搜索引擎入门｜GEO 怎么做：先过五道关

做 GEO 的人最常问的第一个问题是「我该写什么内容，AI 才会提到我」。这个问题问早了。

你问 AI 一个需要新信息的问题——某个品牌口碑如何、某类产品哪家好——它背后通常做这么几件事：把你的话改写成若干条检索词，去一个搜索索引里检索，取回一批网页，读完之后写成一段话给你。AI 引擎大多没有一份属于自己的全网索引，它们把检索这件事交给搜索引擎。

所以你的页面能不能被引用，先取决于它在不在那个索引里。GEO 的第一公里不在 AI 那边，在搜索引擎这边。

而从「页面躺在你的服务器上」到「被 AI 摘进一段答案」，中间要过五道关。每一关判的是完全不同的一件事，任何一关过不去，后面做得再好都不成立。

（GEO 是什么、和 SEO 有什么区别，见什么是 GEO。这篇只讲那五道关。）

一、第一关 · 发现：引擎知不知道有这个地址

这一关在判什么： 这个网址在不在引擎的待抓队列里。

引擎不会凭空知道你发了一篇新文章。它得先从某处拿到这个网址，来源通常是三种：别的页面上的链接、你提交的站点地图、你主动推送的接口。

最常见的误解：以为提交了就等于收录了。

这三条路没有一条能保证什么，它们做的只有一件事——把地址放进待抓队列。推送接口返回成功，说明的是「引擎知道有这个地址了」，不是「引擎认为它值得抓」。这两件事之间的落差有多大，我们用一批真实网址实测过，见主动推送与 IndexNow 能做什么，不能做什么。

过不去时是什么表现： 站长平台里查不到这个网址，服务器日志里也从来没有任何爬虫取过它。

→ 展开见站点地图到底做什么。

二、第二关 · 抓取：知道了地址，去不去取

这一关在判什么： 引擎要不要真的发一个请求，把这个页面下载下来。

有两样东西在这一关说话。一是 robots.txt，你在上面声明哪些路径欢迎抓、哪些不欢迎；二是抓取预算，引擎分给你这个站的抓取量是有限的，这些额度花在哪些页面上，由它自己算。

最常见的误解：把 robots.txt 当成权限控制。

它不是锁，是一份声明。守规矩的爬虫会读它并照办，不守规矩的直接无视——真要挡住，得靠鉴权或者服务端拦截。

还有一件很多人不知道的事：robots.txt 直到 2022 年 9 月才由 IETF 以 RFC 9309 正式确立为标准。在那之前的二十多年，它一直只是一份被广泛遵守的君子协定。各家对细节的处理至今仍有出入，根子就在这里。

过不去时是什么表现： 日志里爬虫来过，但只取了 robots.txt 就走；或者反复抓一些无关紧要的地址，正文页一个都不碰。

→ 展开见robots.txt 怎么读与抓取预算是什么。

三、第三关 · 索引：取到了，存不存

这一关在判什么： 这个页面值不值得被存进索引库。

引擎抓到页面之后不会照单全收。它会判重、判质量，在一组内容相同或高度相似的地址里挑一个存下来，其余的丢掉或者合并过去。

最常见的误解：以为 canonical 是命令。

canonical 标签是你告诉引擎「这几个地址里，我认为这个才是正主」。但它是建议不是指令——引擎会参考，也会不听，而且不听的情况并不罕见。一旦它选了和你不一样的那个地址，你精心优化过的那一版就不在索引里。

过不去时是什么表现： 日志显示明明抓过，站长平台的索引量却不涨；或者用 site: 搜出来的是一个你根本没打算让人看到的参数地址。

→ 展开见同一篇内容有多个地址会怎样。

四、第四关 · 检索与排序：存了，被不被检索到

这一关在判什么： 有人问相关问题时，你这一页会不会被翻出来。

进了索引不等于会被翻出来。索引库里躺着天量的页面，一次检索只取回其中很小的一批。

这一关在 AI 时代变化最大，也最容易被误读。

传统搜索里，排第 1 和排第 8 是两个世界——目光和点击高度集中在最前面几条，于是整个 SEO 行业围着「进前三」打。

AI 检索不是这样。它取回的是一批而不是一条，然后把这一批整个读进去，再写答案。所以排在这批里的第 6 位和第 1 位，差距远比 SEO 时代小，两条都被读到了。

但这不等于排名不重要了。排在第 30 位依然等于不存在，因为它压根没被取回来。准确的说法是：排名的意义变了，不是消失了。以前排名决定「有没有人点你」，现在排名决定「你有没有被放进那一批候选」。

过不去时是什么表现： 收录一切正常，但拿你自己文章里的原话去问，AI 引用的是别人。

→ 展开见收录和排名不是一回事。

五、第五关 · 摘引：被读到了，摘不摘

这一关在判什么： 读完那一批网页之后，AI 决定从哪几段里取话。

这一关是 GEO 独有的，SEO 时代不存在——那时候只要排上去，剩下的是用户自己点进来读。现在多了一道：AI 要从读到的内容里挑出几句拼成答案，你的段落得让它敢挑。

