docs: 新增 AI 万能视频下载总结器项目实战 + GEO 文章 + 概念大全扩充
项目实战： - 新增 Cursor - AI 万能视频下载总结器项目实战文章 - 更新项目实战导读和企业级项目列表，补充新项目引用 产品变现： - 新增 10 GEO 生成式引擎优化实战（主线文章） - 更新产品变现导读，补充 GEO 引用 - SEO 文章末尾自然过渡到 GEO 概念大全扩充： - Token（词元）：补充国产大模型中文分词优化说明 - 新增 Token 缓存：解释 KV Cache 缓存写入/读取机制 - 新增 Harness Engineering 驾驭工程：三大核心支柱 - 新增 Ralph Wiggum Loop：PRD 驱动的自主循环编程模式 - 新增 ACP 协议：区分 IBM Agent Communication Protocol 和 JetBrains Agent Client Protocol - 新增 GEO 生成式引擎优化概念 - OpenClaw 条目参考保姆级教程重写，移至开发工具概念板块 - 项目管理概念板块扩展为「项目管理和推广概念」 Made-with: Cursor
This commit is contained in:
liyupi
@@ -63,7 +63,7 @@
|
||||
|
||||
如果你不知道做什么项目，可以先看看项目灵感大全，里面有 100 个项目创意，总有一个能激发你的兴趣。
|
||||
|
||||
对于想深入学习的同学，可以在完成基础项目后，继续学习《企业项目开发流程》，了解真实的商业项目是如何开发的。或者学习 [鱼皮的原创项目实战教程](https://www.codefather.cn/post/1797431216467001345)，跟着保姆级视频和图文教程做出完整的企业级项目。比如 [AI 热点监控工具](https://www.codefather.cn/course/2026625439052627970)（基于 GitHub Copilot）和 [GitHub 文档翻译工具](https://www.codefather.cn/course/2014303010343092226)（基于 Cursor）都是很好的 Vibe Coding 实战项目，代码完全开源，零基础也能跟着做出来。
|
||||
对于想深入学习的同学，可以在完成基础项目后，继续学习《企业项目开发流程》，了解真实的商业项目是如何开发的。或者学习 [鱼皮的原创项目实战教程](https://www.codefather.cn/post/1797431216467001345)，跟着保姆级视频和图文教程做出完整的企业级项目。比如 [AI 万能视频下载总结器](https://www.codefather.cn/course/2027618983506640897)（基于 Cursor，含 Stripe 支付和 SEO/GEO 优化）、[AI 热点监控工具](https://www.codefather.cn/course/2026625439052627970)（基于 GitHub Copilot）和 [GitHub 文档翻译工具](https://www.codefather.cn/course/2014303010343092226)（基于 Cursor）都是很好的 Vibe Coding 实战项目，代码完全开源，零基础也能跟着做出来。
|
||||
|
||||
|
||||
|
||||
|
||||
@@ -45,6 +45,31 @@
|
||||
|
||||
|
||||
|
||||
### AI 万能视频下载总结器
|
||||
|
||||
基于 Vue 3 + FastAPI + yt-dlp + DeepSeek + Stripe 开发的 AI 万能视频下载总结器，以 Vibe Coding 为核心，全程使用 Cursor 进行 AI 编程。支持从 B 站、YouTube、抖音等 1800+ 平台下载视频，AI 自动提取字幕并生成总结摘要、交互式思维导图和视频问答，还集成了 JWT 用户认证和 Stripe 国际支付，是一个真正能上线变现的 SaaS 产品。
|
||||
|
||||
适合人群：想学 AI 编程做工具类产品并实现商业变现、掌握 Python 后端开发和国际支付的同学。
|
||||
|
||||
[👉🏻 点击开始学习](https://www.codefather.cn/course/2027618983506640897)
|
||||
|
||||
技术亮点：
|
||||
|
||||
- Cursor AI 编程 + MCP 插件 + Agent Skills
|
||||
- SubAgents 子代理并行开发
|
||||
- yt-dlp 多平台视频下载引擎
|
||||
- DeepSeek 大模型 AI 总结和问答
|
||||
- SSE 流式数据传输
|
||||
- Stripe 国际支付 + Webhook
|
||||
- JWT 用户认证和权限控制
|
||||
- SEO 和 GEO 搜索优化
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
### AI 热点监控工具
|
||||
|
||||
基于 Express 5 + React 19 + OpenRouter + Socket.io 开发的 AI 热点监控工具，以 Vibe Coding 为核心，全程使用 VSCode + GitHub Copilot 进行 AI 编程。系统自动从 Twitter、Bing、B 站等 8+ 信息源聚合抓取内容，利用 AI 进行真假识别和相关性分析，通过 WebSocket 实时推送和邮件通知。还将热点监控能力封装为 Agent Skills 技能包。
|
||||
|
||||
@@ -0,0 +1,225 @@
|
||||
# Cursor - AI 万能视频下载总结器项目实战
|
||||
|
||||
这是一套以 AI 编程实战为核心的项目教程，基于 Vue 3 + FastAPI + yt-dlp + DeepSeek + Stripe，用 AI 编程的方式从 0 到 1 开发一个《AI 万能视频下载总结器》，带你亲身体验 Vibe Coding 的完整工作流，学会用 AI 快速做出一个能上线变现的实用工具！
|
||||
|
||||
项目代码免费开源：https://github.com/liyupi/free-video-downloader
|
||||
|
||||
完整视频教程 + 文字教程（预计 3 ~ 7 天学完）：https://www.codefather.cn/course/2027618983506640897
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
## 项目介绍
|
||||
|
||||
很多同学都有下载保存视频到本地的需求，比如离线观看技术教程、或者备份自己上传的作品。但很多平台要么不支持直接下载、要么限制清晰度、要么需要安装各种客户端，非常不方便。
