作者姚金刚宣布开源GEOInflow，一套面向GEO（生成式引擎优化）的网站与AI爬虫分析系统，MIT协议，基于Umami开发，支持Docker一键部署。系统将网站访客、AI搜索引荐、服务器抓取日志和内容目录放在同一上下文中，可识别61种AI爬虫（OpenAI、Anthropic、Perplexity、百度等）及其访问目的，追踪AI搜索带来的会话与转化，并提供PV/UV、事件漏斗、热力图等完整网站统计。核心统计无需模型API Key，默认无Cookie采集，数据留在自有服务器。
文章介绍了一个 GitHub 上 20.1k Stars 的开源项目 claude-seo，它将 Claude Code 变成由 19 个专家 Agent 和 26 个子技能组成的全自动 SEO 工具。相比每月几百美元的 Ahrefs/SEMrush 或数千美元的 Agency 服务，该项目可在 15 分钟内零成本完成全站 SEO 审计，涵盖爬虫抓取、死链、Core Web Vitals 性能、E-E-A-T 评估，并支持 GEO（AI 搜索优化），检测网站被 ChatGPT、Perplexity 等引用的概率，还能生成按优先级排序的整改方案。作者新站靠此工具 12 周获得 10.8K 自然点击。项目 MIT 开源、数据本地化，适合独立开发和 SaaS 出海人群。
作者分享了一套免费的深度 AI SEO 实战课程，核心是用 Claude（尤其是 Claude Code + ChatSEO MCP）系统化提升网站搜索排名与商业转化。内容包括：先选择有商业意图的关键词而非虚荣流量；用关键词模式批量生产页面；按转化意图排序的 9 种软件类页面类型（替代页、对比页、集成页等）；用 Claude 批量写作、内链、生成结构化数据；并强调 GEO（AI 引用优化）必须建立在优质 SEO 之上。文章强调 AI 是执行之手、数据工具是大脑、人负责审批，并按周重复执行整个流程。
文章从波兰尼“所知比所言更多”出发，回顾了人机交互的演进史：1990年代搜索引擎通过关键词猜测意图，形成SEO与竞价排名；移动互联网时代推荐算法借助用户行为数据构建新的分发飞轮，成就字节跳动；AI时代聊天框成为新入口，Agent通过记忆与对话持续更新对用户真实意图的概率估计。作者认为搜索与推荐的核心都是计算概率P，而AI Agent刚接近这个起点，未来可能出现基于意图的竞价排名与新的商业化模式，人机交互的平衡将被反复打破与重建。
作者司徒K基于官方帮助中心、开源推荐算法代码及社区经验，整理出 258 条资料并核对成 124 条实操指南，分为「看懂 X、用好 X、写好 X、守好 X」四部分。内容涵盖 For You 推荐算法的排序参数与负反馈机制、iOS/安卓/网页端的操作差异、搜索指令、列表与书签使用、提及通知规则、快捷键等细节，帮助新用户快速掌握 X 平台的规则与算法逻辑，避免走弯路。
本文整理自《搞钱女孩》播客中小辉与周周的对谈，探讨AI时代小红书虚拟资料生意的机会。文章梳理了虚拟资料从红海变蓝海的三个阶段，介绍了宝妈卖早教词卡、剑桥学生卖面试资料等真实案例，讲解小红书开店流程、各平台差异、AI功能「点点」在需求调研与GEO中的用法，以及周周给AI工具分工的个人工作流。同时讨论了企业AI陪跑、单点流程优化等商业化方向、版权规避方法与提升AI使用能力的「偷懒」提问法，为普通人利用AI做虚拟产品提供实操路径。
作者宣布将于10月24日（世界程序员日）晚7点通过视频号直播，发布全新商业GEO产品及开源GEO流量统计系统GEOInflow。文章回顾了一年多来在GEO领域的实践，包括孵化GEO公司、开源项目、出版书籍等，并指出行业普遍存在的基建混乱、运营低效、品控缺失等问题。直播将分享三大内容：包含8个业务子系统、具备Agent投放能力的商业GEO运营系统，升级为12个核心节点的精细化运营SOP，以及能同时统计人类访客与四类爬虫数据、与北京日报社联合开源的GEO流量统计系统。
作者蒋云何分享作为出海小白从中秋上站到首日破百刀、5天累计破千刀的完整过程。文章详述了通过 Google Trends 词根法找到新词 hotel lobby ai video，用 ShipAny 模板当天上站，第二天铺长尾内页做 SEO，并抓住 ChatGPT 推荐带来的 GEO 新红利。上线10天内获得768注册、64付费，MRR达535美元。作者总结了找新词的四个判断标准、建站节奏、定价策略（主推订阅）及转化漏斗数据，强调前端流量优先、先内容后功能的新手方法论，鼓励仍在迷茫中的出海新人。
