信源学院
从「大模型如何选信源」到「内容怎么写才被引用」，这里用平实的语言，把 GEO 讲明白。
置顶 · 方法论
改了官网，AI 嘴里的旧信息怎么换掉
公司搬了地址、换了电话、产品线调整，AI 还在说旧信息。这不是幻觉问题，是旧信源还散落在全网。给出清理顺序和预期时间。
阅读全文 →
方法论
引用率 30% 这个数字，到底怎么读
检测工具给出的引用率不是考试分数。讲清楚它的统计口径、样本构成和波动来源，以及怎么用它指导动作而不是制造焦虑。
方法论
AI 把你的信息说错了，怎么纠回来
产品参数说错、资质张冠李戴、价格引用过期信息——纠错的完整流程：定位错误信源、替换证据、官方渠道反馈，附验证方法。
方法论
小品牌没名气，GEO 从哪一步开始
没有品牌词、没有搜索量，是大多数中小企业的起点。别从品牌词入手，从长尾问句和场景词切入，这篇给出具体的选题方法。
方法论
批量灌了 500 篇文章，为什么一篇都没被引
内容农场式批量生产在 AI 引用这条路上彻底失效。讲清楚模型筛选信源的逻辑，以及为什么"人写的一篇"能打过"工具写的一百篇"。
方法论
百度都搜不到你，就别指望豆包了
国内主流 AI 产品的检索层与搜索引擎深度绑定。收录是 AI 可见性的前置条件，这篇讲收录自查和加速的实操。
方法论
robots.txt 和 llms.txt：写给 AI 看的两个文件
一个管"能不能抓"，一个管"该怎么用"。两个文件加起来不到五十行，却是很多官网 AI 可见性的最大短板。
方法论
十分钟给官网加上 JSON-LD，抄这段就够用
不需要懂开发。一个 script 标签、三段模板（Organization / FAQPage / Product），复制、替换、粘贴到首页源码就完成。
方法论
官网信源 8 项硬标准，一条条告诉你怎么过
HTTPS、备案、llms.txt、ai.txt、robots 放行、sitemap、结构化数据、服务端渲染——8 项标准逐项给出自查方法和修复办法，全部免费。
方法论
FAQ 写成什么样，大模型会整段抄
常见问题是 AI 引用率最高的内容形态，但大多数企业官网的 FAQ 写成了客服话术。问题怎么问、答案怎么开头、多长合适，都有讲究。