|
||||
|
||||
更进一步，如果能在下载前快速了解一个长视频的核心内容，比如看一个 2 小时的技术分享，先看到 AI 总结的大纲和要点，就能判断值不值得花时间看完整视频，大幅提升学习效率。
|
||||
|
||||
更重要的是，这个项目不只是做一个工具，而是带大家学习一种 **利用开源项目快速解决问题** 的方法。不需要从零造轮子，站在巨人的肩膀上，用 AI 编程快速完成封装和扩展，就能快速打造出能力更强的 SaaS 平台。
|
||||
|
||||
这就是 AI 万能视频下载总结器的起点：输入一个视频链接，工具自动解析视频信息，支持从 B 站、YouTube、抖音等 **1800+** 平台下载视频，同时提供 **AI 视频总结**（摘要 + 思维导图 + 问答），还集成了 **用户认证** 和 **Stripe 国际支付** 能力，是一个真正能上线变现的产品。
|
||||
|
||||
**一个链接搞定视频下载 + AI 总结，学习效率翻倍！**
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
## 项目功能演示
|
||||
|
||||
1）多平台视频解析和下载
|
||||
|
||||
输入主流视频平台的视频链接，系统自动解析视频标题、封面、时长，并提供多种清晰度和格式供用户选择下载。基于 yt-dlp 开源项目，支持 **1800+** 网站，涵盖 B 站、YouTube、抖音等主流平台。针对抖音等需要特殊处理的平台，开发了专用解析模块，无需用户提供 Cookie 即可获取无水印视频。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
2）AI 视频总结摘要
|
||||
|
||||
解析视频后，系统自动提取字幕并调用 DeepSeek 大模型进行内容分析，流式输出视频的总结摘要，Markdown 格式排版精美，帮助用户快速了解视频核心要点。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
3）AI 生成思维导图
|
||||
|
||||
基于视频内容自动生成交互式思维导图，帮助用户一目了然地掌握视频结构。支持全屏展示、缩放拖拽查看完整内容，还可以导出高清 PNG 和 SVG 格式图片。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
4）AI 视频问答
|
||||
|
||||
用户可以基于视频内容进行自由问答，AI 会根据字幕文本给出针对性的回答，辅助深度学习。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
5）字幕导出
|
||||
|
||||
支持下载 SRT、VTT、TXT 等多种格式的字幕文件，方便用户自行整理和学习。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
6）用户注册登录 + 会员权限
|
||||
|
||||
支持邮箱 + 密码注册登录，基于 JWT 实现无状态认证。免费用户每天可使用 3 次 AI 总结，VIP 会员不限次数。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
7）Stripe 国际支付
|
||||
|
||||
集成 Stripe 国际支付平台，支持信用卡等多种支付方式，用户可一键开通 VIP 会员，解锁无限 AI 总结次数。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
## 项目收获
|
||||
|
||||
本项目选题新颖，紧跟 AI 编程时代，以 **实用工具 + 商业变现** 为导向，区别于增删改查的烂大街项目。你不是在写代码，而是在用 AI 做一个真正有价值的工具，还能上线赚钱。
|
||||
|
||||
项目内容精炼，**不到一周就能学完**，快速掌握 AI 编程的核心工作流：需求分析 → 方案设计 → 编码开发 → 测试验证 → 功能扩展 → SEO/GEO 优化 → 支付集成，让你真正体验 AI 编程从开发到变现的完整闭环。
|
||||
|
||||
从这个项目中你可以学到：
|
||||
|
||||
- 如何用 AI 编程从 0 到 1 开发一个完整的前后端项目？
|
||||
- 如何安装和使用 MCP、Agent Skills 增强 AI 能力？
|
||||
- 如何利用开源项目实现多平台视频下载？并针对特定平台进行适配？
|
||||
- 如何通过 DeepSeek 大模型实现 AI 视频总结、思维导图和问答？
|
||||
- 如何使用 SSE 实现流式数据传输？
|
||||
- 如何基于 JWT 实现用户认证和权限控制？
|
||||
- 如何集成 Stripe 国际支付，实现收款和 Webhook 回调？
|
||||
- 如何进行 SEO 和 GEO 搜索优化，让更多人看到你的产品？
|
||||
- 如何利用 Cursor SubAgents 并行开发多个功能？
|
||||
|
||||
|
||||
|
||||
## 功能梳理
|
||||
|
||||
该项目功能丰富，涵盖视频解析下载、AI 智能总结、用户认证、会员支付、SEO/GEO 优化 5 大模块，20+ 功能点，覆盖了从工具开发、AI 应用到商业变现的完整产品闭环。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
## AI 编程开发流程
|
||||
|
||||
这个项目遵循最主流的 AI 编程项目开发流程：
|
||||
|
||||
第一步，给 AI 写一段需求描述提示词，让它帮我做竞品分析和方案设计。还装了 Firecrawl MCP 抓取网页内容做竞品调研，Context7 MCP 自动拉取最新的技术文档，确保 AI 写的代码不过时。
|
||||
|
||||
第二步，人工确认方案。前端用 Vue 3 + Tailwind CSS，后端用 Python 的 FastAPI，视频下载核心是 yt-dlp 这个 14 万 Star 的开源项目。确认没问题后再让 AI 动手写代码。
|
||||
|
||||
第三步，启动开发。AI 会先规划任务列表，一步步完成前后端开发。写完还会自己打开浏览器测试。
|
||||
|
||||
第四步，测试验证。人工验收，发现问题再反馈给 AI 修复。
|
||||
|
||||
跑通核心业务流程之后，就要持续迭代优化。比如抖音视频下载需要 Cookie，用户自己获取太麻烦了，AI 自己找到了一个无需 Cookie 的抖音解析方案，直接集成进来了。还有 SSE 流式传输的时候前端 Markdown 渲染出来的内容是乱的，提示 AI 检查后端返回的数据编码方式才找到了问题根源。
|
||||
|
||||
