公开证据账本

核心声明

1. GEO 是 Generative Engine Optimization，中文可以叫生成式搜索优化。原文位置
2. 它的目标不是替代 SEO，而是让内容更容易被 AI 搜索系统理解、组织、引用和推荐。原文位置
3. 一个 GEO 友好的页面通常有清晰定义、可信证据、结构化步骤、FAQ、实体信息和可抓取技术基础。原文位置

参考来源

• GEO: Generative Engine OptimizationarXiv
• AI features and your websiteGoogle Search Central

核心声明

1. SEO 主要优化网页在搜索结果中的可见性，GEO 主要优化内容在 AI 答案中的可理解性和引用机会。原文位置
2. 二者不是对立关系：没有基础 SEO，GEO 很难稳定生效；没有 GEO 思维，内容可能只适合被点击，不适合被回答系统采用。原文位置
3. 做 GEO 时要从关键词表转向问题库、实体库、证据库和答案结构。原文位置

参考来源

• Google Search EssentialsGoogle Search Central
• GEO: Generative Engine OptimizationarXiv

核心声明

1. GEO 问题研究的单位不是单个关键词，而是包含对象、动作、场景和判断条件的完整用户问题。原文位置
2. 研究结果应该沉淀成问题库、意图层级、实体清单和页面类型，而不是只生成一份标题列表。原文位置
3. 好的问题研究能帮助你决定写什么、先写哪一页、哪些问题应该合并，以及哪些问题需要实验验证。原文位置

参考来源

• Creating helpful, reliable, people-first contentGoogle Search Central
• Search quality evaluator guidelinesGoogle

核心声明

1. AI 友好页面的核心是让答案、证据和边界足够清楚。原文位置
2. 推荐结构是：先给直接答案，再补定义、步骤、对比、示例、FAQ、来源和检查清单。原文位置
3. 页面不要只追求长，而要让每个段落都能回答一个明确问题。原文位置

参考来源

• Creating helpful, reliable, people-first contentGoogle Search Central
• AI features and your websiteGoogle Search Central

核心声明

1. GEO 内容的可信度不来自链接数量，而来自结论和证据之间是否匹配、来源是否可追溯、范围是否说清楚。原文位置
2. 规则类结论优先引用官方文档，效果类结论需要研究、数据或实验，经验类结论要标明样本和条件。原文位置
3. 深度教程应该建立证据地图：每个重要判断都有来源、证据类型、适用范围和最近验证时间。原文位置

参考来源

• Search quality evaluator guidelinesGoogle
• How to write a literature reviewUNC Writing Center

核心声明

1. GEO 主题集群不是把一堆关键词塞进栏目，而是围绕一个核心问题建立可解释的知识网络。原文位置
2. 一个好的主题集群通常包含支柱页、定义页、实操教程、对比页、案例页、模板页和实验记录。原文位置
3. 主题集群的目标是让用户和 AI 搜索系统都能判断：这个网站在某个细分主题上持续、系统、可验证。原文位置

参考来源

• SEO Starter GuideGoogle Search Central
• Links best practicesGoogle Search Central

核心声明

1. 产品页 GEO 的核心不是把产品形容得更厉害，而是让 AI 准确判断产品是什么、适合谁、解决什么问题、和什么替代方案不同。原文位置
2. 一个可引用的产品页需要同时表达产品实体、用户场景、功能边界、证据、实施成本和常见疑问。原文位置
3. 产品页最好能独立回答‘这是什么、适合谁、为什么选它、怎么开始、有什么限制’这五类问题。原文位置

参考来源

• Product structured dataGoogle Search Central
• Product schemaSchema.org

核心声明

1. robots.txt、sitemap 和 llms.txt 解决的是不同问题：能不能抓、怎么发现、如何快速理解。原文位置
2. SEO 必须先保证页面可抓取、可索引、canonical 正确、sitemap 完整。原文位置
3. llms.txt 更适合作为 AI agent 的站点导览，不能代替内容质量和搜索索引基础。原文位置

参考来源

• Robots Exclusion Protocol (RFC 9309)IETF
• Build and submit a sitemapGoogle Search Central
• llms.txt proposalllmstxt.org

核心声明

1. 结构化数据不是用来把普通页面变成高排名页面，而是用标准词汇表达页面是什么、属于谁、和哪些页面相关。原文位置
2. 教程站最常用的类型包括 Organization、WebSite、BreadcrumbList、Article、LearningResource 和 DefinedTermSet。原文位置
3. 结构化数据必须和页面可见内容一致；不能在 JSON-LD 里声明正文没有出现的评分、价格、作者或 FAQ。原文位置

参考来源

• Understand how structured data worksGoogle Search Central
• LearningResourceSchema.org

核心声明

1. ZenLeak 如果用 zenleak.cn 作为主域名，最重要的是把所有公开入口统一到 https://zenleak.cn。原文位置
2. 系统层要同时处理 DNS、HTTPS、www 301 跳转、canonical、sitemap、robots、缓存和安全响应头。原文位置
3. GEO 不是只多放一个 llms.txt，而是让搜索引擎、AI agent 和真实读者看到同一套稳定、可读、可验证的站点结构。原文位置

参考来源

• Canonical URLsGoogle Search Central
• Sitemap integrationAstro

核心声明

1. 本案例以 ZenLeak GEO 学院首页为示例，演示教程站如何同时服务普通读者、搜索系统和 AI agent。原文位置
2. 核心改造不是增加一句宣传语，而是把品牌定义、学习路径、核心教程、主题集群、机器可读入口和实验室连接起来。原文位置
3. 本文是架构示例，不声称已经产生某个平台的固定排名或引用结果；上线后的表现需要按实验方法单独复测。原文位置

参考来源

• ZenLeak GEO 方法论ZenLeak 编辑部
• SEO Starter GuideGoogle Search Central
• AI features and your websiteGoogle Search Central

核心声明

1. AI 引用测试是用一组固定问题，定期记录品牌是否被提及、页面是否被引用、答案是否准确以及结果是否稳定。原文位置
2. 测试结果不能简单等同于排名，也不能用一次回答证明某个页面一定被系统收录或信任。原文位置
3. 真正有价值的实验需要固定问题、平台、日期、页面版本和判定标准，然后比较改造前后的变化。原文位置

参考来源

• ZenLeak GEO 方法论ZenLeak 编辑部
• GEO: Generative Engine OptimizationarXiv
• Evaluation best practicesOpenAI