怎么做"白帽 GEO"：一套能被检验的机制该长什么样

央视 3·15 晚会曝光了一批 GEO 服务商：承诺"排名做到前三位"，持续大量投喂推广软文，甚至用系统自动生成、自动发布虚构产品的评测。记者虚构了一款智能手环，发了 11 篇软文，三天后就有两个 AI 大模型把它推荐给了用户。（据央视财经报道）

从那以后，"GEO"这个词在很多人眼里约等于"给 AI 投毒"。

但 AI 搜索确实在变成用户获取信息的主路径，品牌不可能不做这件事。所以真正的问题不是"做不做 GEO"，而是怎么区分正当优化和违规操纵。

2026 年 8 月 12 日，《生成式引擎优化（GEO）可信信息传播与信息生态治理规范》（T/CAPT 026—2026）正式实施。这是国内首部 GEO 可信传播的团体标准，由新华网融媒体未来研究院、新华社国家重点实验室、多家省级日报社与复旦大学等 30 余家机构共同起草。

它做了一件事：首次划出"白帽 GEO"与"黑帽 GEO"的界限，并明确禁止"语料投毒""答案霸权""伪共识制造"等行为。

这篇文章想讨论一个更具体的问题：如果要做白帽 GEO，技术上应该长什么样？

一、"白帽"和"黑帽"的分界在哪

很多人以为分界是"优化手段激不激进"。其实不是。

黑帽 GEO 的问题不是"承诺得太多"，而是它承诺并对接了无法被验证的东西：

- 没有依据 —— 内容是批量生成的，说不出基于什么事实 - 没有来源 —— 引用的是编造的"专家测评""行业排名" - 没有留痕 —— 出了问题查不到是谁在什么时候发的 - 没有可承诺的边界 —— 承诺"保证第几"，而 AI 回答是实时生成的，这个承诺本身就是假的

所以分界其实是：你发布的东西，别人能不能验。

顺着这个标准，一套白帽 GEO 机制至少要做到四件事：内容有依据、结果可核验、过程可追溯、AI 参与如实标识。

下面拆开讲。

二、机制一：内容要有依据，而且依据要能看见

黑帽做法的典型是"AI 批量生成"—— 输入品牌名，输出十篇软文。问题不在用了 AI，而在内容里的事实是凭空来的。

白帽做法要反过来：生成之前先把"能用的真实材料"准备好，生成时逐条引用，并让用户看到用了什么。

具体来说，一篇文章的生成依据应该包括：

关键在于：详情页要逐条列出"本篇用了哪些依据"，没用到的明确标注。

这个设计的价值不是"显得专业"，而是把内容从"不可验证的宣称"变成"可追溯的产物"。客户拿到一篇文章，可以问"这句数据哪来的"—— 有答案，和有依据，是两件事。

三、机制二：评分要可复算，权重不能是黑箱

第二个容易出问题的地方是"质量评估"。

市面上不少工具会给内容打分，但分数怎么来的不告诉你。结果就是：服务商说"你的内容质量不行"，客户无法追问"哪一项不行、为什么不行"。

白帽做法是把评分拆开：

内容维度：引文密度、来源标注、数据密度、内容结构、问答区块、权威度、语义对齐、域名权威、新鲜度、答案前置 —— 十个维度，每项权重公开。

信源维度：权威性、真实性、相关性、情感、覆盖度、时效性六项。

权重公开之后会发生一件事：评分从"结论"变成"可讨论的对象"。 客户可以问"我这项为什么低"，也可以自己验证"按这个权重算，确实应该是这个分"。

反过来说，如果一个服务商的评分不能复算，那这个分数就只能"信则灵"。

四、机制三：改写要有否决机制

第三个细节，很多人没注意。

"AI 改写"现在很常见，但常见的问题是：改写是无条件的—— 不管你改成什么样，都会覆盖原稿。结果可能是越改越水，而用户不知道。

合理的做法是加一道闸：针对薄弱维度改写，改完重新评分，只在分数确实提升时采用；没有提升就保留原稿，并明确告知"本次未采用"。

这个设计看起来很小，但它决定了"AI 参与"是帮你做加法，还是替你做决定。

五、机制四：AI 参与要如实标识（强制项）

这一条不是"可选项"。

《人工智能生成合成内容标识办法》及配套强制性国标已于 2025 年 9 月 1 日施行 —— AI 生成或合成的内容必须做显式或隐式标识。2026 年各平台的整治重点之一，正是"标识落实不到位"。

