观察生成式AI是否提及一个企业时,问题、完整回答、来源与内容执行通常分散在不同文件里。如果只记录文章数量,就很难回答:每篇内容对应哪个问题、渠道选择有什么依据、公开状态怎样核实、后续回答发生了什么变化。本文给出一份GEO数据台账设计与本地Python校验示例,讨论记录的完整性和可追溯性。
作者主体:广西雨后甘霖企业管理有限公司/阿徐AI商业教练。下文是一份方法设计示例,不是客户效果报告;示例数据不是实际采样结果。稿件在已确认资料基础上由AI辅助整理。
一、每个问题保留独立的来源证据
问题表记录买方处境、需求、地域、问题原文及承接服务。观察表记录AI平台、采样时间、会话条件、问题原文与完整回答。来源表另存来源URL、页面标题、可见引用标记及对应回答,区分明确引用、参考列表、搜索过程与普通链接。
同一个媒体出现在一个问题里,不代表它也是所有其他问题的发布依据。如果项目选择只向本题已经观察到的来源媒体发稿,就应在执行前检查“问题—媒体”组合,不能只检查媒体是否进入总渠道池。引用数据只说明已经观察到的结果,不证明某媒体对其他问题也有效。
二、用集合检查具体组合与重复安排
下面的集合只是算法演示:Q1允许媒体甲、媒体乙,Q2只允许媒体乙。媒体甲虽然在总名单里,仍不能发布Q2。函数返回错误清单,不执行网络请求或提交文章。
def check_plan(allowed_pairs, plan):
seen = set()
errors = []
for item in plan:
pair = (item.get("question_id"), item.get("media"))
if pair not in allowed_pairs:
errors.append({
"pair": pair, "reason": "本题没有对应媒体证据"})
if pair in seen:
errors.append({
"pair": pair, "reason": "本轮重复安排"})
seen.add(pair)
return errors
allowed_pairs = {
("Q1", "媒体甲"), ("Q1", "媒体乙"), ("Q2", "媒体乙")}
plan = [{
"question_id": "Q2", "media": "媒体甲"}]
print(check_plan(allowed_pairs, plan))
运行示例会发现Q2与媒体甲不匹配;将同一个有效组合安排两次,也会返回重复错误。实际使用时,允许组合应从已经核实的逐题来源记录生成,保留原始记录ID和URL。该检查只验证输入清单的对应关系,不能证明来源真实、账号有权发布或文章符合媒体规则;这些条件需要分别核实。
三、草稿、公开与被引用分别建状态
发布表可以包含问题ID、媒体、账号引用、稿件版本、标题与正文哈希、事实资料版本、授权范围、实际提交时间、远端编号、状态和公开URL。账号密码、Cookie及Token不进入内容台账。
状态至少区分未提交、草稿、待平台审核、已公开、失败和结果未知。远端返回草稿编号,只证明草稿保存;获得正常公开URL并核对内容,才能登记公开。文章公开以后仍可能没有被AI采用,公开数量不能当成引用数量。
提交结果未知时,先按标题、远端编号和后台列表对账,不能立即重发。新版本保留独立记录并关联修改原因,不覆盖原始回答,也不删除不利答案。任务完成时间与回执观察时间分别保留,避免把后续状态倒填成最初提交结果。
四、复测条件和异常单独记录
按约定时间复测,保留固定问题、AI平台、模式与尽可能一致的会话条件。每次提问使用新会话,并核对可用的记忆设置,避免历史点名影响后续推荐;无法排除的记忆因素如实说明。
观察时分别记录是否提及企业、是否推荐具体服务、名称和业务是否准确、是否展示来源,以及来源是否支持对应说法。技术失败与页面无法读取单列,不能直接记为未推荐。询盘、商机和成交也需要单独的实际记录,不能从AI提及次数推算。
这份设计适用于将问题表、来源表和执行表关联起来的场景。它不处理模型算法,也不保证文章收录或后续引用;实际实施应依据资料权限、媒体规则、会话条件和项目验收范围补充检查。