后面做扩展功能的时候，还用了 SubAgents 子代理，让 AI 同时并行开发 Markdown 渲染优化、思维导图全屏展示和字幕下载三个功能，效率直接翻倍。每做完一个阶段都用 Git 提交代码，新开 AI 对话窗口的时候，把文档丢给 AI 就能快速找回记忆接着干。
|
||||
|
||||
建议每做完一个功能就用 Git 提交代码，防止 AI 后面改着改着搞崩了。如果上下文太长了，AI 容易断片儿，就新开一个对话窗口，把需求文档和方案文档丢给 AI，让它重新分析已有代码找回记忆。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
## 核心业务流程
|
||||
|
||||
整个视频下载流程：用户输入链接 → 平台分流（抖音 / 通用） → 解析视频信息 → 用户选择格式和清晰度 → 服务端下载 → 返回文件。
|
||||
|
||||
```mermaid
|
||||
graph TD
|
||||
A[用户输入视频链接] --> B{平台识别}
|
||||
B -->|抖音链接| C[抖音专用解析模块]
|
||||
B -->|其他平台| D[yt-dlp 通用解析]
|
||||
C --> E[获取无水印视频地址]
|
||||
D --> F[提取格式列表 + 缩略图]
|
||||
E --> G[展示视频信息]
|
||||
F --> G
|
||||
G --> H[用户选择清晰度和格式]
|
||||
H --> I{下载方式}
|
||||
I -->|服务端下载| J[yt-dlp 下载 + ffmpeg 合并]
|
||||
I -->|直链下载| K[获取直链 → 浏览器下载]
|
||||
J --> L[返回视频文件]
|
||||
K --> L
|
||||
|
||||
style A fill:#e3f2fd,stroke:#1976d2
|
||||
style G fill:#f3e5f5,stroke:#7b1fa2
|
||||
style L fill:#e8f5e9,stroke:#388e3c
|
||||
```
|
||||
|
||||
AI 总结的核心流程：提取字幕 → 调用 DeepSeek 流式生成摘要 → 生成思维导图 → 支持问答互动。
|
||||
|
||||
```mermaid
|
||||
sequenceDiagram
|
||||
participant User as 用户
|
||||
participant FE as 前端（Vue 3）
|
||||
participant BE as 后端（FastAPI）
|
||||
participant YT as yt-dlp / B 站 API
|
||||
participant AI as DeepSeek 大模型
|
||||
|
||||
User->>FE: 点击"AI 总结"
|
||||
FE->>BE: POST /api/summarize（SSE）
|
||||
BE->>BE: 检查登录态 + 配额
|
||||
BE->>YT: 提取视频字幕
|
||||
YT-->>BE: 返回字幕文本
|
||||
BE->>AI: 发送字幕 + 总结 Prompt
|
||||
AI-->>BE: 流式返回总结内容
|
||||
BE-->>FE: SSE 推送（summary 事件）
|
||||
BE->>AI: 发送字幕 + 导图 Prompt
|
||||
AI-->>BE: 返回 Markdown 大纲
|
||||
BE-->>FE: SSE 推送（mindmap 事件）
|
||||
FE->>FE: markmap 渲染思维导图
|
||||
FE-->>User: 展示总结 + 导图 + 字幕
|
||||
```
|
||||
|
||||
|
||||
|
||||
## 技术选型
|
||||
|
||||
本项目以 Python 后端 + Vue 前端为核心，前后端分离，涵盖多平台视频下载、AI 大模型内容总结、SSE 流式传输、JWT 认证、Stripe 国际支付、SEO/GEO 搜索优化等实用技术，一个项目即可掌握工具类产品从开发到变现的核心技术栈。
|
||||
|
||||
|
||||
|
||||
后端：FastAPI（Python 异步 Web 框架）、yt-dlp（支持 1800+ 网站的视频下载引擎）、抖音专用解析模块（无 Cookie 方案）、DeepSeek API（AI 视频总结和问答）、SQLite、JWT（PyJWT）、bcrypt、Stripe、httpx、SSE（Server-Sent Events）
|
||||
|
||||
前端：Vue 3（script setup）、Vite 7、Tailwind CSS 4、Axios、Marked、markmap-lib + markmap-view（交互式思维导图）、@tailwindcss/typography
|
||||
|
||||
AI 编程工具：Cursor（含 Browser Use 浏览器操作）、MCP 插件（Firecrawl 网页抓取 + Context7 最新技术文档）、Agent Skills（SEO 优化）、SubAgents 子代理并行开发
|
||||
|
||||
|
||||
|
||||
## 架构设计
|
||||
|
||||
本项目采用前后端分离架构，前端使用 Vue 3 + Vite，后端使用 FastAPI + SQLite，通过 REST API 和 SSE 通信。后端集成 yt-dlp 实现多平台视频下载，通过 DeepSeek API 实现 AI 总结，通过 Stripe 实现支付，整体架构轻量高效。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
完整视频教程 + 文字教程（预计 3 ~ 7 天学完）：https://www.codefather.cn/course/2027618983506640897
|
||||
|
||||
|
||||
|
||||
## 推荐资源
|
||||
|
||||
1）鱼皮 AI 导航网站：[AI 资源大全、最新 AI 资讯、免费 AI 教程](https://ai.codefather.cn)
|
||||
|
||||
2）编程导航学习圈：[学习路线、编程教程、实战项目、求职宝典、交流答疑](https://www.codefather.cn)
|
||||
|
||||
3）程序员面试八股文：[实习/校招/社招高频考点、企业真题解析](https://www.mianshiya.com)
|
||||
|
||||
4）程序员写简历神器：[专业模板、丰富例句、直通面试](https://www.laoyujianli.com)
|
||||
|
||||
5）1 对 1 模拟面试：[实习/校招/社招面试拿 Offer 必备](https://ai.mianshiya.com)
|
||||
@@ -46,7 +46,7 @@
|
||||
|
||||
