--- title: "研究与学习报告 · AEO：把 Agent 当一等公民的独立站标准" canonical: "https://siyuanailab.com/curation/research/aeo/" dateModified: "2026-10-03" datePublished: "2026-10-03" --- 研究与学习v2.02026-10-03 # 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 [第一章 我们的需求与目标](https://siyuanailab.com/curation/research/aeo/#%E7%AC%AC%E4%B8%80%E7%AB%A0-%E6%88%91%E4%BB%AC%E7%9A%84%E9%9C%80%E6%B1%82%E4%B8%8E%E7%9B%AE%E6%A0%87)[1.1 需求从哪来](https://siyuanailab.com/curation/research/aeo/#11-%E9%9C%80%E6%B1%82%E4%BB%8E%E5%93%AA%E6%9D%A5)[1.2 三个具体需求](https://siyuanailab.com/curation/research/aeo/#12-%E4%B8%89%E4%B8%AA%E5%85%B7%E4%BD%93%E9%9C%80%E6%B1%82)[1.3 第一原则：双一等公民](https://siyuanailab.com/curation/research/aeo/#13-%E7%AC%AC%E4%B8%80%E5%8E%9F%E5%88%99%E5%8F%8C%E4%B8%80%E7%AD%89%E5%85%AC%E6%B0%91)[1.4 现状：一半已成形，一半从零开始](https://siyuanailab.com/curation/research/aeo/#14-%E7%8E%B0%E7%8A%B6%E4%B8%80%E5%8D%8A%E5%B7%B2%E6%88%90%E5%BD%A2%E4%B8%80%E5%8D%8A%E4%BB%8E%E9%9B%B6%E5%BC%80%E5%A7%8B)[1.5 更远处的需求：未来认识一个人的方式会变](https://siyuanailab.com/curation/research/aeo/#15-%E6%9B%B4%E8%BF%9C%E5%A4%84%E7%9A%84%E9%9C%80%E6%B1%82%E6%9C%AA%E6%9D%A5%E8%AE%A4%E8%AF%86%E4%B8%80%E4%B8%AA%E4%BA%BA%E7%9A%84%E6%96%B9%E5%BC%8F%E4%BC%9A%E5%8F%98)[第二章 事实与判断](https://siyuanailab.com/curation/research/aeo/#%E7%AC%AC%E4%BA%8C%E7%AB%A0-%E4%BA%8B%E5%AE%9E%E4%B8%8E%E5%88%A4%E6%96%AD)[2.1 概念事实：AEO 是什么](https://siyuanailab.com/curation/research/aeo/#21-%E6%A6%82%E5%BF%B5%E4%BA%8B%E5%AE%9Eaeo-%E6%98%AF%E4%BB%80%E4%B9%88)[2.2 格局事实：Google 说不需要，协议派在铺路](https://siyuanailab.com/curation/research/aeo/#22-%E6%A0%BC%E5%B1%80%E4%BA%8B%E5%AE%9Egoogle-%E8%AF%B4%E4%B8%8D%E9%9C%80%E8%A6%81%E5%8D%8F%E8%AE%AE%E6%B4%BE%E5%9C%A8%E9%93%BA%E8%B7%AF)[2.3 工程事实：价值排序和直觉相反](https://siyuanailab.com/curation/research/aeo/#23-%E5%B7%A5%E7%A8%8B%E4%BA%8B%E5%AE%9E%E4%BB%B7%E5%80%BC%E6%8E%92%E5%BA%8F%E5%92%8C%E7%9B%B4%E8%A7%89%E7%9B%B8%E5%8F%8D)[2.4 数据事实：趋势题，不是存量题](https://siyuanailab.com/curation/research/aeo/#24-%E6%95%B0%E6%8D%AE%E4%BA%8B%E5%AE%9E%E8%B6%8B%E5%8A%BF%E9%A2%98%E4%B8%8D%E6%98%AF%E5%AD%98%E9%87%8F%E9%A2%98)[2.5 案例事实：两种流派，可以兼得](https://siyuanailab.com/curation/research/aeo/#25-%E6%A1%88%E4%BE%8B%E4%BA%8B%E5%AE%9E%E4%B8%A4%E7%A7%8D%E6%B5%81%E6%B4%BE%E5%8F%AF%E4%BB%A5%E5%85%BC%E5%BE%97)[第三章 结论与方案](https://siyuanailab.com/curation/research/aeo/#%E7%AC%AC%E4%B8%89%E7%AB%A0-%E7%BB%93%E8%AE%BA%E4%B8%8E%E6%96%B9%E6%A1%88)[3.1 现状：人来了 vs Agent 来了（2026-10-03 实测）](https://siyuanailab.com/curation/research/aeo/#31-%E7%8E%B0%E7%8A%B6%E4%BA%BA%E6%9D%A5%E4%BA%86-vs-agent-%E6%9D%A5%E4%BA%862026-10-03-%E5%AE%9E%E6%B5%8B)[3.2 施工方案（每项=人话一句 + 工程要点）](https://siyuanailab.com/curation/research/aeo/#32-%E6%96%BD%E5%B7%A5%E6%96%B9%E6%A1%88%E6%AF%8F%E9%A1%B9%E4%BA%BA%E8%AF%9D%E4%B8%80%E5%8F%A5--%E5%B7%A5%E7%A8%8B%E8%A6%81%E7%82%B9)[3.3 怎么知道有没有用（三层，都不花钱）](https://siyuanailab.com/curation/research/aeo/#33-%E6%80%8E%E4%B9%88%E7%9F%A5%E9%81%93%E6%9C%89%E6%B2%A1%E6%9C%89%E7%94%A8%E4%B8%89%E5%B1%82%E9%83%BD%E4%B8%8D%E8%8A%B1%E9%92%B1)[3.4 预期管理（写在前面）](https://siyuanailab.com/curation/research/aeo/#34-%E9%A2%84%E6%9C%9F%E7%AE%A1%E7%90%86%E5%86%99%E5%9C%A8%E5%89%8D%E9%9D%A2)[第四章 下一步：从基建到运营（GEO 线）](https://siyuanailab.com/curation/research/aeo/#%E7%AC%AC%E5%9B%9B%E7%AB%A0-%E4%B8%8B%E4%B8%80%E6%AD%A5%E4%BB%8E%E5%9F%BA%E5%BB%BA%E5%88%B0%E8%BF%90%E8%90%A5geo-%E7%BA%BF)[附录 A：术语表](https://siyuanailab.com/curation/research/aeo/#%E9%99%84%E5%BD%95-a%E6%9C%AF%E8%AF%AD%E8%A1%A8)[附录 B：来源清单（按可信度分级）](https://siyuanailab.com/curation/research/aeo/#%E9%99%84%E5%BD%95-b%E6%9D%A5%E6%BA%90%E6%B8%85%E5%8D%95%E6%8C%89%E5%8F%AF%E4%BF%A1%E5%BA%A6%E5%88%86%E7%BA%A7) > 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 - **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 - **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 - **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】 - **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 - 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】 - "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 - 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】 - **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） - 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 - 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 - 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】 - 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 - **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）** - **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//`），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。 - **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。 - **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）** - **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。 - **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 `` 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）** - **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。 - **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） - **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）。 - **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）。 - **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】 - **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 - **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 - 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 - 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** - GEO 论文 arXiv:2311.09735（KDD 2024）— [https://arxiv.org/abs/2311.09735](https://arxiv.org/abs/2311.09735) - Google Search Central: AI features and your website — [https://developers.google.com/search/docs/appearance/ai-features](https://developers.google.com/search/docs/appearance/ai-features) - llms.txt 官方提案 — [https://llmstxt.org/](https://llmstxt.org/) - OpenAI 爬虫文档 — [https://developers.openai.com/api/docs/bots](https://developers.openai.com/api/docs/bots) - Anthropic 爬虫文档 — [https://support.claude.com/en/articles/8896518](https://support.claude.com/en/articles/8896518) - Perplexity 爬虫文档 — [https://docs.perplexity.ai/guides/bots](https://docs.perplexity.ai/guides/bots) - Cloudflare: Markdown for Agents — [https://blog.cloudflare.com/markdown-for-agents/](https://blog.cloudflare.com/markdown-for-agents/) - 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](https://blog.cloudflare.com/declaring-your-aindependence-block-ai-bots-scrapers-and-crawlers-with-a-single-click) - Cloudflare: Pay Per Crawl — [https://blog.cloudflare.com/introducing-pay-per-crawl/](https://blog.cloudflare.com/introducing-pay-per-crawl/) - Cloudflare: Agentic Web — [https://blog.cloudflare.com/agentic-web/](https://blog.cloudflare.com/agentic-web/) - Microsoft NLWeb — [https://github.com/microsoft/NLWeb](https://github.com/microsoft/NLWeb) - WebMCP 草案 — [https://github.com/webmachinelearning/webmcp](https://github.com/webmachinelearning/webmcp) - AGENTS.md — [https://agents.md/](https://agents.md/) - Agentic Commerce Protocol — [https://www.agenticcommerce.dev/](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](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](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/](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](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](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/](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](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/](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