该白皮书探讨了生成式AI时代获客与流量入口的重构，提出从传统SEO的'被搜索'转向GEO的'被引用、被调用'新范式。文章指出用户行为正从检索关键词转向直接向AI提问，品牌可见性取决于能否被AI检索、读懂、引用乃至被Agent调用。白皮书定义了GEO、AEO、Agent Ready等核心概念，提出五层24类能力的Agent Ready参考架构，并给出包含证据向量、分层就绪度、审计完整度与固定定层函数的可审计、可复算的数学评估模型。强调评估只读不变量、改动爆炸半径控制及承诺边界，附有自助评估工具与实施路线图。
作者总结了GEO（生成式引擎优化）行业的12种典型盈利模式，包括：卖服务（全案运营）、卖系统（SaaS或私有化部署）、卖信源、卖咨询、卖课程、卖陪跑、卖广告、卖加盟（部分企业营收过亿）、卖FDE、卖标准、卖数据以及卖产品。针对有人质疑'人人都搞GEO是否等于内卷'的观点，作者回应称全国从业者不到100万，行业竞争远未到囚徒困境的程度。文章为GEO从业者提供了商业模式的系统性梳理。
作者开源了一个 Agent Skill「chatgpt-fanout-queries」，用于追踪 ChatGPT 回答前的搜索过程。文章指出 Query fan-out 是 GEO（生成式引擎优化）的重要视角，模型会把用户问题展开成多个搜索词，页面能否被引用取决于是否命中这些展开需求。该 Skill 通过调用 Responses API 并开启 Web Search，保存原始响应，提取搜索词、工具调用、来源 URL 和最终引用，区分搜索来源与答案引用，并生成 JSON、CSV、Markdown 及可离线打开的 HTML 报告。文章还以 best ai ppt maker 为例演示实际效果，说明其在补齐主题覆盖、发现内容缺口、调整内容结构、排内容优先级等营销场景的用法。
文章剖析中国 GEO（生成式引擎优化）行业的现状与入行路径，指出 AI 提及不等于客户成交，反对夸大宣传和造假式优化。作者区分 SEO、GEO、AEO 与私有 RAG 的差异，提醒勿拿 7 亿 AI 用户偷换市场规模。文章给出按四种交付物（诊断、资料、技术、运营）拆分报价的方法，设计四周试点流程，包括事实库、问题库、合法发布与同口径复测，并以假设案例演示 6000 元订单的真实成本核算。最后列出六个行业坑及合规边界，建议把预测转化为可检查项，守住诚实交付的底线。
复旦大学与上海浦东密码学研究院团队发布论文，研究10个AI搜索平台（ChatGPT、Perplexity、豆包、DeepSeek等）的引用行为。研究发现：不同平台信源选择偏好明显，头部20个域名可占引用70%以上；80%平台引用了人为发布的虚构概念；发布渠道的选择比内容数量更重要，1篇高偏好平台文章效果可超过20篇低偏好平台文章；14美元即可购买GEO服务使内容被AI引用。作者总结：AI搜索的权力在于决定哪些信息有资格成为答案，GEO应面向不同平台建立独立信源画像，目标是让AI正确理解品牌。
作者复盘首次做新词站的完整经历：10月4日上线后二十多个订单，突破日入百刀，流量大部分来自ChatGPT。文中记录了自己通过Google Trends和Sitemap监听找词、快速搭站上线、尝试GEO优化的过程，以及踩过的坑：视频生成只抽样测试导致用户六次生成失败、.xyz域名收录慢被迫换域名、用户小图尺寸引发新bug等。作者总结了几点感受：新词值得尝试、不要惯性避开竞争、完整验证不能省、先完成再完美但上线前测试必须有。
作者认为随着用户解决问题习惯从搜索引擎转向AI问答，AI答案已成为新的黄金广告位，当前正处于企业预算尚未跟上的窗口期。文章记录了作者实操GEO项目的全过程：通过电话营销获客碰壁后转型老客户成交，并详细介绍了GEO交付方式，推荐在十二个国内内容平台分发利于AI收录的营销内容。作者测试发现不同AI（文心一言、豆包、DeepSeek等）优先信任的内容源不同，通过编写提示词批量生产内容，第五天即见到收录效果，验证了7-15天见效承诺可行。