接着是产品变现的核心内容，包括盈利模式设计、付费策略设计等，让你了解如何让产品真正产生收益。
|
||||
|
||||
最后是产品推广的重要一环，SEO 搜索引擎优化，教你如何让更多人发现你的产品。
|
||||
最后是产品推广的重要一环，包括 SEO 搜索引擎优化和 GEO 生成式引擎优化，教你如何在传统搜索引擎和 AI 搜索中都让更多人发现你的产品。
|
||||
|
||||
|
||||
|
||||
|
||||
@@ -209,6 +209,8 @@ AI 需要理解内容的上下文才能准确引用。确保每篇文章都有
|
||||
|
||||
在 Vibe Coding 时代，用 AI 做产品已经很容易了。但是，如何让更多人发现你的产品，仍然需要你掌握 SEO 和 GEO 的方法。
|
||||
|
||||
说到 GEO，随着越来越多人用 AI 搜索代替传统搜索引擎，如何让你的内容被 AI 引用和推荐也变得非常重要。下一篇我会专门聊聊 GEO 生成式引擎优化，教你怎么让 ChatGPT、DeepSeek 这些 AI 工具主动推荐你的产品。
|
||||
|
||||
加油，让你的产品被更多人发现吧~
|
||||
|
||||
|
||||
|
||||
@@ -0,0 +1,286 @@
|
||||
# GEO 生成式引擎优化实战
|
||||
|
||||
> AI 时代的搜索优化新玩法，让 AI 主动推荐你的产品
|
||||
|
||||
|
||||
|
||||
大家好，我是程序员鱼皮。
|
||||
|
||||
问大家一个问题：你有多久没有打开过百度或者谷歌搜索了？
|
||||
|
||||
反正我用的越来越少了。现在不管是查技术问题、买东西、还是了解一个新概念，第一反应都是直接问 AI。
|
||||
|
||||
身边的朋友也差不多，DeepSeek、豆包、元宝、千问基本成了大家的默认搜索引擎。
|
||||
|
||||
根据 QuestMobile 的数据，截至 2025 年 12 月，中国 AI 原生应用的月活用户已经突破了 **7.22 亿**，越来越多人在用 AI 搜索来代替传统搜索引擎，这已经是大势所趋。
|
||||
|
||||
那问题来了：**你觉得 AI 给你的回答，可信吗？**
|
||||
|
||||
比如我问 AI：“有哪些不错的面试刷题小程序？”
|
||||
|
||||
它果断推荐了我们团队的面试刷题产品 [「面试鸭」](https://www.mianshiya.com/)，还说了一大堆优势，什么大厂真题、命中率高，1w + 高频题，含 Java、Python、前端、后端、测试、运维、系统设计、场景题、真实面经阿巴巴阿巴巴……
|
||||
|
||||
|
||||
|
||||
嗯，经过我的鉴定，这个确实是可信的~
|
||||
|
||||
**但如果我问的是一个自己不熟悉的领域呢？**
|
||||
|
||||
今年 315 晚会，央视曝光了一个让人脊背发凉的案例。
|
||||
|
||||
有业内人士虚构了一款叫 Apollo-9 的智能手环。然后通过一个叫 “力擎 GEO 优化” 的软件，自动生成了很多篇虚假宣传软文，里面有杜撰的 “量子纠缠传感” 黑科技、伪造的专家评测、捏造的用户好评。
|
||||
|
||||
|
||||
|
||||
这些软文通过自媒体账号发到互联网上后，仅仅 **2 个小时**，多款主流 AI 大模型就把这个 **根本不存在** 的手环推荐给了用户，而且 **排名靠前**，还一本正经地介绍它的核心亮点。
|
||||
|
||||
|
||||
|
||||
力擎系统的运营者在接受央视采访时原话是这么说的：比如说手机品牌，就 5 个位置，最多 10 个位置，这么多手机怎么弄。一年可能上亿的广告费，**花个几百万投点毒，总行吧！**
|
||||
|
||||
没错，他用的词就是 “投毒”，真是生动形象啊……
|
||||
|
||||
这件事曝光之后，GEO 这个词直接出圈了。越来越多人意识到：原来 AI 的回答是可以被人为操控的。
|
||||
|
||||
与此同时，越来越多老板也开始花钱购买 GEO 服务，想让自家产品成为 AI 口中的 “标准答案”。用极低的成本换来源源不断的免费流量，谁不心动呢？
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
## 什么是 GEO？
|
||||
|
||||
在 GEO 出现之前，大家可能听过 SEO 这个词。
|
||||
|
||||
SEO 的全称是 Search Engine Optimization **搜索引擎优化**，目标是让你的网站能被百度、谷歌等搜索引擎收录，并且在搜索结果里排名更靠前，从而获得更多点击和流量。
|
||||
|
||||
GEO 的全称是 Generative Engine Optimization **生成式引擎优化**，你可以把它理解为 AI 时代的 SEO。它的目标不再是争抢搜索排名，而是让你的内容被 ChatGPT、DeepSeek、豆包这些 AI 大模型引用和推荐，成为 AI 回答中的信息来源。
|
||||
|
||||
打个比方，SEO 像是在超市货架上抢黄金位置，让顾客一眼看到你的产品；GEO 像是让导购员在顾客询问的时候，主动把你的产品推荐出去。
|
||||
|
||||
|
||||
|
||||
而且 GEO 的流量质量可能比 SEO 还高。有数据显示，AI 搜索带来的流量转化率可以达到传统搜索的 **5 倍以上**！
|
||||
|
||||
原因也不难理解，用户问 AI 的时候往往带着更明确的需求，AI 的推荐也更有针对性。所以大家才更喜欢用 AI 提问而不是搜索引擎。
|
||||
|
||||
注意，GEO 技术本身是没有问题的，就和 SEO 一样，它只是一种内容优化手段。真正有问题的是拿虚假信息去 “投毒” 的行为，这跟当年 SEO 时代的 “黑帽 SEO” 有点儿像，用关键词堆砌、隐藏文字、制造垃圾外链来骗搜索引擎。当年搜索引擎一直在打击黑帽 SEO，相信随着技术的发展，AI 大模型厂商也一定会加强对 GEO 投毒的检测和防御。
|
||||
|
||||
仔细想想，现在有多少人为了抢占流量，用 AI 批量生成大量内容然后全平台发布？虽然内容不算虚假，但千篇一律、毫无营养，其实也是在污染互联网的信息环境，何尝不是另一种形式的 “投毒” 呢？
|
||||
|
||||
正规的 GEO 不是去污染 AI，而是帮助你的优质内容更好地被 AI 发现和引用。
|
||||
|
||||
具体怎么做呢？
|
||||
|
||||
接下来就分享一些我总结的实操方法。
|
||||
|
||||
|
||||
|
||||
## 如何做好 GEO？
|
||||
|
||||
我总结了 8 个可行的 GEO 优化套路，而且每一条我都会用 “把 AI 当成人” 的方式来类比，让你不仅知道怎么做，还能理解为什么这么做有效。
|
||||
|
||||
### 1、先给结论
|
||||
|
||||
