包头马拉松

周日跑了包头马拉松，用时4小时32分

第一次在亚高原城区跑全马，没控制好节奏，32公里后就没劲了，后10公里基本上全程走下来，不容易

前32公里，全程稳定配速在每公里5小时20分钟左右，忽略了它1050米左右的城区海拔，导致身体糖原消耗过快，为了安全起见，之后10公里，就只能快走

这个海拔虽然不算高，但如果没有在这样的环境下跑步，身体还是很难一下子适应的

不过最后还是安全完赛

不一样的体验

跑完后，下午开车来到黄河第一村，亲临体验黄河，感受还是不一样的，非常壮观

让AI写了一首诗，简单改了下，还不错：

全马跑完汗未收， 长河阴云覆荒丘。 身随浊浪舒筋骨， 风送河声到心头

dd03ffa7d0bd177547907bca7a110e49.jpg 6533fcf7c1502c278f30132de74ce21f.jpg

第四届数智峰会GEO分享

在第四届数智峰会，做了一次GEO主题分享

一些核心的内容：

  1. AI已成为大众信息入口，用户规模已超过6亿，越来越多的用户，正在通过AI获取信息、理解问题和比较企业，企业也需要适应这种新的信息获取与决策方式
  2. Agent决策时代来临，消费者的行为决策逻辑，正在发生第四次重心迁移，从功能决策、偏好决策、价值决策，并进一步延伸到Agent或AI辅助决策，四种逻辑同时存在，Agent 正在承担更多信息整理与比较工作，企业需要让产品功能、品牌偏好和价值依据，都能进入新的决策过程
  3. Agent消费决策，背后的核心逻辑是，人定义目标，Agent 组织选择，人负责提出需求、预算、偏好与约束，AI 帮助理解信息和形成判断，Agent 则进一步组织方案、比较条件，并在授权范围内连接交易与服务。企业需要同时准备清楚的推荐理由、可验证的信息和可执行的业务入口，这就是GEO
  4. AI选择企业，一般要处理四个核心环节，AI先理解用户意图，再检索多个来源，判断信息是否可信，最终生成答案并推动下一步行动。企业在这条路径中可能遇到看不见、看不懂、信不过等问题，因此需要逐环节检查信息覆盖、表达清晰度和证据质量
  5. 用户实际在使用AI时，提问越来越具体，消费者会同时提出地域、家庭情况、预算、配送与产品要求，采购方也会综合考虑交期、认证、系统对接、产能与履约风险，企业需要围绕这些具体条件组织事实，让 AI 能回答“适合谁、满足什么要求、依据是什么”
  6. 所以，GEO的本质，就是把真实价值转化为数字证据，企业创造的产品、技术与服务价值，需要被整理成可发现、可理解、可相信、可使用的数字证据。这项转化需要持续发生，才能让 AI 在不同问题与场景中准确调用企业事实，并将这些事实带入用户的认知与决策
  7. 对企业企业做GEO而言，最终进入AI 答案，核心需要通过三道门，“看得见”要求信息能够被发现和获取；“看得懂”要求主体明确、事实完整、表达一致；“信得过”要求来源可靠、证据可核验、内容及时更新。三道门共同决定企业信息能否成为 AI 生成答案的可信依据
  8. 什么样的企业更适合GEO？这也是大家比较关心的问题，一般而言，决策价值高、选择链条长、问题高度多样、事实证据丰富的企业，更有条件通过 GEO 展示差异化优势。B 端可以服务供应商筛选、方案比较和案例验证，获得线索与商机；C 端可以支持品牌比较、风险判断和方案选择，连接咨询、到店与成交
  9. 如何解决内容质量与幻觉问题，一个方案：多层AI质检架构，让内容准确、发布可控，以GEOFlow为例，可以根据任务、风险与成本选择原子事实、知识切片或知识库质检路径，并通过自动通过、人工复核与阻断发布控制风险
  10. 做好GEO的闭环逻辑：用数据与技术形成持续校正的增长闭环，也就是从真实问题出发建立认知基线，找出差距并补齐事实、来源、证据与更新责任，再进行多源分发和持续监测。监测结果回到下一轮建设，形成“问题、事实、信源、答案、线索”的循环，让每轮工作都积累可复用的企业资产
  11. 做好GEO的指标体系：沿着证据到业务的路径评估GEO各项指标，比如评估依次观察企业是否进入候选、来源与事实是否被引用吸收、品牌是否获得推荐并触发行动，以及是否形成有效线索、商机和收入。通过建立基线、重复测量、区分平台与场景、打通线索归因，判断各层变化及其业务价值

