一个判断已经在我（王涛）这里成形：经典RAG只是生成式引擎信息获取链路的中间一小截，GEO真正的研究对象要整体上移。这个判断的源头是2026年8月我与GPT的一次长对话，其中引用了Anthropic关于Context Engineering的讨论、TREC 2025对RAG评测方向的调整，以及一篇长上下文对比文献——原始文献我并未逐篇核验。但收敛出的结论，比任何单篇论文都更清楚。

一、最像RAG的地方，恰恰不是RAG

我们默认的GEO机制是：网页被向量化，与用户问题算相似度，分数高的被召回，然后被推荐。这个模型曾经够用，但前沿系统早已不是这样工作。

真实链路是：复杂问题→推理→查询规划→多轮搜索→打开网页/PDF→提炼内容→发现不足→再次搜索→跨来源验证→组织上下文→生成答案。这条链路里，只有中间一小段叫传统RAG。

所以，我对自己研究对象的表述是：生成式引擎的信息获取与引用选择机制（Information Acquisition and Evidence Selection），也就是GEO的上游。从用户问题开始，到AI决定引用谁为止：意图如何被理解、是否触发搜索、查询如何改写与拆解、搜索哪些来源、哪些页面进入候选、哪些内容最终放进上下文、哪些说法被采纳、为什么推荐A而不推荐B——每一环都值得追问。这远比研究某次检索的排序公式更接近GEO的本质。

二、结论：传统检索连四星都拿不满，上游五项全是五星

这次整理给了明确的价值评级。

BM25与Embedding，理解机制即可，三星；Chunk切分与Metadata，能判断失败原因即可，三星；RRF与Rerank，理解位置和边界即可，三星；向量数据库调参，不必深挖，一星。传统检索环节作为研究对象，已经触及天花板。

真正被列为五星、值得深入投入的是：查询规划与改写（Query Planning/Rewrite）、代理式搜索与深度研究（Agentic Search/Deep Research）、上下文工程（Context Engineering）、引用锚定与信源溯源（Grounding/Citation）、检索评估（Retrieval Evaluation）。比五星还高一级的是黑盒采样与归因，六星，最高优先级。

后一条我尤其看重：我一直在用自建的多平台AI采样器，配固定50题的GEO Benchmark，对主流AI平台做黑盒归因。黑盒采样与归因被划为最高优先级，等于是从侧面确认了我正在走的这条路，而不是偏门。

一句话结论：把RRF公式研究得再深，边际收益也已经很低；模型变强、上下文边长不会杀死检索——实时信息、私有数据、可引用来源永远需要外部获取——但把GEO等同于“向量化→相似度→召回→推荐”，已经严重跟不上真实复杂度。GEO要追的是AI如何获取、筛选、组织、使用外部信息，而不是检索管线里的某一个环节。

三、边界：这是方向排序，不是效果报告

这套判断来自对话式整理，而非可重复的对照实验；外部原始文献未逐篇核验，所以置信度是中等，状态是未经第三方评审。它回答的是“研究优先级”问题，不回答具体技术参数：没有给出“查询改写能让引用率提升百分之几”这类数字，也没有对长上下文与检索的关系做过消融实验。要调优某个RAG环节，它给不了答案；要决定研究力量往哪里投，它的排序足够清楚。

四、这改变了什么：GEO不是“多发文章”，是看懂AI的选择

最大的改变，是对GEO定义本身的修正。GEO很容易被误读成“新SEO”或“多发内容”，但机制层面的真相是：AI系统在获取、筛选、组织、使用的全链路里决定推荐谁。一个品牌能不能被引用，取决于这一整条链路的选择机制，而不是内容数量。

落到我自己的工作，改变分两个方向。一是削减：向量库调参、RRF这类工具我会用，但不再深研，理解边界即可。二是加码：把研究时间投向查询规划、代理式搜索、上下文工程、引用溯源和检索评估。我现在做的事对得上这套判断：多平台AI采样器跑固定50题，做AI品牌可见度报告，本质就是黑盒采样与归因的实践；TaoHtml是另一个落点——它处理的是“哪些页面能进入候选”之前的那一步，AI如何读取与理解网页。

GEO的下一个主战场，不在向量库，而在AI从问题到引用的全程选择机制里。谁先理解这条链路，谁才真正在做GEO。

—— 王涛（Taomir）