所谓信源，就是AI回答一个问题时引用的信息源头。
做GEO（生成式引擎优化），核心要关心AI从哪里取证据，为什么取这个证据，哪些内容更容易被它采纳。
你问豆包，它可能经常引用抖音、今日头条、手机搜狐网；问元宝，可能更容易抓到腾讯新闻、微信公众号、腾讯系内容；问千问，UC、阿里生态里的内容出现概率会更高；问DeepSeek，它没有自己的内容生态，引用结构又会呈现出另一种分布。
这件事表面上看，是不同AI的回答风格不一样，放到GEO里看，它指向一个更具体的问题：AI的答案背后，有一套信源选择机制。
想影响AI的回答，先要理解AI如何选择信源。
很多人做GEO时，会直接进入内容生产：写文章，发渠道，做排名，铺品牌词。
这个动作当然重要，但如果不知道目标AI偏好哪些信源，不知道它如何判断内容可信，也不知道不同问题触发的检索链路有什么差异，内容投放很容易变成碰运气，且效率低下。
GEO的关键工作之一，是把品牌信息变成AI愿意引用、容易抽取、能被交叉校验的证据。
1、AI为什么会有信源偏好
不同的AI平台的搜索结果，信源偏好其实挺明显的。
百度AI网页版里，百度生态内容占比很高，文库、百度知道、百度百科、百家号这些内容会进入更高概率的候选池。
豆包移动端里，抖音的占比很突出，已经接近 28%。腾讯元宝会明显偏向腾讯生态，千问也会呈现出阿里生态和UC内容的影响。
DeepSeek和Kimi没有自己的强内容生态，所以会更多依赖门户、媒体、第三方搜索能力和开放网页内容。
这背后有一个很朴素的原因：各家会优先使用自己更容易获取、更低成本、更可控的内容。
训练大模型需要大量高质量数据，检索增强也需要稳定的网页抓取能力。
自家生态的内容，在权限、成本、结构、更新速度和风控上都更好处理，于是，平台的内容生态会天然影响AI的候选信源。
自家生态只是第一层原因。
一条信息能不能进入AI的回答，要经过多个环节：模型内部知识、搜索触发、查询改写、候选信源池、排序目标、预算约束、证据判断、引用展示。
每个平台在这些环节上的策略都不同。
比如，查询改写会影响AI到底拿什么关键词去搜。
一个用户问“重庆配眼镜推荐”，AI可能会改写成“重庆配眼镜哪家好”“重庆眼镜店口碑”“重庆近视配镜品牌推荐”，不同改写算法会带来不同网页集合。
再比如，候选信源池质量与数量，在很大程度上取决于爬虫能力和页面可访问性，百度做了很多年搜索，爬虫和反爬对抗能力很强，部分新的AI平台可能依赖第三方搜索服务，候选信源质量会受供应商影响。
还有排序目标和预算，AI回答要消耗算力、上下文和响应时间，理论上，它可以抓取更多页面，做更复杂的比较，给出更稳的答案。
但在现实中，每一次回答都有成本，平台要在质量、速度、风险和预算之间取平衡。
信源偏好有一套复杂成因，数据来源、搜索能力、商业生态、算力预算、风控要求和模型判断，都会进入这套选择机制。
对做GEO的人来说，这个判断很关键。
问题要从“我要发什么内容”，延伸到“目标AI更容易在哪里发现这类内容”。
2、GEO优化的核心，是提高被引用概率
我们分享了一个很重要的引用公式
可以把AI引用内容的逻辑拆成几个要素：相关性、时效性、权威代理、可抽取性、多样性与产品适配，这些是加分项；风险、响应时间、抓取成本，这些是扣分项。
这个公式很适合用来理解和指导GEO的日常工作
1、相关性，决定你的页面和用户问题是否匹配
用户问“上海办公室装修公司推荐”，你的页面如果只写公司介绍，相关性就不够，更好的页面要直接回答办公室装修的预算、周期、材料、案例、避坑点和选择标准。
2、时效性，决定AI是否认为内容足够新
比如最新的数据集里，AI大量高引用标题包含 2026 这个时间特征，相比“最新”“近期”这种模糊词，明确年份更容易触发时效判断
