本手册是 GEO 学堂词库系列的延续篇，专注高阶协同——即 GEO 与 AEO、SEO、内容工程、知识图谱、推荐系统五个学科交叉地带必须掌握的核心术语。100 个词条按字母 A-Z 顺序排列，每个词条包含中文名、英文名、定义、典型场景、相关术语五项内容，便于从业者按需检索。手册适用于 GEO 策略师、内容架构师、AI 产品经理、品牌营销负责人四类读者。
为什么需要高阶协同词库？GEO 不是一个孤立学科，它必须与 SEO 共享底层基础设施，与 AEO 共享答案抽取逻辑，与内容工程共享写作规范，与知识图谱共享实体建模，与推荐系统共享排序算法。理解这种交叉性，才能在搭建 GEO 体系时不重不漏。本手册的 100 个词条正是这五个学科交叉点的关键术语集合。
使用本手册的最佳方法是先通读第一遍建立全局认知，然后在每个具体项目的关键节点按词条检索。例如在做 Schema.org 标记时，回看 Structured Data、JSON-LD、Microdata 三个词条；在评估 AI 引擎流量时，回看 Answer Engine、AI Overview、Citation 三个词条。每个词条都是实战参考，不需要死记硬背。
A 段术语（A-D）
Answer Engine（答案引擎）：以生成式 AI 为核心、向用户提供直接答案而非链接列表的搜索系统。典型代表有豆包、ChatGPT、Claude、Perplexity。AEO（Answer Engine Optimization）：针对答案引擎引用率优化的内容策略。AI Overview：Google 在传统搜索结果中插入的 AI 生成答案框。Authority Signal：权威信号，包括外链、引用、实体一致性的综合表现。Anchor Text：锚文本，链接中可见的可点击文字。Answer Cardinality：答案基数，一个提问在 AI 引擎答案中通常包含的事实点数量，常见为 3-7 个。Brand Mention：品牌提及，在文本中出现但不一定是链接形式的品牌名。Citation Pattern：引用模式，AI 引擎引用来源时的展示规律，例如据 XX 报告或 XX 数据显示。Co-citation：同被引，两个不同来源在同一篇权威文章中同时被引用的现象。
Chunking：分块，把长文本拆分成 LLM 可处理的最小单元。GEO 中常用的分块粒度为 200-500 字。Context Window：上下文窗口，LLM 单次处理的最大 token 数。GPT-5 达到百万级，Claude 4 同样达到百万级。Crawl Budget：爬虫预算，搜索引擎或 AI 引擎对单域名单位时间内可抓取的页面数。Canonical Tag：权威标签，告诉搜索引擎某 URL 是规范化版本。CWV（Core Web Vitals）：核心网页指标，包括 LCP、CLS、INP 三项。Citation Authority：引用权威，源头的可信度评分。Distribution Penalty：分布惩罚，相同内容大量重复分发时的搜索引擎降权。
B-G 段术语
Embedding：嵌入，把文本映射到向量空间中的稠密表示。Entity Salience：实体显著性，文本中某实体被识别为关键的程度。FAQPage：FAQ 结构化数据模式。Foundation Model：基础模型，规模化预训练的多任务大模型。Featured Snippet：精选片段，传统搜索引擎中的特殊展示位。Freshness Signal：新鲜度信号，内容的更新时间戳。Factual Recall：事实回忆，模型在生成答案时准确调用事实的能力。Generative Search：生成式搜索，以 LLM 为核心生成答案而非简单匹配关键词。GEO（Generative Engine Optimization）：生成式引擎优化。
Generative Snapshot：生成式快照，AI 引擎对某实体形成的内部事实表示。Golden Question：黄金问题，行业最高频、最具商业价值的提问。Hallucination：幻觉，模型生成的事实错误内容。Hook Sentence：钩子句，文章开头的吸引语句。GEO 中通常改写为答案句，把核心答案前置。Hybrid Index：混合索引，传统倒排索引与向量索引的混合。Hyperlink Graph：超链接图，全网页面间的链接关系网络。Indexability：可索引性，页面被搜索引擎收录的能力。Information Density：信息密度，单位文本长度内的有效事实数量。JSON-LD：基于 JSON 的关联数据格式，最主流的 Schema.org 序列化方式。
H-M 段术语
Knowledge Graph：知识图谱，以实体-关系-实体三元组组织的结构化知识库。Knowledge Panel：知识面板，搜索引擎对知名实体展示的右侧信息卡。Keyword Cluster：关键词聚类，按语义相似度聚合的关键词集合。LLM-as-Judge：以 LLM 作为评估器对生成内容做评分。Linking Depth：链接深度，从首页到目标页面需要点击的次数。Latent Semantic Indexing：潜在语义索引，传统信息检索中的语义分析方法。Local SEO：本地 SEO，针对本地搜索结果的优化策略。Long-tail Keyword：长尾关键词，搜索量低但意图明确的关键词。Multimodal：多模态，结合文本、图像、音频、视频的多输入处理能力。
