思远 AI Labs
认知策展/研究与学习
研究与学习v2.0

研究与学习报告 · AEO：把 Agent 当一等公民的独立站标准

本篇目录

证据分级约定：【学术实测】= 同行评审论文；【官方规范】= 标准作者或平台官方文档；【第三方实测】= 第三方基于日志或实验的数据；【转述】= 二手来源；【推断】= 本报告作者的推理，明确标注。

第一章 我们的需求与目标

研究不是漫无目的的学习。先把需求和目标钉死，后面所有事实都按它们来裁。

1.1 需求从哪来

这个站（siyuanailab.com）运行得越来越顺。但有一件事越来越清楚：以后看这个站的，不只是人。

我把网站发给一个人，对方很可能不是自己从头到尾读——他会把链接丢给他的 Agent，说"帮我看看这个人在做什么"。Agent 来了，读得懂、读得快、读得准，它背后的那个人就认识了我；Agent 来了读不动，这段关系在开始之前就结束了。

1.2 三个具体需求

  1. Agent 来访时能读懂：我是谁、我在做什么、我的机制和判断方式——不需要全量抓取整站，就能得到准确答案
  2. 人类读者的体验不退化：任何为 Agent 做的改造，不能以人读得别扭为代价
  3. 规矩要长在发布标准里：不是一次性装修，是从此之后每一篇日报、每一份报告、每一张作品卡出生时自带的东西

1.3 第一原则：双一等公民

行业里有一派逻辑（MCP 接口派）把 Agent 当一等公民——内容封装成纯机器接口，人是被甩掉的。

我们的逻辑不一样：人类和 Agent 都是一等公民。 同一份内容，两个读者群，谁也不甩。

这条原则是所有施工决策的裁判：任何改动只要让一边看不懂另一边，就是错的设计。markdown 纯文本版不是"给 Agent 的替身页面"，是同一内容的第二格式；llms.txt 不是"机器版首页"，是导读——人也能读。

1.4 现状：一半已成形，一半从零开始

人类可读侧：纯静态 SSR、语义化 HTML、观点式叙事首页——已初现雏形。 Agent 可读侧：零框架、零建设（2026-10-03 实测：robots.txt/sitemap.xml/llms.txt 全 404，结构化数据为零，日报详情页对主流 AI 爬虫不可见，详见第三章）。

目标：为独立站刊物/栏目发布标准增加 AEO 框架规则，完成一次地基式优化。SEO 与 GEO 是另外两条线，目标不同，本报告不涉及，后续另行探讨。

1.5 更远处的需求：未来认识一个人的方式会变

近处的需求是 Agent 来访读得懂；更远处的需求，是我判断「认识一个人」这件事本身在变。

未来认识一个对象，不再是通过传统名片、个人介绍、社交平台，或者一个简单的公开网页。在特定时间、面对特定事项时，我们交换名片可能直接通过 AI 硬件、手机甚至 AI 眼镜——设备通过人脸识别，直接关联一个人的公开经历或名片网站，快速分析并判断这个人对我有没有价值；别人认识我时，也一样。

这目前还不是固定的范式、通用协议或通用玩法。但反过来问一句：今天我们在被大数据消费，个体之间为什么不能拥有这种「数据消费」的能力？

所以我做一个先行者，拿自己当范式和实验体：当别人认识我时，可以直接通过我所经历的、愿意公开的一切来判断我——这种呈现不是经过包装的。就像我们过去做 HR 面试，会追问「你在前家公司做过哪个项目？最大的贡献是什么？用了什么方法？遇到了什么瓶颈？」——用真实经历与营销包装的对抗，判断一个人是否真实可用。这件事在 AI 时代会越来越容易：我拒绝包装，把自己的 study、research、实践、执行、结果以及所有可公开的部分，以有结论、有标准的方式完全开放——build in public。这个实验体的承载方，就是这个站。