本文是一份面向独立开发者和一人公司的 GEO（生成式 AI 搜索优化）新手教程。作者解释了 GEO 的概念：让 AI 在回答用户问题时能提及、推荐并正确描述你的产品。文章先介绍了 AI 回答的 RAG 原理，对比了 GEO 与 SEO 的异同，然后给出零预算的五步实操方法：收集真实问题并观察 AI 回答、制作产品事实卡并优化产品页、按引用友好格式撰写内容、选择发布渠道、定期复查记录。文中还引用普林斯顿 GEO 论文数据，说明引用来源、数据和引语能显著提升可见度，并指出常见误区。
作者取消了自己每月 250 美元的 SEO 订阅工具，改用 AI Agent（如 Claude Code）配合 Treg MCP 服务，以每次约 8 美分的价格完成 SEO 研究。文章介绍了 SEO 与 AI 搜索可见性（GEO/AEO）的区别，并给出一个五步研究流程：挑选真实用户问题、检查自己网站已有页面、分析 Google 前 10 结果、检查 AI 助手引用来源、生成一页简报并决定改进、新建或跳过。作者分享了首次实战案例和页面优化决策规则，强调代理负责低成本收集证据，而判断与写作决策仍由人来掌控。
作者开源了一个用于采集小红书相关搜索词的Skill，部署到Codex后，输入一个或多个词根，AI自动抓取搜索框下拉词，并逐层扩展得到二级相关词。每条词保留截图、展示位置和来源路径，去重后按行业评分商业价值（1到10分），最终汇总为Excel文件。用「留学公司」测试获得110条路径、93个去重词。作者还回应了账号风险问题：该Skill不刷页面、无点击动作，抓取数千词量未触发风控。
文章介绍 GEO（生成式引擎优化）时代如何科学选题。作者指出常见误区是直接让 AI 推荐主题，而应先从产品出发建立 Topic Pool，再结合 Google SERP、竞品文章和 Semrush/Ahrefs 数据三重信号验证主题是否存在真实搜索机会，最后判断该主题是否天然适合作为 AI Query。只有同时满足搜索需求、SERP 允许内容进入、竞品验证、适合 AI 提问且与产品高度相关，才是值得投入的 GEO Topic。作者强调选题这一步不应完全交给 AI，因为选题错误会让后续优化白费。
作者以面试官视角，为零经验转行 AI 出海产品与海外增长运营岗位的求职者提供系统指南。文章先解读典型 JD，说明 AI 出海产品岗与增长运营岗的实际工作内容，提炼出硬性门槛、核心业务能力和加分项三类要求。随后给出四阶段准备方法：补齐海外业务认知（平台渠道、商业模式、英文资料研究）、掌握市场判断、产品体验分析、竞品分析和增长数据拆解，以及 AI/数据/内容等加分能力，最后附上用 Gamma 做海外产品分析的跟练项目和面试表达框架。
本文介绍了 GEO（生成式引擎优化）的入门实践方法，即提高内容、产品或品牌在 AI 回答中被发现和使用的机会。作者建议从一件具体的事开始：找到真实问题、整理能回答它的材料、做成公开内容、检查能否被发现和正确使用。文章讲解了 GEO 与 SEO 的关系，强调起步时应选择精准小词而非行业大词，通过四步法完成第一篇内容：分析 AI 现有回答、梳理自有材料、先回答问题再展开、发布并验证。同时说明了内容发布后的检查方法，包括页面可访问性、搜索收录状态、AI 引用观察等，并建议在第一篇做好之前不要急于投入批量生产、复杂标记和监测工具。
本文是第五场GEO公开课总结，深入讲解GEO（生成式引擎优化）的效果归因与ROI计算。首先描绘国内GEO商业生态七层全景图（入口、信源、数据、技术、执行、交易、治理层）及七项核心能力的进阶方法论；随后重点分析GEO效果归因的难点：用户从AI推荐到企业交互环节存在断层。文章提出GEO转化的四个特征（直接转化、延迟效应、渠道协同、间接转化），并系统介绍10种效果标记与统计方法，包括专属电话、口令、页面、表单、Referrer识别、地域A/B测试等三类方法，帮助企业科学评估GEO投入与产出。
作者收集整理了60个Jev应用案例，并精选12个典型场景进行详解。这些案例的核心逻辑是：生成模型负责写作与复杂推理，Jev承担分类、筛选、评分和选择，代码执行后续动作，关键节点保留人工复核。案例涵盖品牌提及识别、实体对齐去重、RAG信源筛选、引用核验、网页操作决策、Skill选择、工具风险检查、客服工单分流、官网表达检查、论文引用验证、级联校验信息抽取及文本特征化等多个方向，对理解AI应用的工程化实践具有参考价值。
