GEO
研究生成式引擎如何识别、召回、引用和推荐个人、品牌、产品及知识内容。
查看主题GEO 研究与实验
GEO 研究与实验记录
王涛（Taomir）围绕生成式引擎优化、AI 检索、Benchmark、采样与 Agent 工作流进行的公开研究。这里连接研究主题、文章与可公开复核的实验记录。
研究方法
研究方法遵循三步，顺序不可颠倒。
- 判断——先定义问题，再选方法。多数 GEO 工作失败在问题没定义清楚，而不是方法不够多。
- 表达——写下来、开源出去，判断才可被检验。不能被检验的只是偏好。
- 建造——观点要落到能运行、能复查、能交付的系统里才算数。
研究主题
每个主题页说明研究边界、核心问题和后续文章入口，正文不依赖 JavaScript 才能读取。
实用工具
客户在百度会搜什么关键词：输入你的行业或产品，看客户从了解、比较到购买一般会怎么搜；结果为候选词，需要再验证。
公开文章
文章归档用于发布完整观点、方法说明和研究复盘。每篇文章将拥有独立 URL、明确作者、发布日期、引用来源和适用边界。
重点研究文章
- 豆包 AI 检索与召回机制研究：从检索通道角度理解豆包回答中的信息来源。
- GEO 信息获取全链路：研究生成式引擎从信息获取到答案生成的完整过程。
将研究方法用于企业决策：AI 品牌认知诊断与 GEO 顾问服务，为内部团队提供方向、评审与阶段复测。