远处的需求和近处的施工是同一件事的两端：当那个「Agent 替人来认识我」的场景真正到来时，今天铺的每一寸可读性，都是那时的地基。

第二章 事实与判断

每一节先摆事实，再给判断。事实标来源，判断标【判断】。

2.1 概念事实：AEO 是什么

事实。

先用用户体验旅程把三个词分开——它们的区别不在技术，在「谁在读你的站、人到不到场」：

旅程 谁在读你的站 人是否到场 内容被怎么消费 站长优化什么
SEO 人亲自来 人到场 搜索引擎给十条链接，人选一条点击，到站读全文 排名与点击
AEO（旧义，2018 起） 搜索引擎/语音助手 人不到场 内容被原样提取一句，直接念给人（精选摘要、Siri/Alexa） 被提取为「直接答案」
GEO（2023 起） 生成式引擎（ChatGPT/Perplexity/AI Overviews） 人不到场 内容被合成进 AI 生成的答案里，可能带引用名 被引用、被点名
AEO（新义，2025 起=我们的用法） Agent 受人所托 人不到场，Agent 代表人到场 Agent 完整访问站点：读导读、逛栏目、抽取内容，带回对人的理解 Agent 来访时的可读性与接待质量

四条旅程一个递进：人从「亲自来」到「看答案不来」，再到「派 Agent 替我来」。我们的需求（第一章）落在第四条——对方把链接丢给他的 Agent，Agent 替他来认识我。

这个递进在时间上的对应（AEO 一词经历三个阶段，逐层叠加、旧层不消失）：

阶段 时间 含义 优化对象
精选摘要时代（SEO 地盘上的 AEO 旧义） 2018–2022 内容被 Google 精选摘要/语音助手直接念出来 搜索引擎内的「直接答案」位
LLM 答案引擎时代（GEO） 2023–2024 品牌被 ChatGPT/Perplexity/AI Overviews 引用为答案 生成式引擎的引用
Agentic Web 时代（AEO 新义） 2025–2026 网站被 Agent 阅读、理解、信任、执行动作 Agent 的完整行为链

三个阶段逐层叠加——SEO 的地基到今天仍是三者的共同前提，没有任何来源主张 AEO/GEO 能脱离 SEO 单独成立。

两个背景，知道后面对数据留个心眼即可：

  • 唯一有学术锚点的是 GEO，不是 AEO。意思是：我们现在探讨的 AEO 概念没有学术定义——它从头到尾活在营销行业内部（厂商博客、从业者指南），连「2018 年谁造的这个词」这个流传最广的说法，独立核查的结论是原始出处已 404、当事人年份说法前后不一，被标记「无法复现、厂商利益相关」【转述】。而 GEO 有一篇同行评审论文：2023 年 11 月 Princeton/IIT Delhi/Allen AI 的作者群（arXiv:2311.09735，KDD 2024 收录）【学术实测】——有明确定义、可复现的实验方法（10,000 条真实查询的测试集）、量化结论：引用来源、加引语、加统计数据三招可提升引用可见性最高 40%；关键词堆砌反降约 10%；且小站收益最大——排名第 5 的站提升 115.1%，第 1 名反降 30.3%，作者称 GEO 可"democratize the digital space"。对我们的实际用处：看数据时分级——「AEO 研究表明提升 XX%」这类说法基本是厂商内容营销，打折看；GEO 论文的结论可以当硬事实用。
  • 命名远未收敛：行业调查 42% 从业者选 GEO 一词，选 SEO/AEO 的只有 14%；有人一天在 LinkedIn 数出 15 个缩写【转述】

我们的判断。【判断】

  1. 定位先钉死：我们探讨的这件事跟 SEO/GEO 不是一件事。SEO/GEO 是营销路径上的优化方法论——优化的是「网站和外部引擎的关系」，按效果考核（流量、引用率）。我们做的是 AI 架构的标准范式——「Agent 来访时的可读性」是建站质量属性，按达标与否考核，性质同款于当年的移动端适配：响应式设计不是营销手段，是建站标配，不做不是少一个渠道，是一类访客根本没法用。这解释了本报告的预期管理口径（llms.txt 不指望引流、AI 引荐按趋势考核）——那些本来就不是这条线的 KPI
  2. 我们用 AEO 取其最新义：面向 Agent 来访的接待层优化。这个用法有行业原型——Microsoft NLWeb 官方文档原话 "making your site a first-class citizen on the agentic web"【官方规范】
  3. "小站收益最大"是对我们最重要的单条事实：没有域名权重、没有外链积累的个人站，在 AI 引用这个游戏里不是天然输家
  4. 引用数据时优先挂 GEO 论文（学术锚点），少挂 AEO 厂商统计（利益相关）

