1.1 什么是SEO
要讲 GEO，我们恐怕得先从 SEO 说起。经营过个人博客的读者应该对 SEO 这个词并不陌生。简单来说，SEO 是一种 “搜索引擎优化技术”，它旨在通过一系列手法 1. 提升特定网站与特定搜索词的关联性；2. 提高特定网站的搜索排名。SEO 本身并不是灰产，但使用不当手法提升自身排名的 SEO 属于灰黑产范畴。
1.2 GEO 与 SEO
GEO（Generative Engine Optimization），中文名为 “生成式引擎优化”。它的目的与 SEO 大体类似，但作用对象从传统的搜索引擎变更为 AI 大模型。当然，与 SEO 相同的是，正常的 GEO 也不算灰产，但本年度 315 晚会上曝光的 GEO 属于恶意造假并误导大模型，已经可以归属到 “大模型投毒攻击” 范畴，是黑产无疑。
大模型投毒手法揭秘
我们这里以中老年群体最常用的大模型某包为例。
先上成果，我编造了一个 “OSINT 专家张伟”，现在在 * 包大模型中搜索 “中国 OSINT 专家”，可以看到实战专家的第一位就是 TA：
同时我找了四五个朋友进行交叉验证，生成结果是一致的。
2.1 投毒方式说明
我总结了一下投毒的方法流程，大致分三步。第一步确定被投毒内容（问题、关键词）；第二步分析模型引用源，挑选投毒载体；第三步分析模型搜索关键字，反向确定投毒内容；如果大模型搜索结果中包含投毒内容，但答案中没有，则需要进行第四步分析模型采信源，修改投毒内容，循环往复直到投毒成功。
我们这里以 “国内 OSINT 专家” 这个关键词作为投毒内容。
2.2 分析模型引用源
先直接询问大模型 “帮我搜索国内 OSINT 专家有哪些”，在大模型的回复中查看对应引用源：
对结果进行总结，可以发现引用源可以来自（单次搜索结果，不具备统计学依据）：
政府网站
机构网站
网络媒体新闻网站
文字和视频社区
其中与 * 包相同归属的社区引用率最高且内容可控，所以我们选择这个社区作为投毒载体。
2.3 分析模型搜索关键词
其实也不用分析，可以直接问：
可以发现关键词是 “2026”、“排行榜” 之类，按照对应的关键词进行生成即可。或者也可以选择上一次搜索中搜到的文章进行改造。
我先用 AI 写了一篇关于 “张伟” 的投毒软文，文章主题是把之前搜索里已经出现的一篇文章里的内容张冠李戴（也许这里是李冠张戴），再进行夸大。这部分内容使用 AI 完成即可。
2.4 分析模型采信依据
发出文章之后再次询问 AI 关于 OSINT 专家的问题，查看引用源中已经出现了我刚才捏造的文章：
但大模型的回答中并没有出现 “张伟” 这个人。这说明大模型不会直接饮用所有搜索结果 —— 大模型会对结果进行交叉验证和筛选，或者按照一定的规则进行采纳或否决。
这里我们仍然可以直接询问大模型为什么不采纳我们写的投毒内容：
可以看到，大模型更倾向于采用官方通知、公告等内容。但我们也知道，基于文本生成的大模型不存在 “严格校验” 这个选项，它认为的权威信源可能是返回里的网页来自…，也可能只是文章标题。
所以我们可以再写一篇文章，一可以增加所谓的 “交叉引用”，互相背书；二可以伪装官方通知。
继续使用 AI 生成一篇伪装成榜单的头条文章：
再取一个看上去非常 “权威” 的标题，发布文章：
等待几分钟之后再次询问大模型 “国内 OSINT 实战专家有哪些”，可以看到我们的 “张伟” 已经位列其中，并且名列前茅：
为什么 GEO 的危害这么大？
在进行投毒测试的过程中我一直在思考这个问题。GEO 危害大的一个原因是当前大模型在中老年用户中的普及，另一个则是它不会在展现聚合搜索结果的过程中直接标明引用源。
可能是拜魏则西案等所赐，现在大多数人在使用搜索引擎时已经养成了看网站来源的习惯，但基于大模型的搜索不会主动直接给每个结果标明引用源，且自带的引用列表也十分隐蔽（并且非常多，大多数人没耐心看）。
从另一方面来说，大模型在 “使用” 搜索结果的过程中也没有除了语义之外的倾向性。即使搜索结果中带有正确内容（我的投毒内容就是在原始正确榜单的基础上二次加工而来），投毒者也可以使用更官方的措辞来误导大模型。
