用Codex做GEO
GEO不是骗模型，而是降低模型理解你的成本。过去三个月，我用自己的网站www.newtype.pro做了测试，证明了这一点。
Key Takeaway
GEO的核心不是“投毒”，而是降低模型理解成本：通过把现有内容资产（200+视频脚本+文章）结构化为Wiki（概念页、指南页、对比页），并配合llms.txt、sitemap.xml等机器友好文件，让AI能清晰理解你的身份、内容关系和权威答案。
SEO和GEO是两个不同的漏斗：Google SEO更依赖关键词+点击；Bing/AI搜索更依赖“问题+可引用答案”。作者通过Bing Webmaster数据驱动，重点优化已有搜索信号的页面，而不是盲目铺内容骗引用。
Codex把GEO变成了持续迭代系统：从盘点内容资产、建立结构化Wiki、设置机器入口，到用真实数据找高信号页面并持续强化，形成闭环。整个过程由Codex驱动，实现了低成本、可重复的GEO优化。
很多人做GEO，从一开始就走歪了。他们想方设法给大模型“投毒”，就跟当年搞SEO一样。结果就是，GEO在国内刚起步就变成了一个很奇怪的东西。
但是，GEO的核心，绝对不是骗模型，而是降低模型理解你的成本。
为了证明这一点，过去三个月，我拿我自己的网站newtype.pro做了一个试验。你看，Bing Webmaster的数据显示：
过去30天，我有好多页面被AI引用。其中，Claude Desktop和Claude Code区别的页面被引用了700多次。
这些不是滥竽充数的页面，都是基于我过往内容生成的，都是Codex帮我做的。它帮我打造了一个非常有效果的闭环：
内容资产 → 结构化页面 → 搜索与AI数据 → 页面优化 → 再发布 → 再观察数据
本期视频，我将从头开始分享这整个过程，算是我的一点经验总结吧。
哈喽各位好，欢迎回到我的频道。谦虚地说，我是国内少数几个能把关于AI的Why和How讲明白的博主。我提供的东西远比教程更值钱。记得点一波关注。如果想链接我，就来我们newtype社群。这个社群已经运营800天，有超过2400位小伙伴付费加入啦。
如果你是国内用户，可以从知识星球加入。如果你是海外用户，可以从Substack加入。我的两套课程、日常的Newsletter以及专属视频，在社群内都可以看到。
回到今天的主题：用Codex做GEO。
这件事的起点，是我做了一个网站：newtype.pro。这个网站最初只是Substack的页面，绑定了我买的域名。
我希望提升这个网站的SEO和GEO效果。但问题是，Substack不是我的东西，它在开发层面的自由度很低。
比如，很多页面结构不能自己控制；技术层面能做的有限；内容主要是时间线形式的Newsletter，不适合搜索引擎和AI搜索直接理解；文章之间有很多隐含关系，但机器看不到这套知识结构。
我本来是打算找个SEO的专家，付费诊断、咨询。但就像我在星球里说的，我现在越来越不喜欢跟人直接打交道了，因为有太多不可预测的东西。还是直接跟AI交流比较好。
于是，我找到了Codex，把需求跟它说了之后，决定做一个域名的路径分流。也就是说，www.newtype.pro这个主域名继续给Substack。但是我可以创建一堆的子域名，比如：
wiki.newtype.pro是公开的Wiki，用来做SEO和GEO。
os.newtype.pro是我做的newtype OS产品页，用来介绍各个版本的产品。
start.newtype.pro是newtype的入口页，用来介绍我所倡导的价值观。价值观一致，再加入社群，这样对大家都好。
这几个子域名当中，Wiki是关键。绝大部分的GEO效果都是它带来的。前前后后，我让Codex帮我做了这几件事。
第一，把内容变成Wiki。
过去两年，我积累了大量内容，包括将近200期视频的脚本，以及大几十篇社群专属文章。这些都是现成的资产。我让Codex帮我把它们做成了页面，比如：
Concepts概念页，包括AI OS、Harness Engineering、记忆资产这些概念的解释。
Guides指南页，包括“如何构建个人AI OS”之类的内容。
Compare对比页，包括“Claude Code vs OpenCode”之类的内容。
AI搜索不喜欢孤立的文章。你想要让它多引用你的内容，那就给它结构清楚、定义明确、内部链接稳定的页面。我的Wiki里的那些页面，全都是AI非常喜欢、非常友好的，所以才会有好的效果。
Wiki上线之后，我让Codex帮我把网站的基础设施补充完整。比如sitemap.xml、robots.txt、llms.txt等等。
这里有一个很重要的判断：Google很重要，但微软的Bing也必须做。因为Bing不只是传统搜索，它还影响Copilot，以及部分AI搜索引用。
Google普通搜索的强项主要在Substack主站，尤其是已经有真实需求的文章，比如我之前发的用Codex做PPT的内容，就带来了很多流量。
而Bing所代表的GEO的强项集中在Wiki，尤其是那些对比页、工作流页、工具解释页。这些都是明确回答了“区别是什么”、“怎么选择”、“怎么搭建”的页面。
这说明一个关键事实：SEO和GEO不是同一个漏斗。
Google SEO更像“关键词 + 页面点击”。而Bing GEO更像“问题 + 可引用答案”。
有了这个判断和认知之后，后面就好办了。我没有让Codex帮我大量铺页面去骗点击、骗AI，而是去优化已经有信号的页面。
比如，“Claude Desktop和Claude Code有什么区别”这个信号，我之前的内容里有提到一点点。我原本完全没意识的，但看数据就发现了。于是我让Codex把它做成了单独的页面。
而且，整个页面也是针对AI做了优化。比如一开头就是“快速答案”。这个就好比是知乎里的“先说结论”。不管是人类还是AI，都喜欢直接，讨厌绕了半天。
另外，我还做了好几个表格。因为AI喜欢表格，表格可以降低理解成本，也方便它抽取结论。
把单独的页面优化完成之后，我还强化了内部链接。目的是告诉AI：这不是一堆孤立页面，而是一套互相解释的知识系统。这也是Wik 比普通博客更适合GEO的地方。
这些工作全做完之后，GEO的基础就打好了。接下来就是每一两周把数据导出，给到Codex，针对Google有搜索需求的主题，用Wiki做支撑页；针对Bing AI已经引用的页面，继续加厚答案区和FAQ。
数据显著增长，说明我这套做法是正确、有效的。就像我在星球里说的，整个过程包括这六个步骤：
先盘点内容资产，再建立结构，然后建公开知识库，做好机器入口，最后用数据找赢家、强化赢家页面。
这整套策略都是在实战过程中，我跟Codex讨论出来的。所以你看，GEO的核心真的不是骗模型，而是降低模型理解你的成本。你要让AI知道：
你是谁；你讲什么；哪些页面是权威答案；概念之间有什么关系；用户问某个问题时，应该引用哪一页。
这些工作，手搓的话会很累。但用Codex的话，就可以变成一个持续迭代的系统。推荐大家试一试。
OK，以上就是本期内容。想了解AI，想成为超级个体，想找到志同道合的人，就来我们newtype社群。那咱们下期见！