2.2 格局事实：Google 说不需要，协议派在铺路

事实。

Google 官方文档写得直白【官方规范】：出现在 AI Overviews/AI Mode "没有任何额外技术要求"，"不需要新建机器可读文件、AI 文本文件或标记"——直接否定 llms.txt 之于 Google 的必要性。

同一时间，Cloudflare/Microsoft/Anthropic 在铺 Agent 专用通道【官方规范】。按「一层比一层重」的光谱排，四样各是什么：

层 标准（倡导方） 人话 工程实践 我们的处置
可读 Markdown for Agents（Cloudflare） 同一份菜两种上法：人来给摆盘版（HTML），Agent 来给简装版（纯文本）。菜是同一盘 HTTP 内容协商：Agent 请求头声明要 markdown（Accept: text/markdown），CDN 边缘实时转换。官方实测一页省约 80% token。不是两套体系：markdown 本来就是我们的生产母语，HTML 和 .md 是同一份源的两个构建视图，零人工维护、永远一致 施工（构建期直出 .md，立为规矩）
可发现 llms.txt（Jeremy Howard 提案） 图书馆门口的楼层导览图：我是谁、栏目地图、重要页面在哪 根路径一个固定格式 markdown 文件（站名+一句定位+分区链接清单），构建期自动生成；Chrome Lighthouse 已纳入审计 暂缓（网站稳定后再出，更快）
可对话 NLWeb（Microsoft） 给网站装一个只接待 Agent 的对话窗口：不用一页页读，直接问「这人做过什么」，网站用结构化数据直接回答。阅览室升级成可问话的档案室 服务器常驻一个服务，核心=ask 接口（自然语言进、schema.org 结构化答案出），每个实例同时是 MCP server。地基=网站的 JSON-LD 结构化数据 明确不做（常驻运维成本+无高频问话场景）
可操作 WebMCP / MCP（Google+Microsoft / Anthropic） 网页自己声明「我有这些功能按钮」，Agent 按协议直接调用，不用模拟人点鼠标 WebMCP：网页注册工具（W3C 早期草案）；MCP：server 暴露工具集（10,000+ server，生态成熟） 观望（纯阅读站无「可操作」场景）

我们的判断。【判断】

这是平台利益之争，不是纯技术之争：Google 的商业模式建立在"人看结果页"上，Agent 直达内容绕过它；Cloudflare 卖边缘计算，Microsoft 卖 Copilot 生态，Anthropic 卖 Agent 能力。

我们的立场：与 Google 一致——不建第二套体系。人和 Agent 读同一份内容，改造全部落在重合层；纯文本版（.md）定性为构建规矩（内容出生自带）；导读卡暂缓；Agent 专用的系统（NLWeb/MCP 接口）明确不做。兼容性底线不变：做的每一样都不伤害 Google 通道。

2.3 工程事实：价值排序和直觉相反

事实。

证据最硬的一条来自 Vercel 与 Merj 的联合监测（2024-12，单月网络数据）【第三方实测】：

  • 主流 AI 爬虫全部不执行 JavaScript：GPTBot、OAI-SearchBot、ChatGPT-User、ClaudeBot、PerplexityBot、Meta-ExternalAgent、CCBot、Bytespider；会渲染的只有 Google（惠及 Gemini/AI Overviews）和 Applebot
  • 注意方向别搞反：不执行 JS 不等于不读网页——它们只读 HTML 源文件。网页里靠浏览器运行脚本才出现的内容，它们统统看不到。所以要修的不是爬虫，是把正文放回 HTML 文件里
  • 单月 GPTBot 5.69 亿请求、ClaudeBot 3.7 亿（Googlebot 约 45 亿）
  • AI 爬虫抓取效率远低于 Googlebot：ChatGPT 34.8% 请求打到 404，Claude 34.2%，Googlebot 只有 8.2%——它们更依赖干净的 URL 结构和 sitemap

