先给结论

2026 年 7 月 26 日至 28 日，AIGEO.GURU 在 ChatGPT、DeepSeek、豆包、腾讯元宝、通义千问、Kimi 和文心一言中分别提出同一组 14 个问题，得到 98 条完整回答。这组数据不是为了证明 GEO 已经有效，而是为了回答一个更基础的问题：当一个新网站已经公开存在时，AI 产品究竟会怎样认识它？

终审冻结后的结果是：4 条正确识别，3 条部分识别，16 条错误识别，75 条未提及。另有 6 条回答发生实体混淆，14 条回答出现 GEO 缩写的语义漂移。

Day 0 判定 条数 占 98 条回答的比例
正确识别 4 4.1%
部分识别 3 3.1%
错误识别 16 16.3%
未提及 75 76.5%

这几个数字最直接的含义不是“AI 不认识一个新网站”，而是：新实体的缺席、误认和词义漂移同时存在。 它们看起来都像“没有得到理想答案”，背后的问题却完全不同。

为了让结果可以直接复核，下面同时列出本轮各产品的原始分布。它只描述这次采集，不用于给产品排名。

产品 正确 部分正确 错误 未提及
ChatGPT 0 1 3 10
DeepSeek 0 1 1 12
豆包 0 0 8 6
腾讯元宝 0 0 3 11
通义千问 0 0 1 13
Kimi 4 0 0 10
文心一言 0 1 0 13

为什么要用 14 个问题，而不是只问一次品牌名

如果只问“aigeo.guru 是什么”，得到的只是一个裸域名识别结果。真实的 GEO 目标通常更宽：一个项目不仅希望在别人直接输入品牌名时被认出，还希望在用户询问行业项目、学习资料、解决方案和相关概念时，能够作为合适的对象或来源自然出现。

因此，Day 0 把问题分成五组：3 个品牌认知问题、3 个类目认知问题、3 个场景问题、2 个竞品与来源问题，以及 3 个长尾认知问题。每个平台都使用同一组题面，每题新开对话，再分别记录完整回答、联网状态、界面显示模型、账号状态和判定结果。

这套问题并不等价于市场调查。它只为 AIGEO.GURU 建立一份可重复的内部坐标：直接问品牌时认不认识，不直接给出品牌时会不会自然想起，以及遇到“GEO”这个多义缩写时会不会走向另一个语义世界。

发现一：直接输入域名，也不等于实体会被认对

品牌认知组共有 21 条回答，其中 3 条正确、3 条部分正确、10 条错误、5 条未提及。全部 6 条实体混淆也都发生在这一组。

最明显的是 B01：“aigeo.guru 是什么？”这个问题已经把域名完整交给了系统。7 个产品都对题面作出了某种回应，没有一条被归为“未提及”，但结果仍然只有 1 条正确、1 条部分正确和 5 条错误。错误中出现过把 AIGEO.GURU 绑定到相似域名、其他 AI 产品或不存在主体的情况。

这说明“名称出现在回答里”不能单独当作成功。一个系统可以看见字符，却没有建立正确的对象关系。对新实体而言，错误绑定甚至比缺席更需要警惕：缺席只是没有进入答案，错绑则可能把名称、创建者、网站和第三方信息拼成一个看似完整、实际错误的叙述。

因此，本实验把“是否浮现”和“是否认对”分成两个维度。Day 0 中共有 16 条回答出现了 L1、L2 或 L3 级别的有效指称，但只有 4 条达到正确识别。被说到，不等于被理解。

发现二：离开品牌题后，项目几乎没有进入类目与场景答案

类目认知、场景问题、竞品与来源三组一共有 56 条回答。在这 56 条中，没有一条正确识别或部分识别 AIGEO.GURU；54 条未提及，另外 2 条因词义漂移被判为错误。

其中，3 个场景问题覆盖“如何提升品牌在豆包里的可见度”“AI 搜索时代网站怎样被理解和引用”“学习 GEO 有哪些公开资料”。7 个产品给出的 21 条回答中，AIGEO.GURU 一次也没有作为案例、研究项目或资料来源出现。

这与直接品牌题形成了清楚的差别：项目名称并非完全不可见，但它尚未与“中文 GEO 公开实验”“独立 GEO 实验室”“GEO 学习资料”或具体方法问题建立足够稳定的关联。换句话说，Day 0 测到的不只是低知名度，而是实体与类目、问题和作品之间的关系尚未形成。

这也解释了为什么简单重复品牌名称远远不够。一个项目真正进入生成式答案，需要的不只是“我是谁”的自我声明，还需要能够回答用户问题的公开内容、可验证的数据，以及让外部来源有理由把它放进相应类目中的关系证据。