部分场景还可以加入月份，比如“2026 年 7 月”
3、权威代理，主要指内容责任主体和域名权重
比如蓝V账号、企业官网、行业媒体、权威平台、长期稳定更新的账号，都会比临时小号更有信任优势
权威来自域名历史、账号主体、外链、引用、内容一致性和持续稳定的信息输出
4、可抽取性，决定AI能不能从页面里提取出清楚证据
很多企业官网内容写得很漂亮，但AI很难抽取。因为页面里全是口号，没有参数、流程、价格区间、对比表、服务范围、案例数据和FAQ
对AI来说，这类页面信息密度低，很难作为证据
5、多样性与产品适配，指内容是否符合AI产品的展示和回答需求
AI喜欢能快速回答用户决策问题的内容，比如榜单、指南、步骤、对比、评测、口碑、FAQ
因为这些内容结构天然适合被压缩成答案
6、风险、响应时间和抓取成本
这些是减分项，页面里有夸大宣传、违法广告词、虚假数据，会降低可信度
页面加载慢、代码复杂、信息藏在脚本里，也会增加抓取成本
多发文章只是其中一环，如果内容相关性低、证据密度低、页面难抓取、账号不可信，发得越多，浪费越大。
3、标题也是给AI的检索信号
过去很多人写标题，主要考虑人会不会点，GEO里的标题，还承担一个作用：告诉AI这篇内容适合回答什么问题。
我们发现，高引用标题，特征都很明显，比如往往会包含这类词汇或意图：年份、榜单、排行、推荐、选购、指南、步骤、对比、评测、口碑。
组合使用时，引用概率会更高。
比如一个普通标题是：“重庆配眼镜哪家好”
更适合GEO的标题可以写成：
“2026 年重庆配眼镜品牌推荐：价格、验光服务与镜片选择指南”
这个标题里同时包含了时间、地域、品类、推荐、价格、服务、选择指南，AI更容易判断它能回答用户的决策问题。
再比如建材配送行业，可以写：
“2026 年上海一站式建材配送怎么选：时效、品类、价格与工地履约对比”
这个标题的作用，是把用户会问的几个关键维度放进标题里：城市、服务类型、选择标准、履约场景。
标题长度也要控制，数据里表现较好的区间大概在 31 到 50 个字。太短，信号不够；太长，重点发散，引用表现也会下滑。
摘要同样重要。
很多页面标题下方会有一段摘要，或者文章首段会被AI抽取。
300 字以上的详细摘要，在数据里有更高引用表现，这个结论可以转化成一个写作动作：文章开头不要只写情绪化引入，要尽快给出问题定义、适用人群、判断标准和本文会回答的核心问题。
对GEO内容来说，开头的 100 到 300 字很重要。它要让AI一眼看出：这篇内容具体回答什么，适合哪个用户，依据哪些标准，能不能作为证据。
4、榜单可以做，但风险很高
榜单和排行类内容在AI引用里表现突出，但虚假排行风险很高。
这类内容为什么容易被AI引用？
因为用户经常用AI做决策，问题天然长这样：哪家好、怎么选、TOP 10、品牌推荐、口碑对比、避坑指南，榜单内容正好适合回答这类问题。
但榜单内容的风险也很大，核心原因在于容易变成虚假评测或不客观、不公正表达。
很多人写榜单时没有真实测评，没有数据来源，没有评价标准，只是把自己放在第一名，把竞品放在后面，再编一些夸张数字，这类内容短期可能能骗过部分系统，长期会损害品牌可信度。
更稳的做法是，把榜单做成有依据的评测和选择指南。
比如写眼镜店推荐，不要虚构“服务 5 万家客户”“行业第一”“唯一指定”，可以写清楚每家店的验光流程、镜片品牌、价格区间、售后政策、门店位置、适合人群、用户常见反馈，评价标准公开，事实来源明确，结论克制。
比如写建材配送推荐，也不要空泛写“全城最快”，可以写配送半径、可配送品类、常见到货时间、临时补料响应、工地签收流程、售后补货机制、企业客户案例。
AI的交叉校验能力会逐步增强，品牌在多个渠道反复发布虚假信息，未来有可能被模型识别为低可信主体。