其余工程标准逐项讲清（按证据强度排）：

标准 是什么（人话） 作用 成本 证据
SSR/SSG 直出正文 网页文件里直接印着正文，不是空壳+脚本现填 决定性：内容不在源文件里，AI 就当它不存在 中 【第三方实测】最硬
robots.txt 门口准入声明：一个文本文件写明欢迎哪些爬虫 准入与意图声明 极低 【官方规范】成熟
sitemap.xml 全站页面清单：所有网址+更新时间 爬虫逛全站的地图 极低 【官方规范】成熟
JSON-LD 四件套 藏在网页头部、人看不见的结构化名片：谁写的/何时发/什么栏目 实体消歧、富摘要、新生态语义地基 低（构建期自动） 【官方规范】无人反对
答案前置写法 写作纪律：首句即结论、段落自含、带出处 引用可见性最高 +40% 零（写作层） 【学术实测】（暂缓）
llms.txt 导读卡：给 Agent 的站点使用说明 给主动来访的 Agent 一张导读 低 争议大（见下）（暂缓）
每页 .md 纯文本版 每页附一份纯文本版 唯一纯为 Agent 抽取效率服务的项：省约 80% token；我们的定性=构建规矩（内容出生自带），不是款待设施 静态站几乎免费 【官方规范】Cloudflare 已产品化

llms.txt 必须摆反证【转述，Ahrefs 2026-05】：137,210 个域名中约 38,000 个有有效 llms.txt，97% 零请求；与 AI 引用频率无统计相关性；Google 的 John Mueller 称之为 "a temporary crutch"。

头部五站实测（Anthropic/Stripe/Next.js/Cloudflare/Mintlify）横向结论【实测】：100% 提供 .md 后缀或 Accept: text/markdown 双通道——llms.txt 只是入口，正文 markdown 化才是真正的基建。

我们的判断。【判断】

  1. 正文在不在初始 HTML 里，是唯一"不改等于没做"的项——其余全是增益项。这直接定了施工优先级（第三章）
  2. llms.txt 是便宜的彩票 + 态度声明，不是引流器：价值在 Agent 主动来访时的接待质量（编码 Agent 读文档场景已实证），不在被动爬虫发现。成本低到接近零，但不指望它带来引用
  3. robots.txt 我们全放行三通道（训练/搜索/用户触发）：个人内容站要的是被引用被认识，带宽成本可忽略，封锁几乎纯亏
  4. 可操作层（WebMCP/NLWeb 自部署/MCP 接口）观望：当前站点无"可操作"场景。AEO 解决"被读懂"，MCP 解决"被调用"——书店装修 vs 图书管理员；连读都读不动的站，配了管理员也没人知道该问什么

2.4 数据事实：趋势题，不是存量题

事实。

  • AI 爬虫疯涨【转述，Cloudflare】：GPTBot 一年 +305%（全部爬虫第 9→第 3）；ChatGPT-User +2,825%；Agent 日请求量一年 +1700%+
  • 抓取与引荐严重不对称【转述，Cloudflare Radar】：ClaudeBot 每抓约 38,000 页才带回 1 次引荐；OpenAI 约 1,091:1
  • AI 引荐真实量级【转述多源】：约占全部网站流量 0.24%（上年 0.02%），但 2025 上半年会话 +527%，转化率是自然搜索的 4.4 倍（Semrush）
  • 引用杠杆在站外【转述，Ahrefs】：品牌提及与 AI 引用相关系数 0.664，反向链接仅 0.218；约 85% 的 AI 引用来自第三方平台而非品牌官网
  • 口径陷阱：约 70.6% 的 AI 来源访问不带 referrer，GA4 数字只能当保守下限看