AI 在提取内容的时候，特别偏爱 **在开头就给出核心答案** 的文章。
|
||||
|
||||
为什么呢？
|
||||
|
||||
你可以把 AI 想象成一个每天要看几百万篇文章的实习生。他的任务是从这些文章里找到能回答用户问题的内容。
|
||||
|
||||
如果你的文章开头是 “众所周知，随着时代的发展……” 这种空话套话，这个实习生直接就翻到下一篇了。
|
||||
|
||||
所以正确的做法是：**文章开头直接回答核心问题，先给出结论，后文再分段展开解释。**
|
||||
|
||||
比如我的 [面试刷题网站](https://www.mianshiya.com/) 有大量的面试题，把每道题目当成文章的话，题目就是标题，题解就是正文内容。每个题解都是先给出回答重点，然后才具体解释和给出扩展知识。
|
||||
|
||||
这样的内容不仅 AI 喜欢，人也看得舒服。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
### 2、结构化写作
|
||||
|
||||
AI 在理解文章内容的时候，特别喜欢 **格式清晰、层级分明** 的内容。
|
||||
|
||||
类比一下，你去面试的时候，面试官拿到两份简历，一份排版整齐、分了工作经历 / 项目经验 / 专业技能几个板块；另一份就是一大段自我介绍的文字。你觉得面试官更愿意看哪个？
|
||||
|
||||
AI 也是一样的逻辑。结构化的内容不仅更容易被 AI 解析和提取，被引用的权重也比纯文本更高。
|
||||
|
||||
推荐的结构化格式：
|
||||
|
||||
1）问答格式
|
||||
|
||||
问：什么是 GEO？
|
||||
|
||||
答：GEO 是指……
|
||||
|
||||
2）步骤列表：第一步…… 第二步…… 第三步……
|
||||
|
||||
3）对比表格
|
||||
|
||||
4）层级标题：H1 > H2 > H3 有序嵌套，建议用 Markdown 语法写文章
|
||||
|
||||
比如我面试鸭上的题解，会按照知识点划分层级标题，大家看题解的时候思路也会更清晰。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
### 3、打造专业权威内容
|
||||
|
||||
AI 跟人一样，有据可查的话才敢引用。
|
||||
|
||||
想想你写论文的时候，导师最常说的是什么？
|
||||
|
||||
“数据来源呢？参考文献呢？”
|
||||
|
||||
AI 在决定引用哪篇内容的时候，也会做类似的查重操作。如果你的文章里有具体的数字、有明确的数据来源、有权威机构的引用，AI 就更倾向于信任并引用你的内容。
|
||||
|
||||
而且 AI 对内容的 **专业度** 有明显偏好。这就好比你生病了去网上查，你是更信一篇医生写的专业科普，还是更信某个网友在论坛里分享的个人经验？
|
||||
|
||||
AI 的判断逻辑也是类似的。有研究显示，约 80% 以上被 AI 引用的来源都具备至少 3 项以上的权威信号，比如专业资质、机构背书、可验证的数据等。
|
||||
|
||||
所以在写内容的时候，可以注意这几点：
|
||||
|
||||
- 用具体数据代替模糊描述，“增长了 45%” 比 “增长很快” 好得多，并且要标注数据来源，比如 “根据 XX 的 XX 年报告”
|
||||
- 引用权威机构的研究、学术论文或官方报告来支撑你的观点
|
||||
- 加入真实的案例和实测结果，体现作者的专业背景和实际经验，比如 “我们团队实测了 30 款工具后发现……”
|
||||
- 给文章署名并关联真实的作者简介，让 AI 能识别出 “这是谁写的”
|
||||
|
||||
|
||||
|
||||
### 4、直接回答用户会问的问题
|
||||
|
||||
AI 搜索的本质就是帮用户找答案。用户对 AI 说的话，基本都是问句，比如：什么是 XX？怎么做 XX？XX 和 YY 哪个好？
|
||||
|
||||
你可以把 AI 想象成一个考试前疯狂找答案的学生。试卷上全是问题，他需要从参考资料里找到最匹配的答案。如果你的文章恰好就是围绕这些问题来写的，而且给出了直接、清晰的回答，那你的文章就成了他最爱翻的参考书。
|
||||
|
||||
具体来说，可以这样做：
|
||||
|
||||
- 先调研用户在你的领域里最常问 AI 哪些问题
|
||||
- 在文章中直接以问答的形式来组织内容
|
||||
- 标题尽量用问题形式，比如 “怎么做好 GEO？” 比 “GEO 的一些方法” 更友好
|
||||
- 每篇文章聚焦回答 1 ~ 3 个核心问题，贪多嚼不烂
|
||||
|
||||
比如我面试鸭上的很多题目都有「面试问答」功能，预判一些面试官可能会问的问题，不仅能帮助用户更好地应对面试，还有利于 GEO。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
### 5、在权威平台多发内容，积累口碑
|
||||
|
||||
AI 在决定引用谁的时候，有一个很重要的考量因素，就是 **你被多少可信来源提到过**。
|
||||
|
||||
这就跟找工作一样。如果你的简历上只有自我评价 “本人能力出众”，估计能成功把招聘方逗笑。但如果你有大厂前领导的推荐信、有知名开源项目的贡献记录、甚至有行业大会的演讲经历，招聘方就会认真对待。
|
||||
|
||||
假如你的产品被知乎大 V 推荐了、被行业媒体报道了、被权威网站引用了，AI 对你的信任分就会更高。
|
||||
|
||||
而且 AI 爬虫在抓取互联网内容的时候，也不是一视同仁的，它会更关注那些权威度高、内容质量好的平台。所以可以优先在这些平台发布你的内容，而且要多平台发布：
|
||||
|
||||
- 知乎、公众号（国内高权重平台）
|
||||
- GitHub、Stack Overflow（技术类）
|
||||
- 小红书、B 站（年轻用户群体）
|
||||
- 行业垂直媒体和论坛
|
||||
- 品牌官网（AI 爬虫在抓取信息时，会更重视官网的内容）
|
||||
|
||||
另外还有个小技巧，有些 AI 平台可能会优先引用自家生态内的内容。比如你在抖音发布的视频，豆包在回答时可能更容易引用到；在微信公众号发的文章，腾讯元宝也可能更容易抓取。所以如果你想针对某个特定的 AI 平台做优化，可以优先在它的关联平台上发布内容。
|
||||
|
||||
|
||||
|
||||
### 6、做好多模态内容
|
||||
|
||||
AI 不只看文字。现在主流的 AI 搜索引擎已经能索引图片、视频等多种格式的内容了。
|
||||
|
||||
就像你在网上买东西，光看文字描述和看了商品实拍图 + 视频讲解，感受完全不一样。AI 也是类似的逻辑，内容越丰富、越多元，AI 对这篇内容的信任值就越高。
|
||||
|
||||
所以在发布内容的时候，图片记得写好 Alt 描述文字，不要留空；视频最好提供字幕和时间戳章节。