关于大厂下场做GEO

这几天，不少人都在讨论腾讯推出的GEO平台：Answerbit

还有阿里的万小智3.0的GEO能力

现在，腾讯、美团、阿里、百度、360，基本上都已下场

通过不同的方式，入局GEO这个赛道

就差字节了

这其实是一个非常积极的信号

相当于大厂集体为GEO正名、背书

除了大厂为GEO背书

今年5月份新华网发布的“新华GEO智能体平台”

其实也从更权威的层面，为GEO这个事情的必要性和商业潜力，进行了市场教育

这个市场会很大

同时也很难一家独大，会是呈现一种百花齐放的状态

数据、服务、陪跑、工具、标准、咨询、信源、算力、全案、出海、开源生态…

每一个模块，又可以延伸多种商业心态，按行业、按公司类型又可以进行细分

所以，找到自己的差异化优势或总成本优势

比如中小入局者，优先做好服务、做重服务，做大厂看不上又做不好的事情

在这个百花齐放的大市场，是可以拿到一个不错的属于自己的阵地的

最重要的事

如何确定最重要的事

所谓最重要的事，受环境，资源，角色，现状甚至视角等多个因素影响

而且是动态的

是一个相对主观的概念

所以，践行好它，并不容易

两条心法分享

  1. 跳出当前视角，提高至少两个层次看待当前现状，提高视角或维度后，再回到具体行动

2，每日实践和练习，每日践行一件当日最重要的一件事，持续提升感知的能力。这里需要注意的是，最好每天最重要的那件事，围绕某一个阶段的一个主线来进行，避免跳跃，让事情有一定的连续性

前者解决了“怎么看”，后者解决了“怎么做”

GPT-6 Astra

整理了GPT-6 Astra的官方资料和几份独立评测，核心关注是不是能更好的完成复杂任务

一些关键结论：

  • GPT-6 Astra的智能水平进入第一梯队，能力提升明显，主要在编程Agent上表现突出

  • 更值得关注的是连续执行能力，编程、操作电脑、浏览网页等，能够被串进同一段工作流程，官方API支持105万Token上下文

  • 它的进步，涉及训练与执行系统两个层面，官方强调预训练、强化学习的改进，同时增强了长任务中的上下文管理、状态保留和工具协作，意味着，解决问题的能力在增强，持续推进任务的条件也在改善

  • Token更贵了，任务成本需要重新算，目前的定价为GPT 5.6 Sol当前单价的2.5倍，不过，在一些复杂任务中，Token用量约为Sol的三分之一，所以单价不一定意味着总任务完成的成本就高

整体而言，还是非常值得推进落地自己的各种复杂生产场景

网站诊断Skill

写了一个网站GEO诊断的skill

基本逻辑：

  1. 抓取从首页开始，随后读取 robots.txt、最多5个站点地图和首页导航，形成最多500条规范化URL的候选清单

  2. 候选页面会被归到10类：主页、品牌与组织、产品与服务、分类与内容中心、文章与新闻、指南与文档、案例与证明、对比与榜单、价格与交易、FAQ／支持／联系，针对每个页面类型找到对应的典型页面，进行全面的分析

  3. 代表页面的选择也有固定规则：类型置信度占 35%，导航显著度占 25%，URL 模板代表性占 20%，站点地图覆盖占 10%，新鲜度占 10%

  4. 诊断分成八个维度：可访问与发现 15%、架构覆盖 10%、实体清晰 12%、可回答性 15%、证据与可引用性 16%、权威信任 12%、结构化与可提取性 12%、新鲜度 8%

  5. 每个页面再展开 19 项检查，记录原始值、阈值、权重、状态、证据 ID 和修复动作

  6. 爬取和完成详细的分析后，AI生成一份详细的可视化诊断报告，多图表展示，包含爬虫访问矩阵、准备度漏斗、页面类型覆盖、内链图、实体矩阵、回答深度散点、Schema树图等

GitHub仓库、示例报告及下载使用方式：

  1. GitHub仓库

GEOHub

  1. 示例诊断报告

doc.laoyao.cn

  1. 下载部署

对着AI说：克隆并部署GEOHub

  1. 使用方式

部署后，只需要对AI说：“对网站进行GEO诊断：www.geoflow.me”

CLI直接运行的方式：geo-seo-hub site-diagnose –url <URL> –output runs

GEOFlow 3.0发布

GEOFlow3.0正式部署及相关文档

  1. 仓库地址：GEOFlow
  2. 更新说明：GEOFlow
  3. 升级教程：GEOFlow