本文是一篇面向小白的 GEO（生成式引擎优化）入门教程。作者从 SEO 类比出发，解释 GEO 的核心目标是让 AI 能够发现、理解、信任并推荐品牌。文章梳理了 AI 回答的五步流水线（意图理解、查询扇出、检索、筛选打分、生成回答），并提出启动 GEO 的三个信号：客户已在问 AI、竞品已布局、处于拓荒红利期。实操部分包括 AI 可见度诊断、网站技术检查、建立 AI 问题库、内容创作六法则、构建多层次信源及持续监测优化。最后阐述了 SEO 与 GEO 双层优化的协同方法，强调同一篇文章可同时服务搜索排名与 AI 引用。
本期 Indigo Talk 邀请 HashMatrix 合伙人大罗，从 SEO 老兵视角拆解 AI 时代的营销与增长。讨论涵盖 AI 在营销中的真正提效场景（多平台内容分发从两三周缩短到十分钟）、AI 难以胜任的无中生有式创意、第四种流量入口——AI 推荐（答案仅有三到五个位置）、AI 推荐机制（训练数据与 RAG，一个问题被拆成十几个 Query）、GEO 与投毒的现状，以及 AI Slop 时代个人声音的稀有度价值。最后得出反直觉结论：Agent 时代最被低估的增长杠杆是活人社群和线下连接，建议新人'做回人'。
本文是作者在承德OPC线下实训的万字分享整理。前半部分分析一人公司（OPC）兴起的真正原因：Agent使AI能端到端交付任务，突破了个人交付能力的天花板。文章拆解了四种个人商业模式：AI博主卖注意力、专业人士用内容获客、行业小产品变现、知识付费教学，并指出最大的坑是先做产品再找客户。后半部分为完整实操，讲解如何搭建由Context、Memory、Skill、Agent四模块组成的AI分身系统，通过固化身份、知识库与技能，让AI代替自己完成重复交代，实现个人业务的系统化交付。
本文整理了 Paul 在播客中分享的 SEO 与 GEO 实战方法论：只锁定有付费意图的交易词，写内容前挖掘二级词池，Title 标签决定页面半壁江山；通过 Search Console 判断该新建页面还是优化旧页，避免关键词自相残杀；像素级对标排名前三的内容再补齐缺失；内链每页至少 5 条并使用精准锚文本；外链首选主题相关且自身排名靠前的页面；任何改动需耐心等待 2 个月再评判。GEO 本质仍是 SEO，唯一有效打法是在标题加入'Best + 年份'做榜单页拿下 Google 排名，AI 检索时会自动引用。
文章基于12000字实证报告，系统梳理中国GEO（生成式引擎优化）生态。作者逐条核实行业流传数据，发现多数为假。文章提出品牌进入AI答案需过五道闸（可达、可信、命中、入答、转化），指出搜索总量未塌但点击在流失，AI引荐流量转化率高但绝对量小。买方侧真实存在但卡在验收难题，实际付费者多为高获客成本的中小B端。全球资本已投票（Adobe 19亿美元收购Semrush、Profound成独角兽），但交易层收入池仍是空的。技术层面，主流GEO优化手法的有效性存争议，中国服务商最赚钱的做法恰是合规风险最高的。
作者与多位创业公司GTM创始人交流后发现：SEO适合成熟市场，因为其天花板取决于搜索量，用户已有明确需求；而创业公司多处于新兴行业，用户尚未产生搜索行为，初期投入SEO难以带来增长。作者建议创业初期优先通过社交媒体、红人、视频等创造需求的渠道获取种子客户，找到PMF后再投入网站和SEO。对于GEO（AI搜索优化），作者认为需评估目标用户是否真的会向AI提问，例如重度游戏玩家极少通过AI获取游戏推荐，盲目投入GEO是捡芝麻。数字营销没有固定打法，关键是找到最适合自己的组合。
文章探讨 GEO/SEO 排名中的关键因子：Entity（实体）定义与主题权重。作者将网站比作一本书，Entity 是书名，Topical Map 是大纲，内容是正文。Entity 定义需回答四个问题：我是谁、我提供什么、我服务谁、我不覆盖什么，以明确网站身份和内容边界，避免盲目蹭流量。定义 Entity 后，通过外部渠道（AI 工具、Ahrefs、Wikipedia 等）和内部渠道（用户访谈、客服反馈等）收集主题，再按商业价值与品牌相关度评估筛选，构建主题地图。文中以 HeyGen、Ahrefs 为例说明 Entity 定义与升级过程。
