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。
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。
作者姚金刚开源了一个名为GEOHub的GEO超级Skill，该Skill将GEO研究、诊断和内容生产等能力整合进统一的能力注册表，并为测量与SEO提供统一入口。GEOHub包含能力注册表、路由器、工作流编排、多个Skill、统一产物协议、JSON Schema、证据账本、质量报告、CLI、测试和打包体系等组件，支持中英文GEO请求，覆盖14类GEO与SEO任务，包括品牌诊断、内容生产（如标题、科普解释、对比、榜单等）和SEO规划。该Skill基于最新国内外GEO研究数据集及54篇相关论文进行了校验和迭代，旨在为GEO服务、运营、品牌AI搜索优化、内容工程和网站优化提供支持。
文章介绍了一款开源的GEO（生成式引擎优化）平台GeoLook，涵盖从分析到落地的全链路流程。作者分享了采样纪律、多引擎接入、引用数据反直觉发现（官网引用率低）、内容优化策略及工程决策等实战经验，旨在解决品牌在AI搜索中的可见性问题。
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。
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。
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。
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。
文章介绍了一个面向小企业、小团队的多租户 Agent Dashboard——腾讯开源的 Octop。团队可以在内部共享一个 Agent 平台来创建技能和 Agent。亮点包括：支持单点登录和简单的多租户权限控制；支持 Docker 服务端部署并提供 Web Dashboard；可对接不同的存储后端、数据库以及沙盒服务。作者将其定位为 Grok Bot 的小团队版，与面向个人的 OpenClaw/Hermes 和桌面端的 WorkBuddy 形成差异化。作者表示非广告，如果领导要求做类似系统可直接参考。