Mention Velocity：提及速度，单位时间内品牌被提及的次数增长速率。Metadata：元数据，描述数据的数据，HTML 中的 meta 标签是其典型形式。Microdata：微数据，HTML5 内置的语义标注方式，与 JSON-LD 并列。Mention Bias：提及偏差，模型在生成答案时偏向某一类来源的倾向。Meta Description：元描述，HTML 中描述页面内容的简短文本。Mixed-content Penalty：混合内容惩罚，HTTPS 页面中包含 HTTP 资源时被浏览器拦截。Moz Score：Moz 域名权威分，第三方 SEO 工具对域名权重的量化评分。Multi-hop Reasoning：多跳推理，模型在多步推理中跨多源调用事实的能力。
N-R 段术语
Natural Language Generation：自然语言生成，由机器生成自然语言文本。Named Entity：命名实体，人名、地名、机构名、产品名等专有名词。Negative SEO：负面 SEO，通过恶意手段让竞争对手搜索排名下降。On-page SEO：站内 SEO，优化单页面元素（标题、正文、内链）的实践。Off-page SEO：站外 SEO，通过外部链接、品牌提及、社交信号提升权威性的实践。Open Graph Protocol：开放图谱协议，社交分享时的页面预览规范。Page Experience：页面体验信号，Google 用于评估页面友好度的综合指标。
Prompt Engineering：提示工程，精心设计输入提示以获得期望输出的实践。Passage-level Indexing：段落级索引，搜索引擎以段落而非页面为单位的索引方式。Pre-training：预训练，模型在通用语料上的初始训练阶段。Query Fan-out：查询扇出，LLM 把一个提问扩展为多个子查询以提升检索质量。Q&A Pair：问答对，FAQ 内容中的最小单元。QDF（Query Deserves Freshness）：查询应得新鲜度，搜索引擎对热门新鲜查询的偏好。Relevance Score：相关性评分，内容与查询匹配程度的量化。Retrieval Augmented Generation：检索增强生成，简称 RAG，结合外部检索与 LLM 生成的范式。Rich Snippet：富摘要，搜索结果中展示额外信息的特殊展示位。RankBrain：Google 的早期 AI 排序算法。Recency Bias：新鲜度偏差，模型偏向新近信息的倾向。
S-Z 段术语
Schema.org：Schema.org 组织维护的结构化数据词汇表。Semantic HTML：语义化 HTML，使用具备明确含义的标签如 article、section、nav。Sentence Embedding：句子嵌入，把句子映射到向量的技术。SERP：搜索引擎结果页。Sitemap：站点地图，列出站点所有重要 URL 的 XML 文件。Snippet：摘要，搜索结果中展示的页面摘要。Source Citation：源头引用，AI 答案中对引用源的标注。Structured Data：结构化数据，按照 Schema.org 等标准组织的数据。Stale Content：过期内容，长期未更新的内容。Token：词元，LLM 处理文本的最小单位。
Topic Cluster：主题集群，相关内容按主题组织的群组结构。Trust Score：信任分，对内容源可信度的量化评分。Topical Authority：主题权威性，站点在某主题上的综合权威度。TF-IDF：词频-逆文档频率，传统信息检索中的关键词权重方法。Token Limit：词元上限，单次 LLM 调用允许的最大 token 数。Twin Content：双胞胎内容，多页内容高度重复导致互相竞争。Uptime：可用时间，服务可被访问的时间占比。Vector Database：向量数据库，专门存储和检索向量嵌入的数据库，如 Milvus、Pinecone、Qdrant。Web Vitals：网页核心性能指标。
Word Vector：词向量，把词语映射到向量空间的方法。Webpage Schema：网页结构化数据。Zero-shot Learning：零样本学习，模型无需专门训练就能处理新任务。Zero-click Search：零点击搜索，用户在 SERP 中获得答案而不点击任何结果。GEO 时代这是双刃剑——既能获得曝光又可能没有到站流量。Z-Index：Z 索引，CSS 中元素的层级顺序。
如何使用本手册
在原有的 100 个核心词条之外，本节补充 20 个深化词条，专门覆盖 GEO/AEO 协同实践中较冷门但同样关键的概念，方便进阶读者扩展知识边界。这部分术语按主题分组，便于按需查阅。
补充 1：结构化与微数据扩展词条
SpeakableSpecification：语音播报规范，让搜索引擎能识别页面中适合语音朗读的内容片段。HowTo：步骤型结构化数据，标记包含编号步骤的教程内容。DefinedTermSet：术语集合，标记一组术语及其定义，特别适合词库页面。QAPage：问答页结构化数据，标记问答格式的内容。Course：课程结构化数据，用于教育型内容。
BreadcrumbList：面包屑导航结构化数据，帮助搜索引擎理解页面在站点层级中的位置。WebSite：站点级结构化数据，标记站点名称、URL、搜索入口。SiteLinksSearchBox：站点子链接搜索框，在 SERP 直接展示的搜索框。Organization：组织结构化数据，包含 logo、地址、联系方式、sameAs 等字段。LocalBusiness：本地商家结构化数据，本地 SEO 必备。