GEO的长期资产，建立在真实、稳定、可验证的信息上。
5、官网要成为AI信源，需要三层建设
很多企业会问：既然AI会引用平台和媒体，我的官网还有没有价值？
答案很明确：官网仍然重要，而且会越来越重要。它是品牌事实的主阵地，也是其他渠道做交叉校验时最稳定的源头。
但官网想成为优质AI信源，需要系统建设。
第一层，是域名权重和可抓取性。
官网要有清晰的网站地图、合理的内链结构、稳定的页面加载速度、简洁可解析的HTML。
重要信息不要全部藏在图片、复杂脚本或交互组件里。外部行业媒体、平台账号、百科资料、新闻稿、合作方页面可以适当链接回官网，形成外链背书。
第二层，是内容网络。
官网要从“关于我们”“产品介绍”“联系我们”，扩展为系统内容库。
如果你是眼镜品牌，就要围绕验光、镜片、镜架、青少年近视、防控误区、价格区间、门店服务、售后政策、城市门店、品牌对比，建立一个完整内容库。
如果你做建材配送，就要围绕品类、城市、工地场景、临时补料、价格、交付、材料选择、供应链、案例，建立内容矩阵。
内容数量有价值，但更重要的是覆盖业务问题。一套覆盖完整用户问题的知识库，价值高于几百篇重复文章。
第三层，是页面证据密度。
每个页面都要能回答一个明确问题，并提供可抽取信息。
参数表、流程图、服务边界、价格区间、案例说明、对比维度、FAQ、来源说明，这些都是AI容易使用的证据结构。
官网优化的目标，是把品牌事实组织成AI能理解、能引用、能校验的知识资产。
6、投放策略要从“目标AI”开始
做GEO的第一步，先选目标，再做诊断
第一步，确定你最想影响哪些AI平台
豆包、DeepSeek、元宝、千问、Kimi、百度AI、腾讯搜一搜，不同行业和用户画像的优先级会不同。
C端消费、生活服务、本地决策，豆包可能很重要。
B端、技术类、专业类问题，DeepSeek或其他平台可能更值得测。
第二步，确定用户会问哪些问题
问题库要从品牌词扩展到品类词、场景词、地域词、对比词、价格词、口碑词、避坑词。
比如“重庆配眼镜推荐”“重庆配眼镜哪个品牌好”“青少年配镜怎么选”“蔡司镜片和依视路怎么选”。
第三步，采集目标问题下的AI引用结果，看它们引用了哪些域名、哪些标题、哪些内容形态
比如建材配送案例里，系统会找相邻行业样本，比如家装、门窗、材料采购、本地服务，再分析豆包、DeepSeek、元宝、千问的引用偏好。
第四步，反推出信源策略和内容策略
如果豆包偏向抖音、今日头条、住小帮、土巴兔，本地服务类内容就要优先覆盖这些平台
如果DeepSeek更分散，就要补门户、行业媒体、官网和高权重内容站。
第五步，生成不同渠道适配内容
同一篇内容不适合原样发到所有平台。抖音要适配短视频标题和脚本，今日头条适合图文指南，官网适合结构化知识页，行业媒体适合评测与案例稿。
第六步，监测结果，归因变化，再做定向投放
GEO需要持续运营，某个关键词排名下滑，要看是竞品上来了，信源变化了，平台算法波动了，还是自己的内容过期了。
监测、归因、补内容、补信源，这个循环要持续跑。
7、GEO会和广告、SEO、电商一起共存
最后有一个问题，很有意思：AI平台未来会不会走向类似百度竞价的模式？
我的思考是，更可能出现的是几种模式并行。
一类是GEO自然优化，品牌通过内容、信源和证据体系影响AI回答，它会长期存在，因为AI需要高质量外部证据。
一类是AI回答里的推荐广告，类似信息流或搜索广告，可能出现在答案后方或相关推荐区域。
一类是AI电商和任务闭环，比如用户在AI里问餐厅、机票、商品、外卖、服务，平台直接把交易入口嵌入回答结果。
GEO会和SEO、信息流、内容种草、私域、电商投放一起组成新的营销组合。
用户可能先在短视频看到品牌，再去AI里问“这个品牌怎么样”；也可能先在AI里得到推荐，再去搜索引擎、官网、小红书或电商平台校验。