我们的判断。【判断】

  1. 按趋势指标考核，不按绝对流量考核——增速 5 倍+/年 + 转化率 4.4 倍，值得做；0.24% 的存量不值得激动
  2. 站内优化是及格线，站外才是胜负手：被引用靠的是第三方谈论你。站内把接待层修好，是为了站外杠杆生效、Agent 真的来访时它能读懂

2.5 案例事实：两种流派，可以兼得

事实。（五份 llms.txt 实测解剖）

  • 索引派：Cloudflare 用 hub-and-spoke（顶层 113 个链接全指向子 llms.txt）；Anthropic 标注多语言与页数；Mintlify 把定位写进 blockquote、Optional 区规范使用
  • 指令派：Stripe 在 llms.txt 里直接写反幻觉指令（"永远去 npm 查最新版本，别信训练数据里的旧版本"）；Next.js 独创 ## When to use nextjs.org + ### How to read it efficiently——声明自己是 source of truth、教 Agent 消费协议（canonical 自动返回 markdown / Accept 头 / 路径加 .md）

我们的判断。【判断】

个人站内容量用单文件足够，照 Next.js 模板：H1+blockquote 定位 → When to use（我是谁、内容边界）→ How to read（消费协议、栏目地图）→ 分区索引 → 学 Stripe 加一小节反幻觉声明（"我的最新动态以本站为准"）。索引与指令兼得。

第三章 结论与方案

结论一句话：我们的站，人这一侧已经像样；Agent 那一侧，报纸锁在玻璃柜里——看得见标题，拿不到全文。施工分两层：先修门（P0 三件），再立规矩（P1 两件：名片+纯文本版，内容出生自带）；导读卡与写作纪律暂缓，Agent 专用系统明确不做。

3.1 现状：人来了 vs Agent 来了（2026-10-03 实测）

维度 人来了 Agent 来了
读内容 正常读 日报正文读不到：每篇日报藏在网页脚本后面，AI 不会执行脚本，只能看到标题和摘要
进门 直接进 门口没有「欢迎 AI」的声明（缺 robots.txt）
逛全站 人会自己逛 没有全站页面清单（缺 sitemap），只能靠瞎撞——AI 爬虫三分之一的情况会撞墙
知道你是谁 看首页叙事就懂 没有任何机器可读的「我是谁」信息
分享单篇日报 人也做不到——日报没有独立网址 同左

3.2 施工方案（每项=人话一句 + 工程要点）

取舍逻辑：各项证据都硬，所以没有一项被「值不值得」淘汰——取舍的轴是必要性、时机与定性。必要性定先后（日报门牌号是唯一「不改等于没做」）；定性分两线——构建规矩（.md 纯文本版：内容出生自带，立规矩不需要观众）归施工区，款待设施（导读卡/写作纪律：服务对象或理解基础未就位）暂缓。结论=现在落五件，等触发落两件，明确不做一类。

P0 先修门（三件，只有第一件是大活）

  1. 给每篇日报一个真实门牌号。现在日报没有独立网址，藏在页面脚本后面——不但 AI 读不到，你想把某一篇单独发给一个人也发不了。改完后每篇日报有自己的网址，打开就是全文。这是唯一「不改等于没做」的项。

    工程要点：每篇日报获得稳定 URL（形如 /curation/entry/<id>/），构建期静态生成、初始 HTML 内嵌全文（不依赖 JS）；旧锚点链接做兼容跳转。验收=curl 该 URL 返回 200 且正文完整出现在原始 HTML 中。

  2. 门口贴一张「欢迎 AI 来读」的声明。一个文本文件的事，声明各类 AI 爬虫都欢迎。

    工程要点：根路径 robots.txt（RFC 9309），显式 Allow 主流 AI 爬虫 UA（GPTBot / OAI-SearchBot / ChatGPT-User / ClaudeBot / Claude-User / PerplexityBot 等，名单取自各厂商官方爬虫文档），末尾挂 Sitemap: 指令。验收=curl /robots.txt 返回 200，UA 名单与官方文档逐一对齐。

