第03章｜GEO Epistemology（GEO认识论）：我们能知道什么，不能知道什么

一、黑箱条件下的研究对象

GEO（Generative Engine Optimization，生成式引擎优化）面对的是一个Partially Observable Black-box Answer System（部分可观测的黑箱答案系统）。我们可以向人工智能提交问题，保存输入和输出，观察显示引用、可见工具调用、实体提及、比较方式、推荐条件和边界表达；但在通常情况下，我们不能直接查看模型参数、内部来源权重、完整候选集合、隐藏上下文、训练记忆、重排过程和全部生成路径。

这产生了两种方向相反、但同样危险的错误。第一种错误是过度确定：看到某篇文章被引用，就断言“这个平台权重高”；看到品牌出现频率上升，就断言“人工智能已经建立品牌认知”；看到干预前后答案不同，就断言“这次发布改变了模型”。第二种错误是过度悲观：因为无法查看内部机制，就认为GEO（生成式引擎优化）无法研究、无法测量，只能凭经验发内容。研究的关键不是假装拥有全知视角，而是明确什么被观察到了、观察是否完整、如何编码、结论属于哪种命题、因果支持到了哪一级，以及它只在哪些条件下成立。

因此，GEO（生成式引擎优化）认识论要解决的问题不是“如何猜中人工智能的秘密”，而是：在内部机制无法被完整观察的条件下，如何产生可检查、可复核、可证伪、可限定范围并能够逐步升级的知识。

研究对象是答案行为，不是内部心理。人工智能会使用“我认为”“我推荐”“根据这些来源”等拟人化表达，但这些语言不能被当成系统内部心理状态的直接报告；显示“已搜索”也只能证明界面呈现了某种工具调用迹象，不能证明我们已经获得完整的Retrieval Set（检索集合）。本书因此把Conditional AI Answer Behavior（条件化人工智能答案行为）作为当前主要Observation Object（观测对象）。所谓“条件化”，是指任何答案记录都必须放回它产生时的条件中：使用了什么查询、哪个引擎和产品入口、什么时间、哪种账户与会话状态、是否发生工具调用、是否存在已知用户上下文，以及该次运行处于基线还是干预后阶段。

我们可以陈述“在已记录的引擎、时间、查询、会话和工具条件下，答案提到了甲企业，并显示引用乙页面；答案使用了‘适合小微企业’这一理由，同时保留了地域限制”，却不能仅凭该记录陈述“人工智能信任甲企业；乙页面拥有固定高权重；模型已经把甲企业写入长期记忆；系统内部先从固定候选池筛选，再按统一规则排序”。前一句是Answer-level Observation（答案层观测），后一句是未经支持的Latent Mechanism Claim（潜在机制命题）。这条边界贯穿本书后续所有诊断、干预和测量。五层研究框架与五类对象、观测键的完整界定见第1章第四节和第2章第四节。

二、五轴认识标注：一项结论不能只写“置信度高”

一个模糊的Confidence Score（置信分数）很容易把不同性质的不确定性揉成一个数字。本书不采用这种伪精确表达，而要求重要结论至少沿五个轴分别标注：

Epistemic Status（认识状态）
× Observability（可观测性）
× Claim Mode（命题性质）
× Causal Confidence（因果置信度）
× Scope（适用范围）

1. Epistemic Status（认识状态）：它目前处于什么知识阶段

Accepted（已接受）不等于“已经证明人工智能就是这样运行”。例如，“单次回答不能代表稳定总体结论”是一项已接受的方法边界，它并不声称我们掌握了所有答案波动的内部原因。

2. Observability（可观测性）：它是看到的、编码的，还是不可见的

本书把可观测性分为三类：Direct Observation（直接观测，可检查的原始输入、完整输出、显示引用、可见工具轨迹、页面状态、时间戳和正式业务记录）；Coded Inference（编码推断，依据Codebook（编码手册）对决策变量、实体归属、引用吸收、命题—证据一致性、推荐强度和边界表达作出的规则化判断）；Latent or Unknown（潜在或未知，模型内部权重、隐藏上下文、完整候选集合、训练记忆、不可见生成路径和无法识别的个性化影响）。

直接观测与编码推断都可以成为严肃研究材料，但两者必须分开保存。答案原文是直接观测；“该答案把价格作为首要Decision Variable（决策变量）”是编码推断，后者需要规则、版本、编码者和争议记录。

3. Claim Mode（命题性质）：我们究竟在说哪一类话

• Descriptive Claim（描述性命题）：记录发生了什么，例如“10次合格运行中有4次提及该实体”；
• Relational Assessment（关系性评估）：判断两个对象之间是否匹配，例如“显示引用是否支持答案中的具体命题”；
• Associational Inference（关联性推断）：陈述两个变化共同出现，但不宣称因果；
• Causal Claim（因果命题）：声称某项干预导致了某种变化，需要更严格设计；
• Normative Constraint（规范性约束）：规定什么应当或不得做，例如真实性、隐私与非欺骗；
• Methodological Rule（方法论规则）：规定研究如何记录、复核和升级结论。

