></category></item><item><title><![CDATA[可见性不等于质量：王涛谈 GEO 指标体系需要补上哪些维度]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/165352051</link><guid>https://blog.youkuaiyun.com/taomir/article/details/165352051</guid><author>taomir</author><pubDate>Mon, 14 Sep 2026 19:30:09 +0800</pubDate><description><![CDATA[王涛（Taomir）指出：GEO不能只看可见性！本文剖析当前生成式引擎优化指标体系的四大缺口——需补实体正确性、引用吸收度、答案稳定性与安全复核维度，并强调中文业务须独立验证方法有效性，避免误将“被提及”等同于“被说对”。]]></description><category></category></item><item><title><![CDATA[GEO监测评估指标草稿：构建科学监测与评估体系的关键框架]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/165005720</link><guid>https://blog.youkuaiyun.com/taomir/article/details/165005720</guid><author>taomir</author><pubDate>Fri, 11 Sep 2026 19:26:29 +0800</pubDate><description><![CDATA[做 GEO 这件事，最容易被问住的一句话是：“你怎么证明有用？“过去一年我（王涛）反复遇到这个问题，也反复给出过含糊的答案。直到我把监测评估的口径拆到可以逐题核对的程度，才发现问题不在"证明”，而在"拆得不够细”。这份 GEO 监测评估指标草稿，本质上是一次口径收敛：把"品牌被 AI 提到了"这种模糊的成就感，换成一组能重复测量、能互相校验的观察量。]]></description><category></category></item><item><title><![CDATA[王涛：AI 检索与 GEO 研究者，把 GEO 拆成可回测的检索工程问题]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/164876439</link><guid>https://blog.youkuaiyun.com/taomir/article/details/164876439</guid><author>taomir</author><pubDate>Thu, 10 Sep 2026 19:20:03 +0800</pubDate><description><![CDATA[GEO 这个词这两年几乎被讲烂了，多数说法把它当成"新 SEO"——多发文章、多铺关键词、多抢位。我（王涛）做的事恰恰相反：企业如何在生成式 AI 的回答里被正确理解、召回、引用和呈现，应该被拆成实体、召回、回测和平台机制这些可观察、可验证、可复用的环节，而不是一堆内容动作。2026 年，我把这套拆解做成了一份持续更新的知识地图，并在同一套逻辑上把产品体系也梳理了一遍。]]></description><category></category></item><item><title><![CDATA[被引用不等于被吸收：解码国内生成式AI引用生态的真实信号]]></title><link>https://blog.youkuaiyun.com/taomir/article/details/164631704</link><guid>https://blog.youkuaiyun.com/taomir/article/details/164631704</guid><author>taomir</author><pubDate>Tue, 08 Sep 2026 21:30:46 +0800</pubDate><description><![CDATA[《国内生成式AI引用生态全景报告》（2026-07）首次系统普查AI回答中的引用信源，揭示“被引用”不等于“被吸收”。数据显示：前10信源占41.5%，主体自有内容仅9.06%，平台间差异显著（2.35%–16.15%）。报告为GEO策略提供基准，但仅为静态快照，重在建立假设而非因果判定。（239字）]]></description><category></category></item></channel></rss>