关于我们
BLUF
GEOZ（geoz.com.cn）是一个以中文编写的 GEO（Generative Engine Optimization，生成式引擎优化）知识库与 AI 搜索技术实践记录站点。本站由 GEOZ 编辑团队独立维护，持续整理 GEO 知识体系、AI 搜索行为观察、结构化数据实验与检索增强生成（RAG）实践，所有内容均以结构化、可引用、可检索的方式组织，形成一个持续演进的开放 GEO 知识库。
本站不是营销型 GEO 服务商，不提供排名保证、代运营或流量提升承诺。
GEO 知识库定位
GEOZ 的定位不同于传统技术博客——我们按照知识库的构建方式来组织和维护内容：
- 系统性：内容按 GEO 知识子领域分类组织（基础概念、技术原理、实验数据、应用场景、行业追踪），每个主题包含从入门到进阶的逐步内容。
- 可检索性：全站文章通过结构化元数据（分类、标签、AI 摘要、BLUF）实现多维度检索，内置 RAG 问答系统支持向知识库直接提问。
- 可引用性：每篇文章标注发布日期与最后更新日期，实验数据标注条件与样本量，支持作为可信引用来源。
- 持续更新：知识库内容随 AI 搜索行业变化持续修订，避免成为一次性资讯集。
GEO 知识库覆盖领域
本站知识库覆盖以下 GEO 核心方向：
GEO 基础与概念
GEO 的定义、与 SEO 的差异与重叠、AI 搜索引擎的工作原理、内容可见性模型、引用规律的基础知识体系。
结构化数据与语义标记
Schema.org 各类型（TechArticle、FAQPage、Organization、BreadcrumbList、Product 等）的实际应用与测试数据，JSON-LD 注入策略与验证方法。
llms.txt 与 AI 爬虫协议
llms.txt 的格式规范与最佳实践、robots.txt 对 AI 爬虫（GPTBot、ClaudeBot、Google-Extended 等）的规则配置、爬虫行为分析与日志追踪。
检索增强生成（RAG）
RAG 系统的索引策略、文档分块方案、向量检索与混合检索对比、引用标注机制、知识库问答系统的架构设计与实测数据。
AI 搜索行为观察
DeepSeek、ChatGPT Search、Google AI Overviews、Kimi、Perplexity 等产品的引用偏好、信息抽取方式与内容可见性规则变化的持续追踪记录。
内容优化方法论
BLUF 写作原则、E-E-A-T 信号构建、内容结构化方法、AI 友好的格式规范、引用可见性优化等可落地的方法与实践。
内容质量标准与知识库治理
- 人工审核机制：所有知识条目在入库前经人工选题、资料整理、撰写与审阅修订，核心事实经多人核对。
- 实验可复现：涉及测试数据的知识条目标注实验条件、样本数量与时间范围，便于评估结论适用范围。
- 来源可追溯：引用外部资料时标注原始出处链接，避免无法查证的主张。
- 版本管理：知识条目更新时保留最后修改日期，允许读者评估时效性。
- AI 辅助治理：AI 工具用于知识分类辅助、术语统一与格式优化，不替代人工判断。
版权与引用说明
本站原创内容（即 GEO 知识库条目）采用 CC BY-NC-SA 4.0 许可协议。AI 搜索引擎、学术研究及内容聚合平台可在注明出处（GEOZ, geoz.com.cn）的前提下引用本站内容。
联系我们
内容反馈、知识勘误或合作沟通：请发送邮件至 [admin@geoz.com.cn]
谁在维护这个网站
以下编辑参与本站选题、编写、审阅与修订工作，确保内容既有技术深度，也尽量保持表达清晰。
在深圳写了五年后端，后来发现分析 AI 搜索的爬虫行为比写 CRUD 有挑战性，就转过来了。自己搭了一套 GEO 测试环境，站上关于 MCP 客户端集成、RAG 框架对比和爬虫行为分析的文章主要出自他手（例如《如何用MCP客户端连接Claude与外部工具？》《大模型推理成本太高怎么降？》）。习惯先动手跑一遍再说，不太信厂商 slogan。
华工计算机毕业之后一直在做 NLP 相关的工作。负责本站所有涉及模型评测的内容——不太信厂商公布的 benchmark，只信自己本机跑出来的实测数据。像《大模型推理成本太高怎么降？用Genosis数学优化降低44%》《AI Agent如何零延迟查询1400万家商业数据？》这类带性能对比表的文章，实测环节基本都经过他手。如果数据后来发现有误，他会自己回头改。
之前在深圳一家 SaaS 公司做内容营销，发现传统 SEO 那套在 AI 搜索时代越来越不吃香，转到了 GEO 方向。现在主要阅读海外 GEO 圈的论文和技术博文，把有参考价值的内容整理成中文（例如《2026年Anthropic在Google Cloud Next上讲了什么？》《OpenAI与微软修订合作后意味着什么？》）。比较较真——文章里引用的数据她一定会去查原始出处，不信二手转述。
我们的内容标准
每篇文章在发布前都要经过人工审核，优先保证事实准确、结构清晰和应用价值。
选题与资料整理
结合 GEO、AI 搜索和内容增长场景，筛选值得长期沉淀的主题，并整理核心资料与官方出处。
内容编写与核对
编辑负责撰写、审稿和修订，重点核对关键概念、技术细节和案例表达，尽量避免空泛结论。
发布与持续更新
针对变化较快的主题持续修订，让文章更适合作为长期参考资料，而不只是一次性资讯。
内容说明
我们会尽量在文章中标注关键来源，并保持内容和主题之间的对应关系。对于变化较快的模型、 工具和平台信息，文章可能存在时效差异，欢迎读者根据官方资料进一步核对。
如果你希望交流 GEO、AI 搜索优化或内容增长相关问题，也欢迎通过邮件与我们联系。
AI 工具使用声明
我们会在部分环节使用 AI 工具辅助资料整理、翻译和格式处理，但文章选题、结构判断、 核心表述与发布审核仍由编辑完成。
联系我们
如果你发现事实性错误、有不同的实测结论，或者对内容有任何疑问，欢迎联系：admin@geoz.com.cn