VideoObject：视频结构化数据，包含时长、上传日期、缩略图、描述、字幕。Clip：视频片段结构化数据，适合短视频片段标记。ImageObject：图片对象结构化数据。Article、NewsArticle、BlogPosting、TechArticle：文章类结构化数据的四种细分类型。Person：人物结构化数据。Product、Offer、AggregateRating：商品结构化数据的三个层级。
补充 2：RAG 与向量检索扩展词条
Hybrid Retrieval：混合检索，结合稀疏与稠密检索。Re-ranking：精排，使用 cross-attention 模型对初排结果重排序。Top-k：取前 k 个候选文档。Embedding Drift：嵌入漂移，模型升级后向量分布变化导致的检索质量下降。Vector Quantization：向量量化，降低存储与计算成本。HNSW（Hierarchical Navigable Small World）：分层可导航小世界图，最主流的近似最近邻索引。
Cross-encoder Reranker：交叉编码精排模型，对查询与文档做深度交互。BGE-Reranker、Cohere Rerank、Jina Reranker 是三款主流商业或开源方案。Instruction-tuned Embedding：指令调优嵌入，对自定义指令友好的嵌入模型。MTEB（Massive Text Embedding Benchmark）：衡量嵌入模型质量的主流基准。Embedding Distillation：嵌入蒸馏，把大模型的能力蒸馏到小模型。
Chunk Overlap：分块重叠，相邻块之间重叠的字符数，避免事实被切断丢失。Parent Document Retriever：父文档检索，先检索小块再回溯到完整父文档。Self-query Retriever：自查询检索，让 LLM 自动构造结构化过滤条件。Multi-vector Retriever：多向量检索，对文档的不同部分生成多个向量。
补充 3：GEO 评估与监控扩展词条
GEO Score：GEO 综合评分，从可索引性、内容质量、Schema 完整度、引用率多维度量化。AI Share of Voice：AI 答案中的声量占比。Citation Velocity：被引用速率。Mention-to-Click Ratio：提及到点击比。Brand Lift：品牌提升度，GEO 投放前后品牌认知变化。Prompt Sensitivity：提示敏感度，相同问题用不同措辞得到的答案差异。
Hallucination Rate：幻觉率，模型在引用某类来源时的错误率。Citation Accuracy：引用准确率，引用源是否真的支持所述事实。Freshness Decay：新鲜度衰减，随着时间推移引用率下降的速率。Refusal Rate：拒答率，模型对某类问题拒绝回答的比例。Confidence Calibration：置信校准，模型对自己答案的置信度是否与正确率匹配。
补充 4：AEO 与答案引擎扩展词条
Perplexity Page：Perplexity 引擎对某查询的答案页。Snippets Box：精选摘要框，传统 SERP 中直接展示答案的框。Direct Answer Box：直接答案框，类似但可触发更复杂回答。People Also Ask：相关提问板块，Google SERP 中的常驻模块。AI Mode：Google AI Mode，SERP 中按 AI 模式查看答案。
Instant Answer：即时答案，不依赖 LLM 的规则型答案（如单词查询、单位换算）。Position Zero：零号位置，传统 SERP 中精选摘要位置，等同于富答案位。Voice Answer：语音答案，语音助手给出的回答。Multi-modal Answer：多模态答案，包含图文、表格、视频的混合回答。
本节补充的 20 个词条全部为进阶使用，建议在你已经有了 100 个核心词条的认知之后再来查阅。每个进阶词条都直接对应一个或多个工作场景，例如 SpeakableSpecification 对应语音搜索适配、DefineTermSet 对应术语权威建设、MTEB 对应嵌入模型选型评估。三组词条加起来让你在 GEO 与 AEO 协同实践中具备从评估到部署的全链路术语储备。
最后做一个收尾说明：词条手册的价值不在于背诵而在于检索。我们建议把这份词条表当作像字典一样的工具书，遇到具体问题时翻开对应词条查看定义、典型场景与相关术语，再用相邻词条做交叉检查。这种按需查阅的方式远比死记硬背高效。同时也建议把团队成员各自负责的子集术语沉淀为团队 wiki，便于跨角色协作时快速对齐语言、避免歧义。
手册的 120 个词条（含 20 个补充）已足够覆盖一个 GEO 中型项目从立项到评估的完整术语需要。新加入项目的成员用本手册一周时间即可建立基本语言体系，资深从业者可以按主题阅读加深交叉理解。本词库将持续更新到 2026 年底，欢迎读者反馈使用中遇到的不足之处。
本手册的 100 个词条覆盖了 GEO 与 AEO 协同实践的全部核心场景。建议按以下三种方式使用：第一种是按业务模块检索（内容、技术、品牌），在每个模块的项目启动会上集中回顾；第二种是按项目节点检索（调研、设计、实现、监控），每个节点对照词条清单查漏补缺；第三种是按人员角色检索（内容、技术、产品），让不同角色专注自己负责的 30-40 个词条。
手册更新频率建议为季度一次。GEO 领域每年都会有新词条出现（如 2025 年的 CIT、QDF2、Knowledge Cutoff），同时旧词条的含义也会随模型演进而变化。每季度通读一次能保证认知不落伍。本词库是 GEO 学堂 8 月 20 日自动发文制度的延续，欢迎持续关注。