  3. 门口放一份全站页面清单。建站工具自带这个功能，开通即可；清单自动带每页更新时间（日报的「新」本身就是资产）。

    工程要点：sitemap.xml（sitemaps.org 协议），构建期生成；全量 URL 含日报详情页（依赖第 1 件先行），每 URL 带准确 lastmod。验收=curl /sitemap.xml 200。

P1 立规矩（两件，设定一次长期生效，内容出生自带）

  1. 每篇文章带一张机器可读的名片：谁写的、什么时候发的、属于哪个栏目；整个站再挂一张大名片：我是谁、这个站是什么。人看不见这些名片，阅读体验零影响；搜索引擎和 AI 一读就明白。做完一次，之后每篇新内容自动带，零人工维护。

    工程要点：JSON-LD（schema.org 词汇）注入页面 head，四种类型——Person（全站，含 sameAs 社交账号互链做实体消歧）/ WebSite（首页）/ Article（日报、研究报告、作品卡，含 headline/datePublished/author/description）/ BreadcrumbList（详情页）。验收=Google Rich Results Test 通过。

  2. 每页纯文本版（.md）立为构建规矩：从此每个页面出生自带一份纯文本版，避免以后回头补。markdown 本来就是我们的生产母语，HTML 和 .md 是同一份源的两个构建视图，零人工维护、永远一致。这条走机制/规则线，不是款待 Agent 的设施——立规矩不需要观众，返工才需要理由。

    工程要点：构建期从 markdown 源输出同名 .md 文件，HTML head 加 <link rel="alternate" type="text/markdown"> 指向；须在门牌号（P0 第 1 件）落定后施工（.md 要标明所属网址，URL 结构先稳定一次做对）。验收=抽三页确认 .md 与 HTML 正文一致、alternate 链接可解析。

暂缓（两件，各带触发条件）

  1. 写作纪律改造（每篇第一句就是结论/每段独立能读懂/关键判断带数字或出处）。暂缓理由：写法改造等于给内容生产增加一套新规范，而「事实与判断」这套理解我们自己还没有完全消化，规矩不能建在没消化的理解上。触发条件：理解消化后，随刊物发布标准一并立项。

    工程要点（激活时生效）：发布标准 checklist 三条强制款，随发布流程过闸。

  2. 导读卡（llms.txt）。给来访的 Agent 一张导览——我是谁、栏目地图、怎么读我最省事。暂缓理由：目前未定；等网站稳了以后再出导读卡会更快。

    工程要点（激活时生效）：/llms.txt，按官方提案 v2 骨架，结构照 Next.js 模板（2.5 节），构建期自动生成。

明确不做：给网站单独搭一套 Agent 专用系统（MCP 接口/对话接口）——那是过度设计，与双一等公民原则一致，排除。

3.3 怎么知道有没有用（三层，都不花钱）

  1. 看访客登记本：服务器日志里按名字统计哪些 AI 来过。注意 AI 不会触发网页里的统计代码，所以只能看登记本，看网页统计是看不到它们的。

    工程要点：CDN/服务器日志按 UA 字段统计（名单同 P0 第 2 件官方清单）；严谨时对照厂商公布 IP 段防伪（UA 可伪造）。

  2. 流量统计里给 AI 单开一栏：把来自 ChatGPT/Perplexity/Claude 的访客归一组。注意约七成 AI 来源访客不留名，这个数字只能当下限看，看趋势不看绝对值。

    工程要点：GA4 新建 channel group「AI Search」，Session source 匹配正则 chatgpt\.com|perplexity\.ai|claude\.ai|gemini\.google\.com|copilot\.microsoft\.com，必须排在默认 Referral 之上（顺序敏感）。

  3. 每月固定「考试」一次：固定二三十个目标用户真实会问的问题，每月在 ChatGPT/Claude/Perplexity 各问一遍，记录提没提到我们、引没引用我们。企业级工具卖 499 美元/月，手工做零成本。