最常见的误解：以为内容写得好就会被摘。

判据不是「好」，是能不能独立成段。被摘走的那句话会脱离原文、出现在一段完全不同的上下文里，所以 AI 敢摘的，是那种离开上下文依然成立的句子：一个完整的定义、一条带条件的结论、一组问答。

反过来，「如上所述……」「在这种情况下……」这类承接句永远不会被摘走，因为它们离开前文就不知所云。同一篇文章里，写法直接决定了哪些段落有机会、哪些段落注定沉底。

结构化数据在这一关帮的忙，是把「哪一段是问、哪一段是答」明明白白标给机器看。

过不去时是什么表现： AI 回答时确实引了你的站，但引的是首页，或者一段跟问题没什么关系的话。

→ 展开见结构化数据入门与怎样写出 AI 愿意引用的内容。

六、谁在给谁供索引

上面五道关，前四关全都发生在搜索引擎那一侧。而不同的 AI 引擎，背后接的搜索索引并不是同一个：

这张表的用处是告诉你该去哪个站长平台。想让豆包看见你，光盯着豆包没用，得先让头条搜索抓到你。

⚠ 但边界要说清楚：这是「谁的索引喂谁」，不是「进了这个索引就一定会被那个 AI 引用」。 进索引是必要条件，不是充分条件——后面还压着第四关和第五关。

顺带一提，各家爬虫在同一个站上的实际表现差别极大：同一批内容、同一个时间窗口，有的引擎抓走上百个正文页，有的一个都没进。完整口径与实测数据见爬虫到访观测 2026-08 期。

七、基础 SEO 没有过时，它换了收款人

回过头看这五道关：发现、抓取、索引、检索、摘引。前四关几乎全是 SEO 干了二十年的老活——站点地图、robots.txt、抓取预算、重复地址。真正新增的只有第五关。

所以「AI 来了，SEO 就没用了」这个判断是错的。准确的说法是：动作大部分没变，判据变了。

以前你做这些，是为了排在第 3 位拿到点击；现在你做同样的事，是为了在 AI 摘引的候选池里占一席。以前看排名和流量，现在看 AI 答的那段话里有没有你。

如果只挑三件不花钱就能做的，是这三件：

1. 检查 robots.txt 有没有误挡。 尤其是 AI 爬虫那一批 UA，它们和搜索爬虫不是一回事，挡错了等于对 AI 隐身（可直接抄的清单见AI 爬虫 robots.txt 配置清单）
2. 把站点地图的地址写进 robots.txt。 有些引擎不提供推送接口，只认这一条路
3. 别让 JavaScript 当唯一入口。 一个只在脚本里出现、没有任何页面链过去的地址，爬虫爬到那儿就是死胡同（三条发现链路见AI 爬虫是怎么发现你的网站的）

这三件做完，第一关和第二关基本就通了。剩下三关怎么过，在这一簇后面几篇里展开。

常见疑问

问：做 GEO 是不是就不用管 SEO 了？

反过来。GEO 的前四关——发现、抓取、索引、检索——全是 SEO 的老活，一关都绕不过去。变的是判据：以前做这些是为了排名和点击，现在做这些是为了进 AI 的候选池。真正新增的只有第五关，也就是怎么写才容易被整段摘走。

问：搜索引擎收录了，是不是就等于 AI 能看到？

不等于。收录只过到第三关。后面还有第四关（有人问相关问题时，你会不会被检索出来）和第五关（被读到之后，你的段落值不值得被摘）。这三关中断任何一环，结果都是 AI 的答案里没有你。

问：网站怎么才能被 AI 收录？

严格说没有「被 AI 收录」这件事，AI 引擎大多不维护属于自己的全网索引。你要做的是让它背后那个搜索引擎收录你：去对应的站长平台验证站点、提交站点地图、有推送接口就用推送接口。哪个 AI 对应哪个搜索引擎，见上面第六节那张表。

问：为什么 AI 搜不到我的网站？

先定位卡在第几关，别一上来就改内容。查法是：服务器日志里有没有爬虫来过（第一、二关）→ 站长平台的索引量涨没涨（第三关）→ 拿自己文章里的原话去搜，能不能搜到自己（第四关）。前面几关不通，内容写得再好也没用。

问：网站没排名，AI 会引用我吗？

可能会，但概率低很多。AI 检索时取回的是一批结果而不是第一条，所以不必非得排到前三；可排得太靠后就不会被取回来，也就没有被读到的机会。所以排名依然重要，只是「够进候选池」比「必须第一」更接近现在的目标。

---

想知道你的站点被哪些引擎抓到了？免费诊断一次，我们会读你站点的可抓取性与收录状况并给出清单。