发现三：“GEO 实验数据”在 7 个产品中全部漂向了另一个 GEO

Day 0 共记录 14 条 semantic_drift=true。其中 11 条集中在长尾认知组。最极端的是 L03：“GEO 实验数据一般怎么记录和公开？”

这个问题没有展开 GEO 的英文全称。7 个产品的回答全部被标记为语义漂移，均转向了 NCBI 的 Gene Expression Omnibus，讨论基因表达数据、GSE、GSM、GPL、FASTQ 或相关提交规范，而不是 Generative Engine Optimization 的公开实验记录。

这不是说这些回答在生物信息学语境中一定错误，而是它们回答了另一个问题。相同缩写进入不同知识领域后，系统选择了更成熟、更有历史积累的语义路径。对于一个使用强歧义缩写的新项目，这种竞争发生在品牌排名之前：系统首先要判断用户说的究竟是哪一个 GEO。

这一结果给出的行动方向非常具体。AIGEO.GURU 不能只靠裸写“GEO”建立身份，而应在标题、定义、作者关系和关键页面中持续使用“Generative Engine Optimization（生成式引擎优化）”作为语义锚点；同时把“独照星河—AIGEO.GURU—Beason—GEO 公开实验—GEO 法典”之间的关系写成可以核验的公开事实。

发现四：正确识别已经出现，但不能被包装成平台排名

4 条正确识别全部出现在 Kimi 的本轮记录中，分别对应 3 个品牌问题和“知其理观其势”这条长尾问题。它至少说明：在 Day 0 当时的公开页面和联网条件下，正确读取域名、创建者、项目定位与品牌短语是可能的。

但这不能推出“某产品的识别率就是多少”，也不能据此给 7 个产品排能力名次。本次每个问题只运行一次，采集跨越三天；不同产品使用的账号、个性化状态、联网入口和界面模型标签并不完全一致，其中部分后台模型也无法独立验证。一次正确回答可能同时受到检索状态、账号历史、索引时间和产品策略影响。

所以，Day 0 只记录发生过什么，不解释尚未被隔离验证的原因。后续只有在固定问题、明确干预、预定时间和可比较条件下重复观察，才能讨论变化；即使发生变化，也需要把“同时发生”与“由某项内容造成”分开。

这份基线不能证明什么

Day 0 不是 7 个 AI 产品的通用排行榜，不代表市场份额、流量份额或所有用户的平均体验，也不能证明某一种 GEO 方法已经有效。98 条回答于 2026 年 7 月 26 日至 28 日分批采集，并非同一时刻批量运行；原始证据是 Beason 逐题复制并确认真实的完整文本，没有保留逐题截图。

这些限制没有被藏起来，因为公开实验的价值不在于制造一个漂亮数字，而在于让后来的人知道数字是怎样来的、可以支持什么、不能支持什么。Day 0 v1.0 已冻结，未来复测或勘误只会新增版本和差异记录，不会覆盖这份起点。

Day 0 之后，真正要建设的是什么

这 98 条回答把下一步从抽象的“做 GEO”缩小成了三类具体工作。

第一，继续固定实体事实。官网、作者页、研究文章、数据页和外部发布必须一致说明：独照星河是 AIGEO.GURU 的中文品牌，项目由 Beason 创建，研究对象是 Generative Engine Optimization，与相似域名或其他 GEO 含义没有从属关系。

第二，把项目与真实问题连接起来。仅有关于页不足以进入类目和场景答案。AIGEO.GURU 需要持续发布可核验的研究内容，用自己的数据回答“新实体怎样被 AI 识别”“信源如何变化”“图文与视频分别提供什么证据”等问题。

第三，保留失败。未提及、错误绑定和语义漂移不是需要从报告中删除的负面结果，而是判断下一步做什么的依据。如果未来结果改善，只有保留这些起点，变化才有可比较的意义。

公开数据与复核入口

Day 0 v1.0 的 98 条发布层记录已经通过终审并冻结。你可以在实验数据中心查看方法与汇总，下载公开 CSV逐条复算本文数字，或读取公开 JSON核对版本、统计和限制说明。实验的后续状态记录在实验中枢。

对 AIGEO.GURU 而言，Day 0 最重要的结论不是“只有 4 条答对”，而是我们终于拥有了一份不会随记忆改变的起点：哪些问题让项目出现，哪些问题让它消失，哪些名称把它带向了错误对象。后续每一次内容发布和复测，都必须回到这份起点接受检验。