上个月还在跑的工具，这个月突然不灵了。
7月开始，国内主流AI平台（豆包、千问、文心、元宝）集体收紧了内容引用规则。具体表现是：之前能被AI引用的推广类文章，现在大面积失效；之前靠量铺的内容策略，引用率断崖式下跌。不是某一个平台的问题，是所有平台同时动的。
我实际在做5个品牌的GEO（生成式引擎优化），每天跟这些AI平台打交道。规则变了之后，我花了两周时间重新测试、重新理解这件事。把结论记在这里。
旧打法为什么失效了
之前GEO的核心逻辑很简单：AI平台在回答用户问题时，会从互联网上抓取内容作为参考。你只需要让AI"找到"你的内容，并且内容里包含用户可能问的关键词，就有机会被引用。
所以之前的打法是：
- 大量铺设含关键词的文章
- 标题直接命中用户搜索意图
- 内容里反复出现品牌名和产品词
- 多平台分发，增加被AI爬到的概率
这套打法在5-6月确实有效。但7月规则收紧后，AI平台明显加了以下几层过滤：
- 营销意图检测：内容如果明显是推广文（品牌出现频率过高、缺乏客观信息），直接不引用
- 信息密度要求：纯观点输出没有数据支撑的内容，权重降低
- 来源可信度：AI更倾向引用有明确作者、有专业背景、有持续更新的内容源
- 内容时效性：过时信息（比如去年的价格、已下架的产品）不再被引用
一句话总结：AI从"找到相关内容就引用"变成了"判断这个内容是否值得信任再决定引不引用"。
我重新理解GEO的三个转变
1. 从"关键词覆盖"到"问题回答"
之前我在文章里堆关键词，现在AI要的是：这篇文章是否真正回答了一个具体问题。
区别在哪？举个例子：
- 旧思路：标题写"304不锈钢管价格_304不锈钢管厂家_304不锈钢管规格"——这是关键词堆砌
- 新思路：标题写"304不锈钢管壁厚怎么选？承压场景和装饰场景的区别"——这是回答一个具体问题
AI在回答用户时，需要的是"这个来源对这个问题给出了明确答案"，而不是"这个页面包含了很多相关词"。
2. 从"铺量"到"建权威"
之前一天发7篇，覆盖尽可能多的关键词。现在AI看的是：这个内容源是不是持续在输出、是不是有专业积累、是不是一个"活"的知识源。
这意味着：10篇高质量的深度内容 > 100篇浅层的关键词文。
我现在的做法是给每个品牌建一个结构化的知识库（事实层、规则层、问题层），AI生成内容时从知识库里取事实，而不是凭空编。这样输出的内容有真实数据支撑，AI更愿意引用。
3. 从"让AI找到我"到"让AI信任我"
这是最核心的转变。之前GEO的技术层面是：确保AI能爬到你的内容（robots.txt、sitemap、结构化数据）。现在技术层面只是基础，真正的竞争力是内容的可信度。
AI判断可信度的信号（我测试下来的观察）：
- 内容是否有具体数据（不是"质量好"，而是"抗拉强度≥520MPa"）
- 是否有明确的局限性说明（不是"我们最好"，而是"这个方案适合XX场景，不适合YY场景"）
- 作者/来源是否有持续的专业输出记录
- 内容是否与其他可信来源一致（不矛盾）
技术层面还能做什么
虽然规则变了，但技术基建仍然重要。以下是我目前在做的：
- 结构化数据：给文章加Schema.org标记（Article、FAQ、HowTo），让AI更容易解析内容结构
- llms.txt：在网站根目录放一个llms.txt文件，告诉AI爬虫这个站的核心内容是什么、哪些页面最重要
- API化知识：把知识库做成API接口，让AI Agent可以直接调用结构化数据，而不是从HTML里解析
- 内容更新频率：保持每周至少1-2篇更新，让AI认为这是一个活跃的信息源
- 多平台一致性：同一事实在不同平台的表述保持一致，避免AI交叉验证时发现矛盾
写在最后
GEO这件事，本质上从"技术套利"变成了"内容质量竞争"。之前能靠技巧吃到的红利，现在需要靠真正有价值的内容才能持续。
对我来说，这反而是好事——因为纯靠技巧的东西，门槛太低，谁都能做。但真正有深度的内容积累，是有壁垒的。
AI搜索不会消失，只会越来越重要。但游戏规则变了：不再是"谁铺得多谁赢"，而是"谁的内容更值得信任谁赢"。