“内容必须真实”是一项Normative Constraint（规范性约束），不能据此推导“人工智能算法必然偏好真实内容”这一Empirical Mechanism Claim（经验机制命题）。前者是服务底线，后者需要独立证据。

4. Causal Confidence（因果置信度）：因果支持到了哪一步

本书沿用C0—C5因果置信结构：

等级不会因为运行次数自动上升。同一会话在同一天连续运行100次，可能提高对该测量环境的描述精度，但不会自动成为Independent Replication（独立复现）。任何等级也都不等于已经发现模型内部机制。

5. Scope（适用范围）：结论在哪些条件下成立

至少需要绑定Entity（实体）、Decision Situation（决策情境）、Query Cluster（查询簇）、Functional Probe（功能性探针）、Paraphrase（同义改写）、Run（运行轮次）、Engine（引擎）、Time（时间）、Experiment Phase（实验阶段）和Known User Context（已知用户上下文，如适用）。“某企业在一次问答中被推荐”不能扩展成“该企业在人工智能中拥有良好表现”；一个引擎、一个地区、一个时间窗口中的结果，也不能静默外推到所有人工智能产品和真实用户环境。

三、采集完整性与缺失分类

“直接看到”并不意味着记录链天然完整。假设一张截图显示人工智能推荐某企业，但下半部分被裁掉，而被裁掉的内容包含“不适用于跨境业务”的重大限制。截图中的文字确实是Direct Observation（直接观测），但这张截图不能代表完整答案，也不能支持“无条件推荐”的编码。

每次人工智能观测至少应保存原始查询和尽可能完整的原始输出、Engine（引擎）或模型产品版本、时间地区账户会话状态与已知系统条件、采集渠道或界面、截断折叠流式中断与安全拦截状态、显示引用与工具调用、原始记录指纹或其他完整性校验，以及Capture Completeness（采集完整性）和Not Observable（不可观测）字段。截图、摘要和人工转录可以用于展示，却只能作为Derived Material（派生材料），不能在没有说明的情况下替代完整原始记录。

一次运行没有得到可编码的实体提及，可能存在完全不同的原因：No Mention（未提及）、Refusal（拒答）、Timeout（超时）、Tool Failure（工具失败）、Parse Failure（解析失败）、Truncated（截断）、Safety Block（安全拦截）、Not Observable（不可观测）或Missing for Unknown Reason（未知原因缺失）。如果把超时、拒答和解析失败全部记成“未提及”，人工智能表现会被系统性低估；如果只删除失败运行，结果又可能被系统性美化。因此，缺失必须保留分类，并报告原始分母、合格分母和处理规则。没有分母纪律的百分比，即使计算正确，也可能没有可解释性。

四、编码治理与自动编码器

人工智能答案通常不是天然结构化数据。研究者需要判断“可以考虑”是否属于推荐，引用是否真的支持相邻命题，限制条件是否足以改变适配状态。这样的判断属于Coded Inference（编码推断），必须依赖版本化的Codebook（编码手册）。一份合格的编码手册至少应包含Atomic Claim（原子命题）和Decision Variable（决策变量）的定义、正例反例与边界Anchor Example（锚定样例）、包含规则与排除规则、缺失和不可观测的处理方式、冲突多标签与裁决规则，以及Codebook Version（编码手册版本）和变更记录。

两名编码者都把“资料来源中包括甲公司”判定为“人工智能推荐甲公司”，他们可能获得很高的Agreement Rate（编码一致率），但共同使用了错误规则。Agreement（编码一致）只说明判断相似，不证明Code Validity（编码有效性），也不证明相关命题真实。高一致率也可能来自类别极不平衡，例如95%的答案都没有实体，两名编码者全部选择“未出现”。因此，一致性需要结合类别分布、混淆矩阵、主要分歧类型以及裁决前后结果解释。必要时可以使用Cohen's Kappa（科恩卡帕系数）或Krippendorff's Alpha（克里彭多夫阿尔法系数），但本书不设置未经验证的通用阈值。

自动编码模型可能把“可以考虑”稳定地判断成强推荐，也可能在模型版本更新后改变标准。因此，Automated Coder（自动编码器）必须像其他测量工具一样接受治理，至少记录模型版本与提供方、System Prompt（系统提示）与编码提示、采样设置、输入预处理与输出解析方式、校准集盲样与主要错误类型、人工独立复核样本、Coder Drift（编码器漂移）以及工具变更后是否需要重新编码。“人工点击确认”不等于Independent Review（独立复核）；如果复核者先看到自动编码结果并几乎全部接受，就可能发生Automation Anchoring（自动化锚定）。在可行条件下，应让复核者先独立判断，再查看自动结果；高风险、争议、因果与合规结论还需要相应专业人员复核。

