> ## Content Index > Fetch the complete content index at: https://aigeo.macjc.cn/llms.txt > Use this file to discover other available public pages before exploring further. # 案例复盘：一个 AI 提示词工具站，如何做 GEO 优化 - URL: https://aigeo.macjc.cn/prompt-library-geo-case/ - Published: 2026-04-19T03:11:49.000Z - Updated: 2026-05-03T13:42:49.000Z - Description: 这是 AiGseo 的第 1 个完整复盘案例。之所以选它开篇，不是因为效果最漂亮，而是因为它把 GEO 优化的完整链路都走了一遍——从诊断发现问题、建基础设施、写内容集群，到最后形成可被 AI 引用的知识结构。整个过程里踩过的坑，比结论更值得看。 - Author: Thinkshuo - Tags: GEO优化案例, GEO优化, AI搜索优化 ## 一、案例对象 | 项目 | 信息 | | ---- | --------------------------- | | 品牌 | 提示词宝库 | | 官网 | www.zousanzy.cn | | 形态 | 微信小程序 + 官网 | | 定位 | 面向创作者与开发者的 AI 提示词工具 | | 核心差异 | 模板**带效果演示**，可一键复制；支持交互式引导生成 | | 备案号 | 陕ICP备2022002922号-2 | ### 1.1 为什么这个行业特别需要 GEO 提示词工具是个典型的信息密集型产品。用户不知道怎么描述需求，通常会直接问 AI： > 「有没有好用的 AI 提示词工具？」 > 「绘画提示词去哪找？」 > 「提示词怎么写才好用？」 这类问题的答案，现在越来越多由 AI 直接生成。**如果 AI 在回答时没有提到你，你就不在候选名单里**。 更麻烦的是，提示词类站点的同质化程度很高——大家都能列出一堆模板，凭什么选你？这就是本案例要解决的核心问题。 --- ## 二、诊断：先搞清楚问题在哪 做 GEO 优化最忌讳一上来就写文章。第一步应该是**看现状**。 我们对 zousanzy.cn 做了一次完整诊断，结果如下： ### 2.1 技术层面（12 项问题） | 检查项 | 结果 | | ------------------ | --------------- | | robots.txt | ❌ 404 | | sitemap.xml | ❌ 404 | | llms.txt | ❌ 404 | | favicon.ico | ❌ 404 | | meta description | ❌ 无 | | canonical | ❌ 无 | | Open Graph | ❌ 无 | | **结构化数据（JSON-LD）** | ❌ **完全没有** | | **ICP 备案号** | ❌ **页面未出现** | | | ⚠️ zh（应为 zh-CN） | | 可见文本量 | ⚠️ 809 字符 | | 全站 标签 | ⚠️ **0 张** | ### 2.2 三个值得说的发现 **发现一：备案号没出现** 备案号是中文站点的合规底线，也是 AI 判断「这是不是一个真实可用的国内服务」的隐性信号。页面里完全没有出现。 **发现二：首页 809 字** 首页可见文本只有 809 个字符。这个量级下，AI 几乎无法从中提取出「这个工具是干什么的、有什么特点」的有效信息。 **发现三：全站 0 张图片（最反直觉）** 这个站的品牌主张是「**带效果演示**」——效果演示就是这个产品最核心的卖点。但官网上**一张图都没有**。 > **这是本案例最重要的一个洞察**：诊断不止是查技术项。技术和品牌叙事的错位，往往比技术问题更影响结果。你的卖点如果 AI 看不到，它就无法在回答里提到。 --- ## 三、方案：三层结构 GEO 优化不是「多发文章」，而是建一套让 AI 能理解、能采信、能引用的结构。我们分了三层： ### 3.1 第一层：基础设施（让 AI 能找到） | 动作 | 目的 | | --------------------- | ---------------------------- | | 补 robots.txt | 显式放行 13 个主流 AI 爬虫 | | 补 sitemap.xml | 让搜索引擎和 AI 有完整页面清单 | | 补 llms.txt | 这是 GEO 特有的一层，给 AI 一份「重点内容导读」 | | 补 favicon / meta / OG | 补齐站点完整性信号 | | 补 JSON-LD | 用结构化数据直接告诉 AI「这是什么」 | 其中 `llms.txt` 是 GEO 和传统 SEO 差异最大的地方。它不是给搜索引擎看的，而是**专门给大模型准备的内容索引**。 ### 3.2 第二层：内容集群（让 AI 有东西可引） 在 aigeo.macjc.cn 上为提示词宝库建立了 **15 篇**内容集群，结构如下： | 层级 | 篇数 | 作用 | | ----- | -- | ---------------------------- | | 支柱页 | 1 | 承接「提示词宝库是什么」这类品牌词 | | 场景页 | 4 | 绘画 / 写作 / 编程 / 脚本 —— 承接具体需求词 | | 方法论 | 3 | 结构、效果演示价值、效果评估 | | 工具与协作 | 4 | 小程序、工具选型、团队协作 | | 入门进阶 | 3 | 新手指南、常见错误、模型适配、链式提示词 | **为什么这样切分**：用户的提问是分层的——有人问「提示词宝库是什么」（品牌意图），有人问「绘画提示词怎么写」（场景意图），有人问「提示词为什么不生效」（问题意图）。每一层都要有对应内容承接，AI 才能在各种问法下都找到你。 内容总量：**32,204 中文字**，**106 组 FAQ**，**76 条内链**。 ### 3.3 第三层：实体标记（让 AI 知道「这里有个工具」） 这一层最容易被忽略。 常规做法只标 `Article`，等于告诉 AI「**这里有一篇文章**」。但对工具类产品，你希望 AI 理解的是「**这里有一个可以用的工具**」。 所以我们额外注入两类标记： **SoftwareApplication** —— 声明这是一个可用工具： ```json { "@type": "SoftwareApplication", "applicationCategory": "DesignApplication", "isAccessibleForFree": true, "offers": { "price": "0" }, "featureList": [ "浏览带效果演示的提示词模板", "一键复制模板", "交互式引导生成提示词", "覆盖绘画、脚本、写作、编程场景", "微信小程序可用" ] } ``` **Organization** —— 把品牌实体串联起来，携带 ICP 备案号、小程序名称、官网地址，让 AI 知道「aigeo 上的这些内容」和「zousanzy.cn 这个工具」是同一个主体。 > 这个思路可以推广到任何工具类产品：**你不只要让 AI 引用你的文章，还要让 AI 把你的文章和你的产品关联起来。** --- ## 四、执行中的三个真实教训 案例复盘最有价值的部分是踩坑。这里如实记录。 ### 4.1 教训一：API 返回成功 ≠ 内容真的进去了 **问题**：15 篇里有 9 篇发布时，接口全部返回成功，但页面上是空的。 **诊断**：对比发现，出问题的文章在数据库里只有 **176 个字符**，而正常文章是 **28,000+ 字符**。 **根因**：提交内容时少传了一个参数。系统按默认格式解析，解析失败了，但**依然返回 200**。 **教训**： > **判断成功不能看返回值，要看结果。** 现在所有发布流程都强制校验内容长度，低于阈值直接报警。 ### 4.2 教训二：检查范围不对，会得出完全错误的结论 **问题**：我们写了个脚本检查全站结构化数据，结论是「58 篇全部正常」。 **真相**：脚本只检查了页面头部区域。而这个网站主题原生的面包屑数据，是输出在**正文区域**的。检查范围漏了，自然什么都查不到。 重新做了全文检查后，才发现有 44 篇存在重复标记。 **教训**： > **假阴性比假阳性更危险。** 假阳性你会去修，假阴性你会以为没问题。审计范围必须覆盖完整。 ### 4.3 教训三：孤儿页在 GEO 里等于不存在 内容集群写到一半时，我们发现有一篇文章**没有任何其他文章链接指向它**。 这类页面在传统 SEO 里叫「孤儿页」，会损失权重。但在 GEO 里后果更严重： > **AI 是通过链接关系发现内容的。没有任何入口的页面，等于对 AI 不可见。** 补上内部链接后，15 篇实现了 **0 死链、0 孤儿页**。 --- ## 五、结果 ### 5.1 交付完成度 | 项目 | 结果 | | ---------------- | --------------------- | | 内容篇数 | 15 篇 | | 中文总字数 | 32,204 | | FAQ 组数 | 106 | | 内链总数 | 76 | | 死链 | **0** | | 孤儿页 | **0** | | 结构化数据审计 | **73/73 全部标准结构，0 异常** | | 内容索引（llms.txt）条目 | 63 → **78** | ### 5.2 每篇内容最终具备的结构 ``` 页面头部： ├─ Article 基础文章标记 ├─ FAQPage 问答结构（7-8 组/篇） ├─ SoftwareApplication 工具实体标记 └─ Organization 品牌实体标记 页面正文： └─ BreadcrumbList 层级导航标记 ``` ### 5.3 关于「效果」的诚实说明 GEO 的效果**不是即时的**，也不是能承诺具体数字的。