直接回答：一个人能长期维护内容站点，靠的不是写得快，而是分清哪些环节必须人工、哪些可以交给脚本。必须人做的只有三件——判断选题、提供一手信息、下结论；其余的构建、部署、封面、检查、提交，都应该自动化。

直接回答：GEO 的底层逻辑对谁都一样——被抓取、被理解、被归属。但四类站点的着力点差别很大：博客与媒体靠片段质量，工具站靠说明文档，文档站靠结构清晰，产品页则要换一种内容形态才有机会被引用。先判断自己属于哪一类，再决定投入方向。

直接回答：更新旧文的收益经常高于写新文，因为它已经具备抓取历史、索引记录和站内链接。但有三个前提：地址不变、内容真的变了、更新时间有明确标注。三者缺一，更新就可能变成无效劳动，甚至伤到已有的引用。

直接回答：模型理解一个站点分三个层次——每篇文章能否独立读懂、页面之间的关系是否明确、整体是否呈现清晰的层级。栏目（分类）负责归类，专栏负责串成系列，内链负责声明关系。三者缺一个，站点在模型眼里就只是一堆散落的页面。

直接回答：这份清单把 GEO 的检查项按抓取、索引、结构、术语、信任、度量六个环节整理成 30 条，每条都给出可执行的判断方法。它的用法不是一次做完，而是当作定期对照表——建议每季度过一遍，每次只修最低分的几项。

直接回答：先分清三种情况——有出处的引用（想要的结果）、无出处的改写（最常见，也是最难处理的）、整篇搬运（可以投诉）。三种情况的目标不同：引用要争取更多，改写要靠溯源能力化解，搬运才需要动用投诉渠道。与其防止被抄，不如让愿意查证的人能轻松找到源头。

直接回答：不是笼统的"差"，而是三个具体差异在起作用——中文优质内容更多被关在禁止抓取的平台里、中文检索依赖分词且术语变体更多、训练语料里中文占比更低。前两项有明显的应对办法，第三项超出个人能改变的范围，但它不是决定性的。

直接回答：第一个月的目标不是"提升引用率"，而是把链路打通并留下一个可对比的基线。四周分别是：确认抓取与索引、改造内容结构、补齐信任信号、建立采样机制。做完这四件事，你才知道后面该往哪里使劲。

直接回答：能被引用。**模型不关心内容是人写的还是 AI 写的，它关心的是这段内容有没有别处拿不到的可用信息。**所以真正的问题不是"用了 AI"，而是内容同质化——当同一套观点在每个站点都以相似措辞出现时，任何一篇都不再是必要的引用来源。

直接回答：内容能不能被 AI 引用，第一道门槛是平台允不允许抓取，而不是内容写得好不好。实测结果是：知乎和微信公众号基本全站禁止爬虫，CSDN、博客园、掘金、简书允许抓取。所以更稳妥的做法是——自有域名当主阵地，平台账号只做分发和引流。

直接回答：URL 变更不会让引用立刻消失，伤害是滞后的——模型和索引里存的还是旧地址，等它们重新抓取时才发现内容已经不在了。保住引用只需要三件事：每一条旧地址都有 301 指向新地址、跳转链不超过一跳、sitemap 与站内链接同步更新并保留至少一年。

直接回答：结构化数据加了没效果，绝大多数情况不是类型选错，而是四个基础问题之一——页面根本没被索引、JSON-LD 格式让解析器读不到、地址用的是示例域名、数据与页面可见内容对不上。这四项按顺序查一遍，比研究 Schema.org 的细节有用得多。

直接回答：面向 AI 搜索的 robots.txt，正确做法是默认放行、按用途分类、只精确屏蔽你确实不想给的那一类。绝大多数站点不需要拦任何爬虫；而用一条 Disallow: / 一刀切，会把检索和引用链路一起切断。

直接回答：AI 训练是把内容吃进模型参数，滞后又不可追踪；AI 引用是模型回答时实时检索、当场标注来源，可以优化也可以度量。**这两条链路用的是不同的爬虫、不同的机制，收益也完全不同。**把它们混为一谈，很容易做出恰好相反的错误决策。

直接回答：AI 搜索不引用你的站点，多数时候不是内容质量问题，而是链路中间某一环断了——爬虫被拦住、页面没进索引、内容切不出好片段、术语跟提问对不上、缺少可验证的身份、或者只是时间不够。按这个顺序排查，比反复改文章有效得多。

直接回答：本站用 Hexo 8 + Stellar 主题搭建，GEO 相关的关键改动只有三处——用英文固定链接保证 URL 可引用、用生成脚本自动产出 llms.txt 与结构化数据、用清晰的分类和专栏构建主题聚类。主题本身不需要改源码。

直接回答：衡量 GEO 要同时看三层指标——抓取健康度（机器能不能进来）、引用与提及率（内容有没有被用）、实际效果（有没有人因此找到你）。只盯其中任何一层都会得出错误结论。

直接回答：GEO 友好的文章不需要特殊文体，只需要把信息按模型和人都容易提取的顺序排好。可复用的骨架是：结论区 → 问题定位 → 方法主体 → 边界说明 → FAQ → 参考资料。本文给出完整模板和改写示例。

直接回答：对 GEO 来说，结构化数据的价值不在"加得越多越好"，而在让机器低成本地确认"这是什么内容、谁写的、什么时候更新的、回答了什么具体问题"。按投入产出比排序，最值得加的四种是 BlogPosting、BreadcrumbList、FAQPage 和 Person。

直接回答：llms.txt 是放在网站根目录的一份 Markdown 文件，用来告诉大模型"这个站点是做什么的、有哪些值得读的内容、按什么顺序读"。它不是官方标准，也不保证被读取，但成本极低、风险为零，属于做 GEO 时最划算的基础设施之一。