GEO审计清单导读

由Brasil GEO CEO Alexandre Caramaschi创建的开源技术审计清单，涵盖Schema标记、llms.txt、实体一致性、引用信号、多平台存在、内容结构和监控七大领域，是实战验证的框架，已在电商、SaaS、个人品牌等企业中应用，帮助品牌在ChatGPT、Gemini、Perplexity等生成式AI引擎中获得可见性。

GEO的定义与价值

生成式引擎优化（GEO）是构建数字存在形态的学科，核心目标是让LLM：知道你的存在、理解你的属性、准确引用你、主动推荐你。GEO并非取代SEO，而是互补学科，应对AI生成答案的发现界面。随着用户通过AI对话获取信息增多，GEO成为数字营销不可或缺的一环。

核心方法与领域

1. Schema标记：分P0/P1/P2层级，P0需组织Schema含名称、URL等，个人Schema含职位等；
2. llms.txt：根目录文件提供网站结构化信息，建议创建llms-full.txt并在robots.txt引用；
3. 实体一致性：跨平台名称、描述、属性一致，锚定开放知识图谱；
4. 引用信号：内容需直接回答问题、含支持数据、清晰结构；
5. 多平台存在：网站、LinkedIn、第三方平台等构建权威网络；
6. 内容结构：清晰层级、关键定义前置、表格/列表优化机器可读性。

实战案例与工具矩阵

Caramaschi的个人网站部署llms.txt v9.0，含200+URL；Brasil GEO站点采用Cloudflare架构。开源工具矩阵包括：geo-orchestrator（多LLM流水线）、curso-factory（课程生成）、llms-txt-templates（标准模板）、geo-taxonomy（GEO术语库）等，形成完整实践生态。

监控与迭代机制

GEO是持续过程：

• P0：每月在四大AI引擎运行10-20关键查询；
• P1：跟踪引用准确性和频率变化；
• P2：监控竞争对手表现，记录模型更新后的变化。

实施步骤与优先级

步骤：获取checklist.md→完成各部分→参考行业指南→项目管理工具跟踪。优先级：P0（关键，如Schema/llms.txt）→P1（重要，如实体一致性）→P2（推荐，如内容更新）。各团队建议：技术团队从Schema/llms.txt开始，内容团队优化引用信号/结构，营销团队构建多平台存在。

未来与行动建议

GEO是数字营销范式转移，AI引擎成为信息主界面，优化者将获竞争优势。清单提供起点，关键是持续执行。建议立即行动，延迟优化将失去可见性。