工具
资源中心
GEO 学习资源汇总 —— 学术论文、行业报告、中文 AI 生态地图、工具与课程的精选索引
TL;DR:这一页是 GEO 实践者的精选资源索引——按学术论文、行业报告、中文 AI 生态、工具、课程分组。每条都附原始来源链接,便于深入。
本页大量参考社区维护的 LLM-X-Factorer/awesome-geo-cn(中文 GEO 资源列表)以及多份 2025–2026 行业报告。所有外部链接请自行验证有效性——AI / 搜索领域链接腐烂速度快。
入门顺序(站内)
刚接触 GEO 建议按以下顺序读:
- 什么是 GEO —— 概念入门
- GEO vs SEO —— 与传统 SEO 的关键差异
- 核心概念 —— 评估维度详解 + 中文 AI 生态
- 快速入门 —— 上手第一次 GEO 检测
- 生成引擎工作原理 —— 背后的技术原理
- llms.txt 与 AI 爬虫 —— 技术地基
- 内容策略最佳实践 —— 长期内容运营
学术论文
GEO 不是营销话术——背后有可查的学术研究。这些是该领域的奠基或代表性论文。
奠基论文
| 论文 | 来源 | 核心发现 |
|---|---|---|
| GEO: Generative Engine Optimization | KDD 2024 · IIT Delhi + Princeton | AI 可见度提升量化:引用权威来源 +43%、嵌入统计数据 +33%、答案优先结构 +18%、技术术语 +11%、关键词堆砌为负效果 |
| GEO and the Future of Search | KDD 2024 Workshop | GEO 概念框架与评估方法 |
2025+ 后续研究
| 论文 | 来源 | 要点 |
|---|---|---|
| Generative Engine Optimization: How to Dominate AI Search | 2025 | AI 搜索系统性偏向 earned media(第三方报道、行业媒体)而非品牌自有内容 |
| Self-Promotion in LLM Recommendations | Friedler et al. 2025 | LLM 推荐 AI 产品时存在自我推广偏差:供应商模型平均排名 +0.2 |
| LLMs are Biased Evaluators But Not Biased for Fact-Centric Contexts | ACL 2025 Findings | RAG 场景下偏差层级:事实性 > 顺序 > 自我偏好 |
| C-SEO Bench: Does Conversational SEO Work? | NeurIPS 2025 | 严格控制条件下,多数 GEO 方法基本无效;多方同时使用 GEO 效果互相抵消 |
| AutoGEO: What Generative Search Engines Like(code) | ICLR 2026 | 用 GRPO 自动学习生成式引擎的内容偏好,提出"协作式"优化框架 |
| MAGEO: Multi-Agent GEO via Reusable Strategy Learning | ACL 2026 | Multi-agent 协作学习 GEO 策略,把经验沉淀为可复用技能 |
| E-GEO: A Testbed for GEO in E-Commerce | 2025 | 7000+ 电商 query benchmark,评测 15 种 rewriting heuristics |
| 大语言模型检索增强生成优化技术研究综述 | 中科院计算所《计算机学报》2026 | 中文一手 RAG 综述:query 改写、检索增强、知识注入、引用生成 |
对抗性与引用机制
| 论文 | 来源 | 要点 |
|---|---|---|
| ConflictingQA | 2024 | LLM 偏好"相关性"而非"学术语调" |
| ConflictBank | 2024 | 7.4M claim-evidence 对,外部内容 vs 训练数据冲突 |
| GASLITE: SEO Attacks on Dense Retrieval | 2024 | 0.0001% 语料污染即可劫持 top-10 检索结果 |
| Adversarial SEO for LLMs | 2024 | 隐藏文本可让 AI 答案中的品牌提及提升 2.5× |
| Ranking Manipulation for Conversational Search | 2024 | prompt injection 操纵对话式搜索排名 |
| Dynamics of Adversarial Attacks on LLM-Based Search | 2025 | black-hat vs white-hat GEO 的博弈论建模 |
行业报告
中文报告
| 资源 | 机构 | 备注 |
|---|---|---|
| SuperCLUE-AISearch | SuperCLUE | 中文 AI 搜索专项基准测评,月度更新 |
| 2026 GEO 生成式引擎优化行业研究报告 | 艾瑞咨询 2026 | 中文 GEO 行业报告:定义、误区、案例、市场规模 |
| GEO White Paper 2026 | 中欧国际工商学院 2026 | 学术机构发布的中文 GEO 白皮书 |
| AI 搜索产品评估 2025 | IDC 中国 2025/07 | 百度 / 夸克 / 豆包 / DeepSeek 场景化对比 |
| 2025 中国生成式 AI 市场五大趋势 | 罗兰贝格 2025 | AI 智能体、多模态、硬件融合趋势 |
英文报告
| 资源 | 机构 | 核心发现 |
|---|---|---|
| AI Search Visits Surging in 2025 | BrightEdge 2025/09 | Fortune 100 实测:AI 搜索双位数月增长,但仍 <1% 总流量 |
| AI Overviews One Year Review | BrightEdge 2025/05 | Google AI Overviews 一年回顾:搜索量 +49%,CTR -30% |