|
||||
|
||||
此外，表格和图表尽量用 HTML / Markdown 格式的表格，而不是截图形式，方便 AI 直接提取数据。如果要用图片来讲解知识的话，配一份纯文本的说明。
|
||||
|
||||
|
||||
|
||||
### 7、保持内容新鲜
|
||||
|
||||
AI 跟人一样，喜新厌旧。
|
||||
|
||||
当 AI 面对多个信息来源的时候，它会更倾向于引用 **有明确时间标记** 的新内容。原因很简单，如果用户问 “2026 年最好用的 AI 编程工具”，AI 肯定不会去引用一篇 2023 年写的文章。
|
||||
|
||||
因此建议大家养成几个好习惯：
|
||||
|
||||
- 文章标注时间信息，比如 “更新于 20XX 年 X 月”
|
||||
- 每季度更新一次核心内容中的数据和案例
|
||||
- 过时的内容及时修订或标记
|
||||
- 持续发布新内容，而不是只靠几篇老文章吃老本
|
||||
|
||||
像我最新的 [「鱼皮 AI 导航」](https://ai.codefather.cn/) 网站，里面很多内容都是最新更新的，就更容易被 AI 推荐：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
### 8、做好技术层面的优化
|
||||
|
||||
这一条偏技术向，但对做产品、做网站的同学来说很重要。
|
||||
|
||||
你可以把 AI 的爬虫想象成一个上门拜访你家的客人。如果你家大门紧锁（robots.txt 屏蔽了 AI 爬虫）、屋里一团乱（没有结构化数据）、灯都不开（页面全靠 JS 渲染，爬虫看到的是空白页），客人转身就走了，更别提帮你说好话了。
|
||||
|
||||
具体来说，需要关注这些技术细节：
|
||||
|
||||
- robots.txt 要确保允许 AI 爬虫访问你的网站（GPTBot、ClaudeBot、PerplexityBot 等）
|
||||
- 加上 Schema 结构化标记，用 JSON-LD 格式标记 FAQ、Product、Organization 等信息，让 AI 更容易理解你的内容
|
||||
- 使用 SSR 服务端渲染或 SSG 静态站点生成，确保 AI 爬虫抓取到的是完整的 HTML 页面，而不是一堆 JS 脚本
|
||||
- 用 https，这是如今网站基本的信任门槛
|
||||
- 提交 XML Sitemap 站点地图，帮助 AI 爬虫更快发现你的内容
|
||||
|
||||
你会发现，这些优化方式其实和传统的 SEO 技术优化是相通的。其实做好 SEO 也会有利于 GEO，两者并不冲突。
|
||||
|
||||
|
||||
|
||||
## 怎么验证 GEO 效果？
|
||||
|
||||
做了 GEO 优化之后，怎么知道有没有用呢？
|
||||
|
||||
其实方法很简单，拿你最核心的业务问题去问 ChatGPT、DeepSeek、豆包、Perplexity 这些主流 AI 工具，看看它们的回答里有没有提到你的产品或内容。建议同样的问题每周问一次，记录一下变化趋势。
|
||||
|
||||
此外，别只用一种问法，用户的真实提问方式是多样的，多换几个角度测试效果会更准。
|
||||
|
||||
如果你觉得手动问太麻烦，也可以让 AI 帮你写一个自动化监测脚本，定时向各大 AI 平台提交问题并记录回答中是否包含你要的关键词。
|
||||
|
||||
市面上也已经有一些现成的 GEO 监测工具了，可以自动跟踪你的品牌在各大 AI 平台回答中的引用情况，感兴趣的可以自行了解。
|
||||
|
||||
|
||||
|
||||
需要注意的是，AI 的回答具有不确定性，同一个问题问两次可能得到不同的答案。所以不要因为某次没被引用就急了，GEO 看的是长期趋势，不是单次结果。
|
||||
|
||||
|
||||
|
||||
## 写在最后
|
||||
|
||||
从搜索引擎到 AI 搜索，技术手段一直在变，但不管是 SEO 还是 GEO，底层逻辑始终没变：**真正有价值的内容，永远不会缺流量。**
|
||||
|
||||
315 曝光的那些 “投毒” 行为，短期内或许能骗过 AI，但大模型厂商一定会持续升级检测和防御机制，就像当年搜索引擎不断打击黑帽 SEO 一样，这条路注定走不远。
|
||||
|
||||
前面分享的那些 GEO 方法，本质上就是在帮你用正确的方式把好内容呈现给 AI。把内容结构写清楚、数据标注好、在权威平台持续输出，这些事情做到位了，AI 自然会选择你。
|
||||
|
||||
希望这篇文章对你有帮助，也希望大家都能用正确的方式，让自己的产品和内容被更多人发现。
|
||||
|
||||
如果你还没学过传统的 SEO 优化，建议先阅读本板块前面的《SEO 搜索引擎优化实战》，SEO 和 GEO 是相辅相成的，很多优化方法都是相通的。
|
||||
|
||||
加油，让你的产品被更多人发现！
|
||||
|
||||
|
||||
|
||||
## 推荐资源
|
||||
|
||||
1）鱼皮 AI 导航网站：[AI 资源大全、最新 AI 资讯、免费 AI 教程](https://ai.codefather.cn)
|
||||
|
||||
2）编程导航学习圈：[学习路线、编程教程、实战项目、求职宝典、交流答疑](https://www.codefather.cn)
|
||||
|
||||
3）程序员面试八股文：[实习/校招/社招高频考点、企业真题解析](https://www.mianshiya.com)
|
||||
|
||||
4）程序员写简历神器：[专业模板、丰富例句、直通面试](https://www.laoyujianli.com)
|
||||
|
||||
5）1 对 1 模拟面试：[实习/校招/社招面试拿 Offer 必备](https://ai.mianshiya.com)
|
||||
@@ -38,13 +38,15 @@
|
||||
|
||||
|
||||
|
||||
### Token
|
||||
### Token（词元）
|
||||
|
||||
Token 是 AI 模型处理文本的基本单位。你可以简单理解为 “词块”。
|
||||
Token 是 AI 模型处理文本的基本单位，中文叫做 “词元”。你可以简单理解为 “词块”，是大模型把文字拆分后的最小单元。
|
||||
|
||||
Token 是你必须掌握的核心概念，因为 AI 服务通常按照 Token 收费。你输入的文字和 AI 输出的文字都会消耗 Token。Token 用得越多，花的钱就越多。
|
||||
|
||||
在英文中，一个 Token 大约是一个单词或单词的一部分。在中文中，一个汉字通常是 1 ~ 2 个 Token。
|
||||