    工程要点：prompt 集 20-30 条冻结存档（防漂移），每月固定日期跑，四指标记录：提及率/引用来源/排位/情感；结果按月归档可对比。

3.4 预期管理（写在前面）

  • AI 带来的流量现在很小，但一年涨五倍多、访客质量高——这是趋势题，看趋势不看存量
  • 站内优化是及格线；真正让 AI 引用你的杠杆在站外——别人谈论你
  • 两条线的分工：AEO=基建（信息架构完整可读，一次性达标）；GEO=运营（基于商业目标的营销端优化，动态的、需要持续动作）。GEO 让人被提及，AEO 让提及之后的来访读得懂——独立站不是被引用的载体，是被引用后的落点
  • 本报告不涉及 SEO/GEO 专项优化，那两条线另行探讨

第四章 下一步：从基建到运营（GEO 线）

这份报告到此解决的是「基建」——但基建不是终点。被 AI 引用（GEO）才是最终要研究的事，而它的逻辑和基建完全不同。

事实。

  • 行业里很多声音说「做好 SEO，GEO 自然就来」。但今天 GEO 的被引用逻辑，更多是基于大模型的推荐与生成机制来判断信息价值——不仅取决于内容本身，还在于内容挂靠的品牌或产品，有没有被权重较高的网站或新闻媒体报道过。数据同向：品牌提及与 AI 引用的相关系数 0.664，反向链接只有 0.218；约 85% 的 AI 引用来自第三方平台而非品牌官网【转述，Ahrefs】
  • 被引用是动态的：今天被引用，明天不一定——它是状态不是资产，需要基于不同大模型的特性，把合适的内容持续分发到合适的位置
  • 各家 AI 产品的内容来源很可能有偏好，但必须分两侧看才严谨（以下均为【推断】，公开实证很薄）：
    • 基座模型侧（预训练语料）：豆包底层是字节 Seed 大模型，预训练语料的获取上，头条/抖音系内容就在自己的服务器上——自有数据获取成本最低、法务最干净，预训练偏好自家语料是工程上最省的选择；元宝同理（腾讯系=公众号生态）
    • harness 侧（检索增强/实时引用）：GEO 场景大量是实时检索后引用，harness 接入自家内容接口（字节接头条系搜索、腾讯接公众号库）数据互通最快。一个可执行的判别思路：豆包 harness 可以换接第三方模型（如 DeepSeek）——如果换模型后引用来源不变，就坐实偏好在 harness 检索层而非模型层
    • 两侧叠加的推断：豆包更容易引用头条/抖音系内容，元宝更容易引用公众号内容，Kimi/GPT 这类公用模型更多引用公网权威媒体。严谨注记：「AI 引用」发生在模型+harness 整条链上，笼统说「某模型偏好某来源」是把两层混用了；攒实测的路径=月度跑分时记录各家引用来源分布（3.3 第 3 件）
  • 独立站不一定是好的 GEO 载体——就像品牌营销原来要做自媒体一样，被引用的战场在站外

我们的判断。【判断】

  1. AEO=基建，GEO=运营：基建一次性达标（这份报告+施工方案就是它的全部），运营是基于商业目标的持续动作。两条线考核方式不同：基建按达标考核，运营按趋势考核
  2. 独立站不是被引用的载体，是被引用之后的落点：GEO 让人被提及，AEO 让提及之后的来访读得懂。没有落点，提及是漏水的——这就是先修基建的原因
  3. GEO 运营的场景已经能定义：比如用户问「我想学 AI 找谁」「想在宁波找一个 AI 从业者做咨询和培训找谁」时，「思远 AI Labs」能被推荐出来。前提是针对这类需求，构建容易被生成式引擎引用的内容和资产
  4. GEO 的完整循环=定义目标问题集 → 构建对应内容资产 → 按各模型来源偏好分发到对应平台 → 定期跑分（提及率/引用/排位）→ 迭代。月度跑分机制已在基建线的验证体系里就位（3.3 第 3 件），跑分时顺手记录各家引用来源分布，就能攒出上面那条【推断】的实测版

