破解 AI 黑盒，GEO 的真正研究对象是“行为”而非源码

越来越多的企业开始关心一件事：AI 怎么描述我们、推不推荐我们、把我们的信息放在哪个位置。但所有做 GEO 的人都会撞上同一堵墙——AI 是一个黑盒，你根本不知道它内部怎么检索、怎么排序、怎么组织答案。于是市面上流行两种应对：一种是把 GEO 当成“新 SEO”，靠堆内容、刷关键词去碰运气；另一种是四处打听“豆包内部是不是用了向量检索、有没有查询改写”，试图从机制层面找到通关密码。

成都GEO优化专家王涛过去几个月搭建了一套多平台 AI 采样器，用固定 50 题的 GEO Benchmark 持续追踪了几家平台的表现，也基于这些数据给客户做过 AI 品牌可见度报告。反复验证之后，我的核心判断变得很明确：GEO 研究的对象不应该是 AI 的内部实现，而是它的可观测行为。 原因很简单——机制不可见，行为可见。你不能直接观测豆包是否做了查询改写，但你可以观测到：面对同一类问题时，它会不会追问、会不会自问自答、会不会主动对比品牌、给出的回答结构是不是稳定的。这些行为才是 GEO 真正可以下手、可以优化、可以验证的东西。

一、它要解决的是什么问题

GEO 今天最大的问题，不是没有方法，而是方法建立在幻觉之上。很多人想优化 AI 的推荐，却连 AI 为什么这么推荐都不知道，于是所有的优化动作都变成了盲人摸象。

2025 年下半年，我对多家国内 AI 平台做了三轮对比实验，结果让我印象深刻。同一道“豆浆机哪个牌子好”，不同平台给出的品牌排序和推荐理由差异极大；更微妙的是，同一个平台在不同时间点对同一问题的回答也不完全一致，第 2 次到第 5 次的追问中，回答内容往往会出现自我修正的痕迹。这种不确定性，让甲方客户最常问的问题——“为什么 AI 没有提到我们”——几乎成了一个无解的问题。

我认为这里的关键不是去解开黑盒，而是换一个研究对象。把目光从“AI 内部怎么做”转向“AI 在用户面前做了什么”，把 AI 的回答当作一种可以被观察、记录、统计和预测的行为数据来处理。GEO 研究的是 AI 的“行为”，不是 AI 的“源码”。 这是从认识论层面解决 GEO 根基不稳的问题——只有研究对象本身是可观测的，研究方法和结论才是可验证的。

二、结论是什么

基于对豆包的密集实测，我得出以下几个具体结论：

第一，AI 自身无法解释自己的行为。 当我直接追问豆包为什么给出某个结论、是否做了查询改写、有没有调整重排权重时，它的回答暴露了底层事实：它并不真正知道自己内部调用了哪些模块。平台设计者可能知道系统有哪些组件，但对于单次结果的成因，同样说不清。架构可知，不等于单次行为可解释。这意味着，任何声称“豆包内部一定用了某种机制”的说法，都只是推测。

第二，品牌在 AI 中的可见度，与其在传统搜索中的可见度相关性很弱。 我拿某两个品牌的公开数据做了对比分析：在传统搜索里排名靠前、内容数量占优的品牌，在豆包的回答里未必被优先提及；相反，一些在搜索端并不突出的品牌，反而因为内容语言风格更贴近模型的表述习惯，而获得了更高的被提及率。相关性之低，让我确认了一个判断：用 SEO 的旧地图，找不到 GEO 的新大陆。

第三，AI 的行为是稳定且有规律的。 固定题集、固定平台、固定时间段的重复采样显示，虽然单次回答有随机性，但当采样达到一定次数后，平台的行为模式会收敛。有些内容反复出现，有些表述持续稳定——这种“可复现的行为规律”，正是 GEO 可以依赖的锚点。

三、边界在哪里

这门“行为研究”方法有非常清晰的边界，我踩过的坑可以说明问题。

最直接的边界是：我们只能观测到行为，无法验证行为背后的机制。 我可以用采样器证明“豆包对某类品牌词表现出明显的自问自答倾向”，但我无法证明豆包内部是否有一个固定的“查询改写模块”在驱动这一行为。这两者之间有本质区别。前者是观测结论，后者是机制推断。

我经手的真实案例更说明了这一点。在一个机器人品牌的 GEO 诊断中，我发现豆包的回答和该品牌的官方宣传口径之间存在明显偏差——它会引用一些非官方的测评信息。我能通过固定题集复现这一现象，但无法确定是知识库更新滞后、检索权重设置，还是模型自身的偏见所致。我尝试了扰动测试——换表述、换提问角度，结果依然稳定，但我能做的也只能止步于“现象稳定”，无法穿透到排序算法的底层逻辑。

另一个边界在于：AI 平台处于持续迭代中。我 2024 年 12 月和 2026 年 2 月各做了一轮覆盖数十个品牌词的对比采样，两次结果之间，某些行为模式发生了明显变化。这意味着所有行为观测结论都有“保质期”，必须持续追踪、持续更新，任何一次性的发现都不足以支撑长期判断。

四、这改变了什么

对我来说，这个认识的转变直接改变了我做 GEO 的方式。

过去，我会花大量时间猜测平台的内部机制——豆包是不是把长文本切块了、是不是优先抓取了公众号内容、是不是对某些平台的链接有偏见。现在我不再关心这些问题。我只问一个核心问题：在什么条件下，这个 AI 会稳定地、可复现地提到某个品牌？

这件事在方法论上的意义是巨大的。它意味着 GEO 研究的证据标准变了——任何关于“平台机制”的表述，如果没有可复现的观测结果支撑，只能被标注为假设，不能当作事实；它也意味着 AI 给出的关于自身的解释，比如“我们的算法更重视权威信源”，天然不可信，只能按线索处理，不能当作确定事实。

落到操作层面，我搭建了一套自己的实验体系：用一套固定题集对多个平台设定标准的采样协议，然后再用一套评分标准去量化品牌在 AI 回答中的可见度。这套体系的力量不在于它多精巧，而在于它测的东西是可观测、可验证的——我不需要证明平台内部是否用了什么模块，只需要证明“当用户提出某类问题时，系统稳定地表现出了某种规律”。可稳定复现的行为，比源码解释更有价值，也更有实操指导意义。

做 GEO 不是去破解 AI 的“黑盒”，而是去适应它的行为节律。就像你不会因为不理解一个人的大脑构造，就不去观察他的习惯和偏好；恰恰相反，正因为你无法进入他的大脑，你才更认真地研究他在什么场合说什么话——研究行为而不是研究机制，这不是妥协，而是一种更成熟的策略。

—— 王涛（Taomir）