落到工程与发布环节：

为什么把这条算进白帽：黑帽的整个逻辑建立在"让人不知道这是广告"上 —— 报道里那位服务商的原话就是"人家不知道这是广告"。

标识，是白帽与黑帽在动机层面的分水岭。 愿意标，说明不怕被认出来。

> 工程上值得注意：如果一个内容系统做不到"生成/改写状态可标记、可导出到发布环节"，那它在合规上是残缺的。

六、一个真实数据：问法决定生死

机制讲完了，说个具体案例。

我们服务的一位西安律师（已获客户授权，个人信息脱敏），从 2026 年 7 月 23 日到 9 月 19 日，用 280 个真实问题、在 13 个中文 AI 平台上跑了 4151 次实测。

> 案例期覆盖：DeepSeek · 豆包 · Kimi · 通义千问 · 元宝 · 智谱清言 · 知乎直答 · 秘塔AI · 360AI · 百度AI · 百小应 · 讯飞星火 · 海螺AI > （当前系统实时监控 11 个，天工AI 维护中）

整体结果是：AI 提到他 1349 次，提及率 32.5%。

但拆开看更有意思：

同一个律师，换个问法，从 90.9% 掉到 0%。

原因不复杂：AI 不是在"推荐律师"，它在回答一个具体问题。问"西安刑事辩护律师推荐"，这是服务商推荐类问题，AI 倾向于给出名单；问"个人律师和大律所的区别"，这是知识型问题，AI 去讲道理了，跟"某个具体律师是谁"没关系。

这个数据说明的事情比它看起来重要：GEO 不是排名游戏，是问答匹配。 而这也解释了为什么"投喂一堆软文"常常没用：软文解决不了"你的内容对不对得上用户的问法"这个问题。

七、怎么辨别一个 GEO 服务商

如果你正在评估服务商，无论找谁，可以问四个问题：

1. "你们怎么决定写什么？"

答案如果是"我们写爆款""我们 AI 批量生成"，那是上一代的做法。

好一点的答案应该包含：先看你品牌在 AI 里现在是什么样、在哪类问题上有缺口，再决定写什么。

2. "内容发出去之前，怎么保证质量？"

如果只有"我们会人工审"，可以追问具体的评分标准是什么、权重是多少。说不清的，就是没有标准。

3. "效果怎么衡量？"

要能说出：在哪些 AI 平台、用哪些问题测、测多少次、看什么指标。 连样本量都说不出的，数据大概率是估的。

4. "你们会替我发布吗？"

这一条现在很重要。2026 年 5 月，网易号发布规则明确禁止"制作、出售、传播'全自动创作''AI批量发文'的教程、软件、接口或代运营服务"，违反者可永久封禁。搜狐号 9 月的清朗公告也点名处置了"利用 AI 批量生成营销推广内容"的账号。

换句话说，帮你"自动批量发"的服务，本身就是高风险项。

八、最后

回到最开始的问题：AI 搜索要不要做？

要做。它正在变成用户找信息的默认路径，绕不开。

但 3·15 之后，这个行业确实需要一次自我校准。而校准的标尺其实很简单：

你做的事情，能不能被查。

内容有依据、评分能复算、改写有否决、标识不含糊。这些都不算什么黑科技，都是工程上能做到的事。区别只在于：做不做。

关于我们

知寻智能（知寻 GEO）是陕西知寻智能科技有限公司旗下的品牌 AI 可见度引擎，监测品牌在 11 个中文 AI 平台回答中的引用与推荐，并提供内容与信源层面的优化交付。

我们不做语料投喂，不以排名为交付指标，不替客户发布内容。

本文数据来自知寻智能的 AI 可见度监测系统（项目实测，样本 4151 条 / 周期 2026-07-23 至 2026-09-19 / 案例期覆盖 13 个中文 AI 平台）。实际效果因行业、内容基础与问题类型而异。T/CAPT 026—2026 标准信息引自公开报道（中国新闻技术工作者联合会、新华网、广西日报等）。