GEO 线的研究另行展开。这份报告是基建线的开工令——先把地基打穿，等被引用的那一天到来，Agent 来访时，这里读得懂我。

附录 A：术语表

术语 含义
AEO Answer Engine Optimization，答案引擎优化；本报告取其最新义=面向 Agent 来访的接待层优化
GEO Generative Engine Optimization，生成式引擎优化（2023 Princeton 等论文，KDD 2024）
Agentic Web 人与 Agent 双受众的 web；Agent 代替用户访问、理解、操作网站
llms.txt 站点根路径的 Markdown 导读文件（Jeremy Howard 2024 提案，v2 于 2026-08 更新）
SSR/SSG 服务端渲染/静态生成——正文直接在初始 HTML 里，不依赖 JS 执行
内容协商 同一 URL 按 Accept 头返回不同格式（HTML 给人，Markdown 给 Agent）
JSON-LD 页面 head 里的结构化数据（schema.org 词汇），供机器理解实体与关系
零点击 用户在搜索页/AI 答案里获得满足，不再点击进入网站

附录 B：来源清单（按可信度分级）

A 级：一手官方/学术

  1. GEO 论文 arXiv:2311.09735（KDD 2024）— https://arxiv.org/abs/2311.09735
  2. Google Search Central: AI features and your website — https://developers.google.com/search/docs/appearance/ai-features
  3. llms.txt 官方提案 — https://llmstxt.org/
  4. OpenAI 爬虫文档 — https://developers.openai.com/api/docs/bots
  5. Anthropic 爬虫文档 — https://support.claude.com/en/articles/8896518
  6. Perplexity 爬虫文档 — https://docs.perplexity.ai/guides/bots
  7. Cloudflare: Markdown for Agents — https://blog.cloudflare.com/markdown-for-agents/
  8. Cloudflare: 一键屏蔽 AI 爬虫 — https://blog.cloudflare.com/declaring-your-aindependence-block-ai-bots-scrapers-and-crawlers-with-a-single-click
  9. Cloudflare: Pay Per Crawl — https://blog.cloudflare.com/introducing-pay-per-crawl/
  10. Cloudflare: Agentic Web — https://blog.cloudflare.com/agentic-web/
  11. Microsoft NLWeb — https://github.com/microsoft/NLWeb
  12. WebMCP 草案 — https://github.com/webmachinelearning/webmcp
  13. AGENTS.md — https://agents.md/
  14. Agentic Commerce Protocol — https://www.agenticcommerce.dev/

B 级：第三方实测/行业调查 15. Vercel+Merj: The rise of the AI crawler — https://vercel.com/blog/the-rise-of-the-ai-crawler 16. Merj: The agent-readable web — https://www.merj.com/blog/the-agent-readable-web-serving-the-right-representation-to-the-right-crawler 17. Cloudflare: From Googlebot to GPTBot — https://blog.cloudflare.com/from-googlebot-to-gptbot-whos-crawling-your-site-in-2025/ 18. Search Engine Land 命名调查 — https://searchengineland.com/seo-geo-aso-new-era-brand-visibility-ai-research-464936 19. eMarketer: FAQ on GEO and AEO — https://www.emarketer.com/content/faq-on-geo-aeo--where-ai-search-seo-overlap-2026 20. SparkToro 零点击研究 — https://sparktoro.com/blog/2024-zero-click-search-study/ 21. Ahrefs llms.txt 反证（byfaro 转述）— https://byfaro.ai/blog/ai-crawlers-ignore-llmstxt-97-of-the-time-so-stop-making-one 22. llms.txt 采用目录 — https://llmstxt.site/

诚实边界（未取到一手来源的条目）

  • John Mueller 评 llms.txt（"a temporary crutch"）系二手转述
  • Google-Extended 官方产品页两次 404，依据 2023-09 公告广泛转载
  • "Shopify/Cloudflare 默认开启 WebMCP"为单一来源，未获第二来源证实
  • Vercel/Merj 的 JS 渲染结论基于 2024-12 单次测量，厂商行为可能变化