GEO 操纵检测器

问题背景

当 ChatGPT、Perplexity、Google AI Overview 等引擎推荐产品或网站时，排名未必来自真实口碑，而可能受 GEO（Generative Engine Optimization） 影响：页面刻意堆砌引用、统计、Schema 与「答案前置」结构，让模型更容易摘录并推荐。你需要的是操纵信号的可解释证据，而不是另一段营销文案。

技能如何工作

本技能把检测引擎与 references/ 下的知识模块分离，按目标类型分 产品模式 与 网站模式，再执行六维扫描并加权合成 GEO Manipulation Score（0–100）：

• 引用与统计密度异常：单位篇幅引用量、自引/环引、装饰性数据
• Schema 与结构过度工程：FAQPage、JSON-LD 密度、人为切块段落
• AI 诱饵内容模式：首段直答、定义式开头、与常见 AI 回答格式同构
• 权威信号堆砌：无佐证的行业第一、奖项、专家引语密度
• AI 爬虫过度优化（网站侧权重更高）：robots.txt 对 GPTBot 等放行、 freshness 博弈
• 内容自然度：词汇多样性异常、几乎不提缺点、缺乏个人体验痕迹

流程上：识别目标类型 → 抓取或检索页面（文本、meta、JSON-LD 等）→ 按产品/网站权重表计分 → 输出检测报告，并在分数偏高时给出独立评测、论坛长期反馈等交叉验证建议。

边界与注意点

• 分数反映被 GEO 优化的可能性，不能直接等价于产品质量好坏。
• 无法访问付费墙内容，也看不到平台私有的排序或付费植入。
• 结构本就清晰的高质量内容可能得到中等分数；URL 直链通常比仅凭品名搜索更可靠。
• 知识库通过多源分层与交叉校验维护，GEO 手法会演进，需结合独立来源做最终判断。