在英文中，一个 Token 大约是一个单词或单词的一部分。在中文中，一个汉字通常是 1 ~ 2 个 Token。不同模型使用的分词器（Tokenizer）不同，所以同一段文字在不同模型中可能对应不同数量的 Token。
|
||||
|
||||
值得一提的是，国产大模型（比如通义千问、DeepSeek）针对中文做了专门优化，1 个 Token 大约可以表示 1.5 ~ 1.8 个汉字，比早期的英文模型效率高不少。
|
||||
|
||||
举个例子来帮助大家理解：
|
||||
|
||||
@@ -70,6 +72,21 @@ AI 服务在计费时，一般会分别计算输入和输出的 Token。
|
||||
|
||||
|
||||
|
||||
### Token 缓存
|
||||
|
||||
Token 缓存是一个能帮你省大钱的机制。简单来说，大模型在处理你的提示词时，需要做大量的计算。如果你连续多次对话，很多内容（比如系统提示词、引用的代码文件）是重复的，每次都重新计算就太浪费了。缓存机制会把这些中间计算结果保存下来，下次遇到相同的前缀内容就直接复用，不仅更快，还更便宜。
|
||||
|
||||
缓存相关的 Token 分为两种：
|
||||
|
||||
- 缓存写入 Token：AI 第一次处理你的上下文时，会把计算结果存起来，比普通输入略贵一点
|
||||
- 缓存读取 Token：后续再用相同的上下文时，直接复用缓存，**价格甚至可以低到普通输入的 1/10**，非常便宜
|
||||
|
||||
|
||||
|
||||
所以在对话时，尽量保持上下文稳定，比如引用的文件、规则文件不要频繁改动，这样能持续享受缓存优惠。有时候你会发现连续对话比开新对话更省钱，就是因为缓存在起作用。
|
||||
|
||||
|
||||
|
||||
### 模型参数
|
||||
|
||||
参数是模型在训练过程中学到的 “知识点”，用数字的形式存储在模型中。
|
||||
@@ -276,7 +293,6 @@ Vibe Coding 就是跟着感觉写代码：你给 AI 一句话，AI 吐出代码
|
||||
|
||||
|
||||
|
||||
|
||||
### Agentic Coding 智能体编程
|
||||
|
||||
Agentic Coding 智能体编程是指让 AI 像一个自主的 “智能体”（Agent）一样工作，能够自己规划任务、执行操作、验证结果，而不只是被动地回答问题。
|
||||
@@ -297,6 +313,27 @@ Agentic Coding 智能体编程是指让 AI 像一个自主的 “智能体”（
|
||||
|
||||
|
||||
|
||||
### Harness Engineering 驾驭工程
|
||||
|
||||
Harness Engineering（驾驭工程）是 2026 年兴起的 AI 工程新范式，核心理念是 **人类掌舵 + 智能体执行**。它不是去优化 AI 模型本身，而是围绕 AI 智能体搭建一整套约束机制、反馈循环和工作流管理系统，让原本不可预测的 AI 在高可靠性环境下跑得稳、跑得快。
|
||||
|
||||
Harness 这个词本意是 “马具”，就像缰绳和马鞍用来引导强大但难以预测的马匹一样，Harness Engineering 就是围绕 AI 编程智能体搭建的整套 “运行环境”，确保 AI 能按照你的预期工作。
|
||||
|
||||
Harness Engineering 包含三大核心支柱：
|
||||
|
||||
1. 上下文工程：确保 AI 在正确的时间获得正确的信息，包括代码库文档、架构规范、AGENTS.md 文件、测试结果等
|
||||
2. 架构约束：通过代码规范检查器、自动化测试等机制，强制规定 AI 必须遵守的规则，明确的边界能让 AI 更快地收敛到正确的解决方案
|
||||
3. 熵管理：定期清理 AI 生成代码中积累的问题，比如过时文档、命名偏差、死代码等
|
||||
|
||||
|
||||
|
||||
为什么这个概念越来越重要呢？
|
||||
|
||||
因为在 AI 编程时代，**模型本身已经是通用商品，真正的竞争力在于你围绕模型搭建的工程体系**。同一个大模型，在不同的 Harness 环境下，代码质量可能天差地别。程序员的角色正在从 “自己写代码” 转变为 “设计让 AI 可靠写代码的系统”。
|
||||
|
||||
|
||||
|
||||
|
||||
### 多智能体协作
|
||||
|
||||
多智能体协作（Multi-Agent）是指多个 AI 智能体分工合作，共同完成复杂任务。
|
||||
@@ -389,6 +426,26 @@ Agent Loop（智能体循环）是 AI 智能体的核心工作机制，简单来
|
||||
|
||||
|
||||
|
||||
### Ralph Wiggum Loop
|
||||
|
||||
Ralph Wiggum Loop 是 2026 年比较流行的一种 AI 编程模式，名字来源于《辛普森一家》中那个执着不放弃的角色 Ralph Wiggum。
|
||||
|
||||
这个模式目前已有多个开源实现，比如 [wiggumdev/ralph](https://github.com/wiggumdev/ralph)。它的核心思路很简单：**把 AI 放在循环中反复执行，直到需求文档中的所有检查项全部完成。**
|
||||
|
||||
工作流程大概是这样的：
|
||||
|
||||
1. 先写一份 PRD（产品需求文档），把要做的功能拆解成一个个清晰的检查项
|
||||
2. 让 AI 智能体开始执行，每次从检查清单中取出未完成的任务
|
||||
3. AI 完成一个任务后，通过 Git 提交代码并记录进度
|
||||
4. 以全新的上下文开始新一轮迭代，继续处理剩余任务
|
||||
5. 不断循环，直到所有检查项完成
|
||||
|
||||
这种模式的巧妙之处在于，每轮循环都以干净的上下文开始（通过 Git 和文件来持久化进度），避免了长对话中 AI 容易 “断片儿” 的问题。而且可以无人值守地运行，你写好 PRD 就可以去睡觉了，第二天起来检查成果就行。
|
||||
|
||||
不过要注意设置好循环次数限制和 Token 预算，防止 AI 陷入无限循环疯狂烧钱。
|
||||
|
||||
|
||||
|
||||
### ReAct 推理与行动
|
||||
|
||||
ReAct（Reasoning and Acting）是一种让 AI 智能体交替进行推理和行动的技术范式。它的核心思想很简单：让 AI 先想清楚再动手，动完手再看看效果，然后继续想下一步怎么做。
|
||||
@@ -561,6 +618,28 @@ A2A 协议让不同的 AI 智能体能够组成团队，分工合作完成复杂
|
||||
|
||||
|
||||
|
||||
### ACP 协议
|
||||
|
||||
ACP 这个缩写在 AI 领域其实有两个含义，容易搞混，这里一起说清楚。
|
||||
|
||||