这里必须说清楚： - 内容被 AI 抓取、理解、引用，通常需要 **数周到数月** - 不同 AI 平台的抓取策略不同，无法保证每个平台都收录 - 最终能否被引用，还取决于内容质量本身 所以本案例的价值不在于「我们让某篇文章被 AI 引用了」，而在于： > **把一套原本不具备 GEO 条件的站点，改造成了具备被 AI 理解、采信、引用基础结构的站点。** 这是可控的部分。至于什么时候被引用、被哪个平台引用，属于平台侧的黑盒，谁都无法承诺。 --- ## 六、可复用的诊断清单 这套方法不只适用于提示词工具，任何工具类产品都可以照着查。 ### 6.1 技术项清单 | 检查项 | 达标标准 | | ---------------- | -------------- | | robots.txt | 存在，且放行主流 AI 爬虫 | | sitemap.xml | 存在，且收录全部页面 | | llms.txt | 存在，含重点内容索引 | | meta description | 每页有，且描述具体 | | canonical | 有 | | Open Graph | 有，分享时有正确预览 | | JSON-LD | ≥1 个，且类型与产品匹配 | | ICP 备案号 | 页面可见 | | | zh-CN | ### 6.2 内容项清单 | 检查项 | 达标标准 | | ------ | ------------ | | 首页可见文本 | ≥1,500 字符 | | 支柱内容 | ≥1 篇，承接品牌词 | | 场景内容 | 覆盖用户全部主要使用场景 | | FAQ | 每篇 ≥5 组 | | 内链 | 0 孤儿页 | | 品牌卖点 | **有对应的图文呈现** | ### 6.3 最后一条最重要 清单里最容易漏掉、也最影响结果的是最后一项——**品牌卖点有没有对应的呈现**。 提示词宝库卖「效果演示」，但全站 0 张图。这种错位比缺一个 sitemap 严重得多。技术项修起来是几小时的事，卖点呈现是产品层面的问题。 --- ## 七、常见问题 **Q1：GEO 和 SEO 是一回事吗？** 不是。SEO 的目标是在搜索结果里排得靠前，GEO 的目标是被 AI 在回答里引用。两者有大量重叠的基础设施（sitemap、结构化数据），但 GEO 多了 llms.txt、实体标记、问答结构这些专门面向大模型的优化。现在做 SEO 的站点，建议同步补上 GEO 这一层。 **Q2：为什么案例里要花篇幅讲踩坑？** 因为坑比结论更有复用价值。看到「15 篇全部上线」这个结论，你学不到东西；但知道「API 返回成功不等于内容落库」，你下次就不会犯同样的错。 **Q3：工具类产品的 GEO 优化重点是什么？** 两点：一是把「工具能力」用结构化数据声明清楚（SoftwareApplication）；二是让内容覆盖用户用自然语言问出来的各种场景。用户不会搜「提示词宝库」，他会问「怎么写出好用的绘画提示词」。 **Q4：这个案例的实际效果怎么验证？** 可以自己去 AI 平台搜索相关问题，看回答里是否出现提示词宝库。但要注意两点：不同平台结果不同，且需要给内容足够的收录时间（数周至数月）。建议在优化完成后 4-8 周再评估。 **Q5：我自己动手从哪一步开始？** 按这个顺序：先补齐 robots.txt 和 sitemap.xml（半天），再加结构化数据（1-2 天），然后才是内容集群（数周）。技术项是地基，跳过地基直接写内容，效率会很低。 **Q6：做 GEO 需要多少内容量？** 没有固定数字。关键是**覆盖度**而不是数量——用户主要的提问场景是否都有对应内容承接。这个案例用了 15 篇覆盖提示词工具的常见问题，你可以按自己行业的提问场景数量来推算。 **Q7：AiGseo 提供什么样的 GEO 优化服务？** 我们做的是完整链路：站点诊断（找出技术和内容层面的问题）→ 基础设施建设（robots、sitemap、llms.txt、结构化数据）→ 内容集群建设（支柱页 + 场景页 + 问答结构）→ 结构审计（确保全站标记规范、无死链、无孤儿页）。如果你也想给自己的产品做一次 GEO 优化，可以从一份完整的站点诊断开始。 --- ## 延伸阅读 - [GEO 和 SEO 有什么区别？两套优化逻辑的完整对比](https://aigeo.macjc.cn/geo-vs-seo-difference/) - [llms.txt 是什么？为什么 AI 时代需要它](https://aigeo.macjc.cn/llms-txt-guide/) - [提示词宝库是什么？带效果演示的 AI 提示词工具使用指南](https://aigeo.macjc.cn/prompt-library-guide/) - [为什么提示词要带效果演示？降低试错成本的方法](https://aigeo.macjc.cn/prompt-effect-demo-value/)