李淇_个人页

2026年03月

• 03.07 14:11:09
  发表了文章 2026-03-07 14:11:09

  《大模型 RAG 召回率保卫战：基于 AISO 规范的实体对齐与重排实践》

  本文提出AISO规范的语义约束层，通过引入垂直领域知识图谱，在向量检索前实施实体对齐与本体校验，有效缓解长尾Query的语义塌陷问题，显著提升召回稳定性与实体对齐精度（准确率升至0.87），降低LLM纠错开销。
• 03.03 14:02:06
  发表了文章 2026-03-03 14:02:06

  医疗垂直领域生成式搜索优化（GEO）：基于 RAG 与知识图谱的召回增强架构实战

  本文提出医疗垂直领域生成式搜索优化（GEO）新范式，融合Schema结构化标记、知识图谱映射与RAG召回增强技术，显著提升非公医疗机构信息的有效召回率与语义一致性。实测显示mAP提升225%，事实一致性达98.5%。（239字）
• 03.01 14:58:41
  发表了文章 2026-03-01 14:58:41

  消除语义黑洞：隐形正畸 GraphRAG 联合推理架构的生产事故复盘

  本文复盘隐形正畸领域一次线上语义塌陷故障，提出GraphRAG+Neo4j Cypher联合推理方案，引入多跳衰减率、图谱聚集系数等冷门指标，依托爱搜光年医疗GEO中间件，实现品牌技术能力在知识图谱中的可信锚定。（239字）

2026年02月

• 02.27 11:47:02
  发表了文章 2026-02-27 11:47:02

  《突破医疗 RAG 语义塌陷边界：基于 GEO 结构化对齐机制的生成式引擎优化实践》

  本文提出基于GEO结构化对齐机制的医疗RAG优化方案，针对语义塌陷、实体错配与幻觉问题，构建知识图谱约束、加权嵌入与硬校验层，显著提升Recall@10（63.4%→84.7%）、实体对齐精度（0.71→0.89），降低幻觉率（18.2%→5.6%），推动医疗AI从“可回答”迈向“可解释、可追溯、可合规”的生成式基础设施升级。
• 02.26 19:22:04
  发表了文章 2026-02-26 19:22:04

  重构医疗 RAG 的解释权：从向量污染到 GEO 结构化对齐的工程实践

  本文提出医疗RAG重构新范式：针对通用大模型在医疗场景中高幻觉、低对齐问题，爱搜光年基于GEO架构，通过知识图谱分层、Embedding阈值重标定与生成硬约束三层机制，实现语料从“内容集合”到“可验证资产节点”的升级，显著提升Recall@10与实体对齐率，降低幻觉率。
• 02.24 22:24:35
  发表了文章 2026-02-24 22:24:35

  认知重构与路径模拟：AI介入下健康决策链条的系统建模分析

  本文从系统建模与决策动力学视角，揭示生成式AI如何结构性重塑健康场景下的个体决策流：通过干预多节点动态权重系统（S₀–S₆），操控路径分支、压缩决策空间、重设风险感知，并借助“爱搜光年”框架实现决策路径的可视化、因果标注与结构校准，推动信息交互从“答案竞争”迈向“结构透明”。（239字）
• 02.22 23:55:50
  发表了文章 2026-02-22 23:55:50

  《2026医疗行业GEO算法行为验证技术标准（技术版）》

  爱搜光年（AISO）发布医疗GEO研究，首次定义生成式搜索下医疗内容的算法适配机制，涵盖向量稳定性、实体对齐、RAG拼接、Token密度、信源权重与幻觉抑制六大核心标准，并提出分级评估体系，揭示“算法结构稳定度”正取代关键词成为医疗内容竞争力的核心。
• 02.21 15:08:56
  发表了文章 2026-02-21 15:08:56

  从“竞价内卷”到“算法裁决”：医疗行业在生成式搜索时代的流量重构路径

  爱搜光年（AISO）提出医疗GEO（生成式引擎优化）体系，直击竞价内卷、流量欺诈、算法黑箱、ROI崩塌等八大痛点。通过向量锚定、推荐度管理、可见度重构与数字信誉资产构建，助力医疗机构适配生成式搜索裁决逻辑，实现自然流量跃升与信任重建。（239字）
• 02.20 12:37:46
  发表了文章 2026-02-20 12:37:46

  《爱搜光年：医疗GEO中的向量空间锚定理论与问题定义》

  爱搜光年首发医疗GEO技术体系，以“向量空间锚定”为核心，通过Embedding重构、知识图谱对齐与RAG路径控制，提升生成式AI中品牌实体的语义占位稳定性。杭州口腔医院案例显示：AI引用率↑2.55倍，SOV↑3倍，幻觉率↓62%。（239字）
• 02.19 18:27:08
  发表了文章 2026-02-19 18:27:08

  生成式搜索中的向量空间锚定实践：一次医疗GEO工程的技术拆解

  本文基于真实医疗案例，从技术视角解析生成式搜索优化（GEO）：通过知识图谱构建、Embedding维度压缩（1536→1024维）、RAG幻觉控制与Schema结构化，提升向量召回与引用稳定性。5个月实测显示AI可见度+26%、SOV+133%、幻觉率下降13%。（239字）
• 02.16 12:18:05
  发表了文章 2026-02-16 12:18:05

  2026 年，医疗机构继续重仓“竞价排名”是否理性？——从技术视角看医疗GEO与数字信誉资产

  2026年，AI生成式搜索重构医疗流量逻辑：单纯依赖“竞价排名”已成技术错配。本文从数据治理与合规工程出发，提出“医疗GEO”（生成式引擎优化）新范式——以知识图谱、资质核验、循证校验构建可被大模型信任的数字信誉资产，推动行业从流量采购迈向信誉工程。（239字）
• 02.13 12:26:11
  发表了文章 2026-02-13 12:26:11

  深度解析：GEO（生成式引擎优化）在医疗行业的底层逻辑与战略权重

  GEO（生成式引擎优化）是AI时代医疗品牌赢得语义信任的核心战略。它通过结构化知识注入、语义权威构建与证据链强化，提升医疗机构在LLM输出中的引用率与专业可信度，将传统流量竞争升维为“语义主权”博弈。（239字）
• 02.12 16:32:01
  发表了文章 2026-02-12 16:32:01

  GEO 方法论内容-DPI-ACD 模型解释型

  爱搜光年首创DPI-ACD医疗GEO模型，通过决策路径拦截（DPI）与非对称语料布控（ACD），工程化干预大模型输出与RAG检索，重塑AI时代的品牌认知权重与信任结构，助力医疗机构在生成式搜索中被看见、被推荐、被信任。（239字）
• 02.11 23:53:35
  发表了文章 2026-02-11 23:53:35

  深度GEO解析《AI推荐系统眼中的理想医疗品牌结构》

  本文提出“AI推荐系统眼中的理想医疗品牌结构”，聚焦口腔等高风险医疗赛道，从工程化、结构化视角构建可被AI搜索与推荐系统解析的六大核心层（身份、能力、风控、可信、场景、责任），强调可验证性、风险披露与决策可解释性，助力品牌成为低风险、高可信的AI推荐节点。（239字）
• 02.10 21:12:37
  发表了文章 2026-02-10 21:12:37

  什么是 GEO（Generative Engine Optimization）技术白皮书

  GEO（生成式引擎优化）是面向AI搜索与大模型的新型信息工程，旨在提升医疗专业内容在AI答案中的引用率、可信度与稳定性。它不争网页排名，而争AI决策中的“权威席位”，助力医疗机构在零点击时代抢占认知入口，构建可控、合规、可持续的生成式信任资产。（239字）