真正理解awesome-generative-engine-optimization,要从它处理的任务开始:生成式引擎优化 (GEO) 资源的精选指南:用于提高 AI- 支持的搜索引擎可见性的指南、工具和研究。这类网页与浏览器自动化工具真正难在登录状态、页面变化和失败恢复往往不稳定,仓库说明只能作为第一层证据。试跑可以从选择一个权限清楚的网页流程做端到端短测开始,并把会话保持、元素定位、错误恢复和工件留存写进验收记录。整体来看,它适合需要可观测网页自动化流程的开发者拿来做对照测试,最终决定仍应回到真实结果和维护状态。
很棒的生成引擎优化 (GEO)
用于优化 AI- 支持的搜索引擎中内容可见性的精选资源列表(ChatGPT、Perplexity、Google AI 概述、Claude 等)
也称为:AI 搜索优化 (AISO)、答案引擎优化 (AEO)、大型语言模型优化 (LLMO)、生成式 AI 优化、AI SEO、LLM SEO
内容
指南和教程
开始使用
特定于平台的优化
Google AI 概述
ChatGPT 搜索 / SearchGPT
困惑
技术实施
案例研究
记录的故事
工具和软件
专用 GEO 平台
用于 AI 搜索优化、坚控和品牌知名度的专用平台:
具有 GEO 功能的企业 SEO 平台
主要添加AI搜索优化功能的SEO平台:
公用事业和发电机
开源数据/评估
llms.txt 发电机
研究与论文
基础研究
知识冲突与检索
对抗性与安全研究
技术文档
llms.txt 协议
规格和指南
收养和目录
AI 爬虫
结构化数据
代理商业及购物
开放协议和平台使 AI 代理能够代表用户促进发现、购买和结帐。
Google 通用商务协议 (UCP)
UCP 是与 Shopify 共同开发的开源协议,并获得 PayPal、Stripe、Visa、Mastercard、Walmart、Target、Etsy 和 Wayfair 等 20 多个合作伙伴的认可。它使 AI 代理能够处理跨商家的产品发现、浏览和结帐。兼容A2A(Agent2Agent)、AP2(代理支付协议)和MCP(模型上下文协议)。
OpenAI 代理商务协议
OpenAI 的代理商务协议与 Stripe 合作构建,支持 ChatGPT 中的即时结帐。于 2025 年 9 月面向 US 中的 Plus、Pro 和免费用户推出。合作伙伴包括 Etsy、Shopify、沃尔玛和 Target。产品结果是有机的且无赞助的。商家在完成购买后支付少量费用。
行业分析
McKinsey 预计到 2030 年代理商务将达到 3-5 万亿美元。主要参与者:Google (UCP)、OpenAI(代理商务协议)、微软(Copilot Checkout)。 2026年是消费者采用AI代购的关键一年。
坚控与分析
测量指南
时事通讯和博客
时事通讯
关注的博客
视频和播客
YouTube 频道和视频
播客
社区和论坛
GEO-特定社区
用于构建 AI 可见性的平台
这些平台经常被 AI 引擎引用 - 在这里建立存在可以改善 GEO:
会议与活动
行业分析
市场研究与数据
GEO 服务商
专业GEO机构
提供专门的生成引擎优化服务的机构:
机构目录和评论
相关资源
其他很棒的清单
脚注
GEO是什么
生成引擎优化 (GEO) 是优化内容以提高 AI- 支持的搜索引擎中的可见性和引用的实践。与传统的 SEO 专注于在搜索引擎结果页面中排名(SERPs)不同,GEO 的目标是在大型语言模型(LLMs)生成响应时引用、引用和推荐内容。
为什么 GEO 很重要
AI 搜索呈指数级增长 - AI 现在占跟踪搜索的 52%(2025 年 2 月),高于 2025 年 1 月的 6.49%。ChatGPT 控制约 4.33% 的搜索流量,接收的唯一域增长了 300% 2024 年的 AI 流量。市场转变预测表明,到 2026 年,传统搜索引擎的流量将下降 25%,到 2028 年将下降 50%,预计到 2027 年底,LLM 流量将超过 Google 搜索。
新的用户行为显示,用户向 ChatGPT 写入 23 个单词的提示(传统搜索中需要 4.2 个单词),寻求全面的答案而不是链接。 AI 引擎直接提供综合信息,使得引用包含对于可见性至关重要。除了 Google 之外,用户现在还可以通过 ChatGPT、Claude、Gemini、Perplexity 和其他 AI 助手进行搜索。
GEO 关键概念
引用和归属 - 在 AI- 生成的回复中将品牌和内容引用为来源。
实体优化 - 加强品牌形象,使其成为网络上公认的实体。
E-E-A-T(经验、专业知识、权威性、可信度) - 影响 AI 建议的质量信号。虽然 E-E-A-T 对于传统的 SEO 很重要,但对于 GEO 来说更为重要,因为 LLMs 优先引用权威来源以保持准确性。理论上,AI 引擎在选择在响应中引用的内容时,会寻找明确的作者凭据、发布日期、对主要来源的引用以及多个受信任站点的佐证。
多模态优化 - 使用检索增强生成 (RAG) 和多模态嵌入来优化文本、图像、视频和音频。 Google Lens 每月处理 200 亿次视觉搜索,使得视觉内容优化变得越来越重要。
llms.txt - 用于与 LLM 爬虫通信的建议标准文件(如 robots.txt)。虽然尚未得到普遍采用,但 Stripe、Zapier 和 Cloudflare 等公司已经实施了它。注:截至 2025 年,尚无 AI 平台正式承诺使用 llms.txt,但采用率正在增长。
多平台优化 - 针对不同AI引擎独特的算法和引用风格进行优化。
混合 SEO-GEO 策略 - 将传统的 SEO 与 GEO 技术相集成,以最大限度地提高传统搜索引擎和 AI- 支持的平台的影响力。
GEO 与传统 SEO
虽然 GEO 与 SEO 具有相同的基础(优质内容、技术优化、权威建设),但它在关键方面有所不同。优化目标是 LLM 训练数据和检索系统与传统搜索算法的比较。成功指标侧重于引用频率和品牌提及与排名和点击。内容策略强调全面、权威的信息,而不是针对关键词的页面。技术要求包括 LLM 理解的结构化数据与单独的可爬行性。