品牌需要让不同渠道里的信息相互支撑，减少各说各话。
8、GEO的本质，是让AI更容易相信你
一套好的GEO方法论，应该是有数据、有公式、有渠道偏好、有页面结构、有标题策略、有内容体系、有监测归因。
如果用一句话概括：GEO是面向AI的证据工程
它要求品牌把自己的事实、案例、能力、评价、服务边界和行业知识，放到AI更容易抓取、更愿意引用、更方便校验的地方。
未来，用户会越来越多地把决策交给AI：买什么、去哪家、怎么选、哪家公司靠谱、哪个方案适合我。
AI的回答会影响品牌被看见的机会，也会影响用户对品牌的第一印象。
在这个变化里，企业要做的第一件事，是先建立一套可被AI理解的事实系统。
你在哪些平台有可信内容？
你的官网是否能被顺利抓取？
你的标题是否能命中用户真实问题？
你的文章里有没有参数、案例、流程、对比、FAQ和来源？
你的榜单和评测是否有真实依据？
你的内容是否能在多个信源之间互相校验？
这些问题回答得越清楚，品牌进入AI答案的概率就越高。
第三场GEO公开课的相关资料合集已做了一轮整理，看回放视频，可以访问视频号“通往AGI之路”的主页，找到回放。
一、数据仓库、工具与skill
1、geo-citation-lab
https://github.com/yaojingang/geo-citation-lab
2、《国内生成式AI引用生态全景报告》
https://doc.laoyao.cn/qty18p
3、GEOFlow
https://github.com/yaojingang/GEOFlow
4、yao-geo-skills
https://github.com/yaojingang/yao-geo-skills
5、《信源偏好分析报告》
https://doc.laoyao.cn/krgovd
6、国内AI引用偏好数据集（原始数据集来源于爱搜）
https://github.com/yaojingang/geo-citation-lab/tree/main/03-cn-geo-citation-dataset
7、海外AI引用偏好数据集
https://github.com/yaojingang/geo-citation-lab/tree/main/01-geo-experiment-data-report
8、GEO资源专题
https://www.tok123.cc/collections/geo-resources-and-services
二、相关文档
1.《GEO白皮书》
https://yaojingang.feishu.cn/docx/Jv85dXAeZoKJ7exJi4Yc4Edrnhf
2.《GEO红皮书》
https://yaojingang.feishu.cn/wiki/Otqtw0HFbiNeCMkjKalcFkoJnpf
3.《GEO蓝皮书》
https://yaojingang.feishu.cn/wiki/MwkiwPDqCiHGwVk2uOtcNUlrnnf
4.《GEO到底是什么》
https://mp.weixin.qq.com/s/GXuu0Hku-j-8ona5yzQSvA
5.《从SEO到GEO，从流量到Agent，真正的变化才刚刚开始》
https://mp.weixin.qq.com/s/2P_zSjJkybl-rAyZjMIQAw
6.《从AI搜索逻辑到GEOFlow落地实战》
https://mp.weixin.qq.com/s/8Lyrzux7WacHjiHx_P9Fbg
7.《一文讲透GEO内容工程：目标、要素、关系与反馈》
https://mp.weixin.qq.com/s/0ZZ5je2-W83HY7RtmsYkJA