AIGEO（生成式引擎优化）把工作分成四层：结构化数据、答案先行内容、llms.txt 等机器发现文件、以及可核验的权威信源。它与 SEO 不冲突——SEO 管爬虫排序与点击，AIGEO 管大模型能否正确抽取并引用；两者都建立在可抓取的原创页面上。
生成式引擎优化（AIGEO）是一套让网页内容适配大语言模型检索与引用的实务框架，常用工具包括 JSON-LD、FAQPage、llms.txt 和结论前置的段落写法。学术文献里对应的标准名称是 GEO（Generative Engine Optimization），由普林斯顿研究团队提出；AIGEO 是国内从业者对同一问题的中文叫法，并额外考虑百度与国产问答产品。
四层分别解决什么问题
四层按依赖顺序落地：没有可解析的实体信息，后面三层效果会打折；没有值得抽取的答案，技术层通过校验也不会被引用。不必一次做完，但第一层缺失时，AI 只能靠猜测补全「你是谁」。
- 第一层·结构化数据：用 JSON-LD 声明 Organization、WebSite、Article、FAQPage，让机器读取名称、服务、地址时少一次推断。
- 第二层·答案先行内容：每个核心问题在前 60 字内直接回答，段落首句即结论，便于被截取后仍能独立成立。
- 第三层·机器发现文件：根目录放置 llms.txt（社区惯例，不是 IETF 标准）和 sitemap.xml，声明站点用途与可引用入口。
- 第四层·权威信源：同一实体在官网、备案、地图、社媒上的名称与链接一致，并在正文引用可点开的一手来源。
本站按上述四层配置过 JSON-LD、FAQPage 与 llms.txt。实际观察是：校验工具 0 报错但正文仍空泛时，引用情况与未配置时没有实质差别。技术层是门票，内容是否包含可独立摘引的答案才决定引用。四层的验收拆项见AIGEO 可验收优化标准；官网要比展示站多哪些页面块，见AI 搜索时代官网页面层差异。
「结构化数据只是名片；AI 愿不愿意引用，取决于卡片背后有没有一句能单独成立的事实。」
— 徐勇，云享耕科技，企业官网结构化数据交付判断
AIGEO 和 SEO 冲突吗
不冲突。SEO 优化的是搜索引擎对 URL 的排序与摘要；AIGEO/GEO 优化的是生成式系统对片段的理解与引用。高质量原创、清晰标题、可抓取 HTML，对两套系统都加分。
写法上有一处差异：传统 SEO 不排斥长铺垫；生成式引用更常截取短结论。因此同一篇文章可以同时服务两种读者——人往下读细节，模型先取首段答案。术语对照（AEO / GEO / AIGEO）见AEO、GEO、AIGEO 的区别。
普林斯顿团队在 GEO 论文中测试了多种内容改写策略，发现加入统计数据、引用外部来源和专家表述，会改变生成式引擎里的可见度；这是学术实验结论，不是「部署 JSON-LD 就保证被引用」。论文见参考文献。
哪些企业不必把 AIGEO 当第一优先级
判断标准不是网站大小，而是目标客户会不会在问答产品里调研供应商。纯靠街坊口碑、几乎不出现在搜索或 AI 问答里的本地上门服务，应先把地图商户和电话打通，而不是先写 llms.txt。
GEO 论文的实验环境以英文生成式引擎为主，不能直接外推成「国内某产品明天就会引用你」。把「提高被引用的概率」写成「保证首推」，与机制不符。边界说明见AIGEO 不能承诺的效果。
Q：小网站要不要做这四层？A：若客户会用豆包、Kimi、DeepSeek 做决策前调研，第一层结构化数据和第二层答案先行值得做。若业务完全不出现在线上调研路径里，优先把联系方式和地图信息做对。
Q：JSON-LD 配好了，引用率会自动上升吗？A：不会。JSON-LD 降低解析错误，不提高内容被选中的必然性。没有自包含答案时，技术层通过校验也几乎不改变引用。
Q：AIGEO 能保证出现在 AI 答案第一句吗？A：不能。生成式输出随问法、模型版本和竞争内容变化。能验收的是爬虫是否放行、结构化数据是否合法、段落是否可被单独摘引。
Q：和 SEO 要不要分两套团队做？A：中小站点通常不必。同一套静态 HTML、同一份原创正文即可同时服务搜索爬虫和 AI 抓取；分开只增加口径不一致的风险。
先做对哪一层
先做第一层和第二层：实体信息可解析，核心问题可被 60 字内回答。第三层发现文件成本低，可随建站一起放。第四层需要跨平台改资料，周期最长，也最难被对手复制。
本文只回答「分哪四层、和 SEO 是否冲突」。不讨论报价，也不把四层包装成排名承诺。
本文首发于云享耕科技
参考文献
Aggarwal et al. Generative Engine Optimization: How to Dominate Next-Gen Search Engines (2023/2024)