**第一个是 Agent Communication Protocol 智能体通信协议**，由 IBM 研究院推出。它让不同框架、不同公司开发的 AI 智能体能够无缝协作，就像不同品牌的手机都能互相打电话一样。
|
||||
|
||||
它基于轻量级的 HTTP REST 接口设计，支持文本、代码、文件、图片等多种内容格式，不挑编程语言，上手很简单。
|
||||
|
||||
|
||||
|
||||
需要注意的是，ACP 和前面提到的 A2A 是两个独立的协议。它们都在解决智能体跨框架交流的问题，但具体的通信格式和能力发现机制还是两套不同的体系。这些协议主要面向做 AI 应用开发的程序员，帮助他们构建多个智能体协作的系统。
|
||||
|
||||
**第二个是 Agent Client Protocol 智能体客户端协议**，由 JetBrains 和 Zed 联合推出，解决的是完全不同的问题 —— 让任何 AI 编程智能体都能在任何 IDE 中运行。
|
||||
|
||||
你可以把它理解成 AI 编程工具的 “万能适配器”。以前每个 AI 编程智能体插件都要为 IDEA 写一套代码、为 VS Code 写一套代码。现在有了 ACP 协议，Claude Code 只需要实现 ACP 接口，IDEA 就能直接把它接入进来，你在 IDEA 里也能爽用 Claude Code、在 Zed 编辑器里也能用 Gemini CLI，不再被某个 IDE 绑死。
|
||||
|
||||
此外，JetBrains 还上线了 ACP Agent Registry，一键就能安装各种 AI 编程智能体，越来越方便了~
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
### BMAD 敏捷 AI 开发方法
|
||||
|
||||
[BMAD-METHOD](https://github.com/bmad-code-org/BMAD-METHOD)（Breakthrough Method of Agile AI-Driven Development，突破性敏捷 AI 驱动开发方法）是一套系统化的 AI 智能体开发框架，目标是将原本混乱的 AI 编程过程变得结构化、可复用。
|
||||
@@ -993,6 +1072,26 @@ Linter 是自动检查代码问题的工具，能发现语法错误、风格问
|
||||
|
||||
|
||||
|
||||
### OpenClaw 开源 AI 助手
|
||||
|
||||
[OpenClaw](https://github.com/openclaw/openclaw) 是 2026 年最现象级的开源 AI 项目，仅用 100 多天就登顶 GitHub 星标历史第一，斩获 30 万+ Star。
|
||||
|
||||
你可以把它理解为一个能操控你电脑的 AI 数字员工。它不只是一个聊天机器人，而是真的能帮你打开软件、操作浏览器、处理文件、执行代码的全能助手。更关键的是，你可以通过手机聊天软件（比如飞书、QQ、微信）随时随地给它下达任务，AI 会在你的电脑上自动完成。
|
||||
|
||||
|
||||
|
||||
OpenClaw 的特点包括：
|
||||
|
||||
- 真正执行任务：能操作浏览器、处理文件、写代码、管理日程等
|
||||
- 多渠道接入：支持微信、QQ、飞书、Telegram、Discord 等
|
||||
- 技能生态系统：通过安装不同的技能包扩展 AI 能力
|
||||
- 多模型支持：支持 Anthropic、OpenAI、国产大模型等
|
||||
- 完全开源：MIT 许可证，支持本地部署，数据掌握在自己手里
|
||||
|
||||
不过 OpenClaw 的权限很大，使用时一定要注意安全。想深入了解 OpenClaw 的安装、使用和注意事项，可以阅读本教程编程工具板块的《OpenClaw 保姆级安装教程》，或者鱼皮 AI 知识库的《完整 OpenClaw 保姆级教程》。
|
||||
|
||||
|
||||
|
||||
## 项目管理概念
|
||||
|
||||
|
||||
@@ -1082,6 +1181,34 @@ Git 是最流行的版本控制工具，注意别把它和 GitHub 搞混了，Gi
|
||||
|
||||
|
||||
|
||||
### GEO 生成式引擎优化
|
||||
|
||||
GEO 全称为 Generative Engine Optimization 生成式引擎优化，你可以把它理解为 AI 时代的 SEO。
|
||||
|
||||
传统的 SEO 关注的是 “怎么让网页在百度、Google 搜索结果中排名靠前”，而 GEO 关注的是 “怎么让你的内容被 ChatGPT、DeepSeek、豆包这些 AI 大模型引用和推荐”。
|
||||
|
||||
|
||||
|
||||
打个比方，SEO 像是在超市货架上抢黄金位置，GEO 像是让导购员在顾客询问时主动把你的产品推荐出去。
|
||||
|
||||
|
||||
|
||||
随着越来越多人用 AI 搜索代替传统搜索引擎，GEO 正在变得越来越重要。有数据显示，AI 搜索带来的流量转化率可以达到传统搜索的 5 倍以上！
|
||||
|
||||
GEO 的核心策略包括：
|
||||
|
||||
- 先给结论：文章开头直接回答核心问题，AI 更喜欢提取开头就给答案的内容
|
||||
- 结构化写作：使用清晰的标题层级、问答格式、对比表格，方便 AI 解析和引用
|
||||
- 打造权威内容：用具体数据、权威引用代替模糊描述，AI 更信任有据可查的内容
|
||||
- 在权威平台多发内容：知乎、公众号、GitHub 等高权重平台发布的内容更容易被 AI 抓取
|
||||
- 技术优化：确保 robots.txt 允许 AI 爬虫访问，使用 SSR / SSG 确保页面可爬取
|
||||
|
||||
需要注意，GEO 技术本身是中立的，和 SEO 一样只是内容优化手段。而且做好 SEO 也有利于 GEO，两者并不冲突。
|
||||
|
||||
对于想让自己的产品被更多人发现的开发者来说，SEO 和 GEO 都是值得学习的推广技能。可以阅读本教程产品变现板块的《SEO 搜索引擎优化实战》和《GEO 生成式引擎优化实战》来深入了解。
|
||||
|
||||
|
||||
|
||||
## 前后端概念
|
||||
|
||||
|
||||
@@ -1166,7 +1293,6 @@ API（Application Programming Interface）是不同程序之间通信的接口
|
||||
|
||||
|
||||
|
||||
|
||||
### BaaS 后端即服务
|
||||
|
||||
BaaS（Backend as a Service 后端即服务）是提供现成后端功能的云服务，包括数据库、用户认证、文件存储等。
|
||||
|
||||
Reference in New Issue
Block a user