SEO/GEO · 3 分钟
从 315 的 Apollo-9 手环说起：GEO 的红线在哪里
判断一项 GEO 操作能不能做，不看它用了什么技术，而看目的和事实：是在帮用户理解真实信息，还是在诱导 AI 得出预设结论。
一款不存在的手环
据《国内GEO白皮书》记录，2026 年 315 晚会演示了这样一个案例：业内人士用自动化系统虚构了“Apollo-9 智能手环”，生成数十篇含虚假参数、伪造专家评测和杜撰口碑的内容，并批量发布到自媒体平台。
随后在测试中，豆包、DeepSeek 等大模型回答“推荐智能手环”时，把这款不存在的产品排到了首位，还复述了那些虚构的功能。
这个案例说明，多个来源重复同一说法时，模型可能把噪声当成共识。它也让所有做 GEO 的企业必须面对一个问题：我买的服务，和这种做法有什么区别？
红黄绿三档
《GEO红皮书》给了一个简单的判断方式：
| 档位 | 典型行为 | 怎么办 |
|---|---|---|
| 绿色 | 围绕真实内容做结构化、来源标注、可访问性、更新记录、用户意图覆盖 | 正常做 |
| 黄色 | AI 生成但有人审校；第三方评测披露不充分；竞品对比证据不足；抽样方法不完整 | 补审核、披露、证据和流程 |
| 红色 | 伪造事实、操控评价、攻击竞品、批量低质内容、隐藏文本、链接农场、提示词注入、RAG 投毒 | 不做；已发生的要下线、保全证据并更正 |
红皮书把风险分成 9 大类、55 种，覆盖竞争伦理、信任伪造、内容质量、搜索 spam、用户安全，以及 LLM 指令、RAG 检索、Agent 工具、数据与供应链等技术风险。
五个判断问题
红皮书还给了一个红线公式，把它改写成五个问题更好用：
- 目的正当吗？ 是否以误导用户、攻击竞品或绕过平台规则为目标？
- 信息真实吗？ 是否虚构、夸大、遗漏关键限制或伪造来源？
- 有技术操纵吗？ 是否在利用抓取、检索、提示词、工具调用的弱点？
- 影响范围多大？ 是否面向大规模用户，或涉及医疗、金融等高影响决策？
- 错了能收回吗？ 错误信息是否会被转载、进入知识库、被其他 AI 继续引用？
“有效”不等于“值得”
坦白说，操纵手法在实验中确实有效。一项研究显示，在页面中嵌入针对模型的指令，可使目标排名平均上升约三位；另一项研究让虚构相机的被推荐比例从 34.0% 升到 59.4%。
但这条路的代价很高：
- 防御在升级：有研究显示，一种重排防御可使部分攻击成功率降低约 80%。
- 平台规则已明确：据白皮书整理，Google 的垃圾内容政策已覆盖 AI 回答。
- 监管在收紧：白皮书提到，2026 年初的“清朗”专项行动把“数字泔水”等垃圾信息列为重点整治对象。
- 法律风险真实存在：攻击竞品可能涉及反不正当竞争和侵权问题。
企业现在就能做的事
- 在合同中写明禁止行为：伪造评价、隐性投放、攻击竞品
- 要求服务商提供发布账号、时间、平台、内容版本和审核人记录
- 建立事实核验表，把每条关键断言对应到原始证据
- 医疗、金融、教育等敏感行业，让法务或专家参与审查
- 不接受只用“AI 回答截图”验收
如果服务商说能“让 AI 听话”，答案已经很清楚了。
一句话总结
合规 GEO 是帮 AI 看清真实的你，黑帽 GEO 是骗 AI 相信虚构的你。后者短期可能有效，但出事时背锅的是品牌。