| Platform Citation Preferences | Hashmeta 2025/01 | 6 大 AI 平台 / 15000+ 引用 / 3400+ query 的跨平台偏好 |
| LLM Citation Study by Industry | Writesonic 2025/11 | 不同行业 LLM 引用模式;GPT 不同版本引用重叠率仅 7% |
关键行业数据(带出处)
| 数据点 | 来源 |
|---|---|
| ChatGPT 月活 8.91 亿,占搜索 17.6% | SparkToro 2025 |
| Google 占搜索 77.9% | SparkToro 2025 |
| 60% Google 搜索不产生点击 | SparkToro 2025 |
| AI 搜索流量同比增长 527% | BrightEdge 2025 |
| SEO 与 GEO 排名重叠率仅 12% | Ahrefs 2025 |
| 出现在 4+ 平台的内容被引用概率 ×2.8 | KDD 2024 |
| AI 引用访客转化率是普通搜索的 4.4–23× | BrightEdge 2025 |
| 知乎 AI 引用率 29.9% | IT 之家 2026 |
| Reddit AI 引用率 40.1% | SparkToro 2025 |
中文 AI 生态
详细的中文 AI 生态地图(字节 / 腾讯 / 阿里 / 百度四大派系 + 独立产品 + 内容平台)见 核心概念 → 主流生成引擎概览。
完整外部索引:LLM-X-Factorer/awesome-geo-cn — 持续维护的中文 GEO 资源列表。
工具
GEO 监测(商用)
| 工具 | 说明 | 价格 |
|---|---|---|
| Ahrefs AI Overviews Tracker | 追踪 AI Overviews 中的品牌引用 | 付费 |
| Semrush AI SEO Toolkit | AI 搜索可见度分析 | 付费 |
| Profound | AI 搜索引用监测 | 付费 |
开源工具
| 工具 | 说明 |
|---|---|
| AI2HU/gego | Go 实现的 GEO 工具,跨 LLM 品牌曝光追踪,REST API |
| aircodelabs/llms-txt-generator | AI 驱动的 llms.txt / llms-full.txt 生成器,MCP 集成 |
| apify/actor-llmstxt-generator | Apify Actor 形式的 llms.txt 生成器 |
| infiniflow/ragflow | 开源 RAG 引擎,深度文档理解(79k+ stars) |
| danishashko/geo-aeo-tracker | 本地优先的 AI 可见性 dashboard,覆盖 6 大 AI 引擎 |
| Auriti-Labs/geo-optimizer-skill | 基于 KDD 2024 研究的 GEO 审计 / 优化 / 测试工具 |
| LLM-X-Factorer/md2red | Markdown 转小红书图文卡片 |
站内工具
课程
| 课程 | 语言 | 说明 |
|---|---|---|
| SEO + GEO 入门课程 | 中文 | 10 周 29 课,基于 KDD 2024 论文,覆盖 SEO + GEO + 中文 AI 平台 |
| AI SEO: Mastering GEO (Coursera) | 英文 | Coursera GEO 课程 |
| 万智匯 SEOxGEO 入门课 | 繁体中文 | 61 单元视频课 |
英文精选资源
| 资源 | 说明 |
|---|---|
| Search Engine Land — What is GEO | 定义与概述 |
| Search Engine Land — Mastering GEO in 2026 | 完整 GEO 实操指南(2026) |
| Backlinko GEO Guide | Brian Dean 的 GEO 指南 |
| Kevin Indig — Growth Memo | 数据驱动的 GEO / AI 搜索博客(曾分析 1.2M ChatGPT 回答) |
| Can You Fake Expertise in AI Search? | 9 个 AI 模型的专家引用偏好测试 |
外部清单:luka2chat/awesome-geo、amplifying-ai/awesome-generative-engine-optimization、DavidHuji/Awesome-GEO(学术索引)。
模板
内容评估清单
发布前对照:
- 文章开头有独立 TL;DR / 快速答案块(一段话内可独立摘出)
- 标题层级唯一且自洽(H1 唯一,H2/H3 嵌套合理)
- 每千字 3–5 条具名引用,链向具体文章 URL(按 KDD 2024 数据,权威引用提升 AI 可见度 +43%)
- 至少一处原创数据 / 案例 / 流程图
- 作者署名 + 简短资历
- FAQ 区块(至少 3 个问答)
- JSON-LD 至少 2 层(Article + FAQPage 或 Article + HowTo)
- SSR 验证:
curl -A "GPTBot" <URL>能看到正文
Prompt 测试集模板
用于验证内容能否被 AI 引擎找到并引用:
1. 我想了解 <主题>,有什么资源推荐?
2. <你的核心问题> 怎么做?
3. <相关子问题> 是什么意思?
4. <你解决的痛点> 怎么避免?
5. 比较 <你的方法> 和 <竞品方法> 的差异建议覆盖 5 大引擎:ChatGPT、Claude、Perplexity、Google AI Overviews、Gemini,中文站再加豆包 / Kimi / 文心一言 / 通义千问。每月一次。
反馈与贡献
发现资源链接失效、有更好的工具推荐、或想贡献模板?欢迎邮件 mail@geo.fan。