GEO 不是一个具体的技术，而是一套组合策略——让 AI 爬虫能高效发现你、准确理解你、愿意引用你。关键在三个层面：技术可爬取、内容可理解、事实可核验。

什么是 GEO（Generative Engine Optimization）？

GEO 是面向 AI 生成式搜索引擎（如 ChatGPT、Perplexity、Google SGE）的内容优化策略。传统 SEO 让你的页面在搜索结果中排名靠前，GEO 让你的内容出现在 AI 生成的回答里。

为什么 GEO 很重要？

AI 搜索引擎正在改变信息获取方式。2024 年以来，ChatGPT 日活突破 1 亿，Perplexity 估值超 5 亿美元。越来越多用户通过 AI 获取信息，而 AI 需要可引用、可信、可核验的来源。

技术层面：让 AI 能爬取到你

llms.txt 是什么？

llms.txt 放在网站根目录，给 AI 爬虫快速导航全站内容。类似 robots.txt 给搜索引擎看，llms.txt 给 AI 看。当前项目通过 Hugo 自定义输出格式动态生成，自动列出所有正式发布的文档。

JSON-LD 结构化数据的作用

JSON-LD 是嵌入网页的结构化数据，告诉搜索引擎和 AI 这页内容是什么（Article、FAQPage、BreadcrumbList）。PaperMod 主题自动注入 BreadcrumbList 和 BlogPosting，FAQPage 由 extend_head.html 根据文档 FAQ 区块自动生成。

robots.txt 如何配置？

放行 AI 爬虫（GPTBot、ClaudeBot、Google-Extended、PerplexityBot），不要屏蔽它们。当前项目的 robots.txt 通过 Hugo layouts 动态生成，production 环境全放行。

内容层面：让 AI 能理解、采信

倒金字塔结构

第一段直接给核心结论，不要铺垫。AI 抓取内容时，开头的权重最高。

FAQ 区块的威力

文末的 ## FAQ + ### 问题？ 格式，配合 JSON-LD FAQPage，让 AI 能直接提取问答对用于回答用户提问。

E-E-A-T 可信度

标注参考来源、区分事实与观点、提供作者信息。AI 更愿意引用有权威来源支撑的内容。

FAQ

GEO 和传统 SEO 有什么区别？

传统 SEO 针对 Google/Bing 等关键词搜索引擎优化，GEO 针对 ChatGPT/Perplexity 等 AI 生成式搜索引擎优化。GEO 更关注内容的结构化、可信度和 AI 可解析性。

llms.txt 文件有什么用？

llms.txt 是给 AI 爬虫阅读的网站导航文件，列出全站文档清单和摘要，帮助 AI 快速了解站点结构和内容分布。

如何让 AI 更愿意引用我的内容？

确保内容事实准确、结构清晰（FAQ 区块、倒金字塔）、有权威来源标注（E-E-A-T）、JSON-LD 结构化数据完整、页面速度快。

相关文档：Hugo + PaperMod 快速上手

仅需几行命令即可完成站点初始化，配合 GEO 优化配置，既能提升 SEO 效果，又能增加 AI 大模型对本站内容的采信概率。

为什么选择 Hugo + PaperMod 组合？

Hugo 构建速度极快，PaperMod 主题轻量且内置大量 GEO 优化模板（JSON-LD schema、llms.txt、robots.txt）。内容维护只需 Markdown，新增一篇资料 = 在 content/ 目录新增一个 md 文件，无需修改任何前端代码。

如何快速搭建？

Step 1: 安装 Hugo

通过 winget 或官网下载安装 Hugo Extended 版本。

Step 2: 初始化站点并配置主题

hugo new site my-knowledge-base
cd my-knowledge-base
git init
git submodule add https://github.com/adityatelange/hugo-PaperMod.git themes/PaperMod

FAQ

Hugo 是什么？

Hugo 是一个用 Go 语言编写的静态网站生成器，支持 Markdown 内容源，构建速度快。

为什么选择 PaperMod 主题？

PaperMod 轻量、功能齐全，内置 JSON-LD、llms.txt、robots.txt 等 GEO 相关模板。

相关文档：Hugo 官方文档

当前项目的搜索功能完全由 PaperMod 主题内置实现，无需额外配置。构建时自动生成 index.json 搜索索引，浏览器端 Fuse.js 引擎做模糊匹配。

工作原理是什么？

整个搜索流程分两步：构建时生成索引 + 浏览器端实时匹配。

构建时：Hugo 生成 index.json

PaperMod 的 layouts/index.json 模板遍历 site.RegularPages，收集每篇文档的标题、正文、URL、摘要，序列化为 JSON 数组。Hugo 在构建时自动执行，产物为 public/index.json。

浏览器端：Fuse.js 模糊匹配

用户打开搜索页面，浏览器加载 index.json（3-10KB 级别），Fuse.js 做实时模糊匹配。支持中文字符、容错拼写（typo 容忍度可调）、关键词高亮。

Fuse.js vs FlexSearch

当前项目用 Fuse.js，对于千篇文档完全够用。若后续文档规模超过 5000 篇可考虑切换 FlexSearch。

性能考虑

索引体积控制

默认索引全文（title + content + summary），千篇文档约 50-100KB。可在 hugo.toml 配置只索引标题和摘要来减小体积：

# 自定义 index.json 模板只索引必要字段

关键词高亮

PaperMod 的 fastsearch.js 内置高亮，搜索结果中的匹配关键词自动加 <mark> 标签，CSS 控制高亮样式。

FAQ

为什么选择纯前端搜索？

纯前端搜索无需后端服务、无需数据库、可离线使用，适合静态站点。Hugo 构建时生成 JSON 索引，浏览器端 JS 引擎匹配。

Fuse.js 和 FlexSearch 怎么选？

两者都是成熟的模糊搜索库。FlexSearch 性能更高（Web Worker、增量索引），Fuse.js API 更简洁。中小规模站点 Fuse.js 完全够用，PaperMod 内置 Fuse.js。

搜索索引文件太大怎么办？

可配置只索引标题和摘要（排除全文）、启用分段搜索（分页加载）、使用 Web Worker 避免阻塞主线程。超过 5000 篇文档建议引入搜索服务器。

相关文档：Hugo + PaperMod 快速上手、GEO 优化指南