五、参照标准也可能冲突

GEO不是只研究人工智能答案，还要判断企业事实、资格和证据状态。但所谓Reference Standard（参照标准）也不一定永远单一、同步和无争议。例如，企业称许可证已经续期，官方数据库仍显示过期，而企业可以提供续期申请受理回执。此时不能粗暴选择“相信企业”或“相信数据库”，正确做法是把复合陈述拆成不同Atomic Claim（原子命题）：申请是否提交、是否受理、是否正式批准、许可当前是否有效、公开数据库是否完成更新。

发生冲突时，应当拆分复合命题，分别记录来源、时间、范围、授权和证明功能，区分申请、受理、批准、生效和公开更新等状态，同时保留支持证据、限制证据与反向证据，必要时标记Contested（存在争议）或Indeterminate（无法判断），并保存裁决理由与复查日期。Reference Standard（参照标准）是当前判断所依据的可审查标准，不是可以免于质疑的绝对真相。企业是命题的受益方，可以补充事实和提出Appeal（申诉），但不能静默覆盖不利结论。

六、重复测量、独立性与因果升级

生成式人工智能具有波动性，因此重复测量是必要的。但“重复”不是简单增加运行按钮的点击次数。每个测量批次需要记录新会话还是连续会话、账户地区设备与产品入口是否相同、缓存历史上下文与个性化是否可能延续、查询来自真实用户还是人工智能生成，以及Measurement Environment（测量环境）与Target Use Environment（目标使用环境）之间有何差异。同义问法也不天然代表用户多样性：如果所有Paraphrase（同义改写）都由同一个模型生成，它们可能表面不同却共享同一种表达偏好。

实验中还需要检查Experimental Contamination（实验污染）：Source Spillover（来源外溢）、Query Overlap（查询重叠）、Shared Model Update（共享模型更新）、Concurrent Campaign（同期其他活动）、Competitor Change（竞争者变化）、Contamination Path（污染路径）和External Event（外部事件）。例如，公开发布的一篇文章可能同时被处理组和对照组问题检索到；两组同步变化可能来自模型更新，也可能来自干预外溢。对照只提高解释能力，不自动消除污染。

GEO（生成式引擎优化）服务最容易发生的越界，是把“我们做了动作”和“答案随后变化”连成直接因果。事实上，两者之间可能存在模型更新、竞争者行动、时间事件、测量环境变化、会话污染、自然波动和选择性报告。因此，每次Causal Confidence（因果置信度）升级都必须写明理由：对照如何设计，哪些污染路径被识别，重复发生在哪些独立或结构化维度，测量口径是否保持不变，是否存在分析窥视，以及负向、无变化和失败结果是否完整保留。验证性研究在可行时应预先登记主要和次要Query Cluster（查询簇）、Engine（引擎）时间窗口与运行计划、主要和次要指标、包含排除与缺失处理规则、Treatment（处理组）与Control（对照组）及预期方向、停止规则和异常处理。探索性发现可以帮助生成假设，但必须与验证性结果分开报告；先测试大量引擎、查询和指标，再只展示改善最大的一项，会产生Selection Bias（选择偏差）和Multiple Testing Risk（多重检验风险）。

七、组织治理与知识升级资格

如果销售人员可以修改事实审查结论，命题受益方可以删除反向证据，执行人员可以选择最有利的运行结果，再严谨的指标也无法拯救研究。服务体系至少需要区分Entity Reality Steward（实体事实负责人）、Evidence Reviewer（证据审查者）、User Research Coder（用户研究编码者）、AI Behavior Coder（人工智能行为编码者）、Domain Reviewer（领域审查者）、Compliance Reviewer（合规审查者）和Adjudicator（争议裁决者）。小型项目可以由同一人兼任多个角色，但必须记录角色重叠、利益冲突和复核限制。在可行条件下，编码者应不知道Treatment or Control（处理组或对照组）标签、干预前后阶段和预期变化方向；无法Blind（盲法）并不意味着项目必须停止，但结论强度需要相应降低，偏差风险必须披露。任何管理层或商业Override（覆盖）都必须进入Override Log（覆盖日志），记录原结论、覆盖者、理由、补充证据和影响范围。对外报告不得把商业决定伪装成研究裁决。

本书采用以下知识升级路径：

Raw Observation（原始观察）
→ Integrity-checked Record（完整性检查后的记录）
→ Versioned Coding（版本化编码）
→ Operational Hypothesis（操作性假设）
→ Predefined Test（预定义检验）
→ Independent or Structured Repetition（独立或结构化重复）
→ Validated Pattern Candidate（已验证模式候选）
→ 正式准入审查与用户授权
→ Validated Pattern（已验证模式）

这条路径中不存在“看起来很合理，所以直接成为规律”的捷径。数据量大也不能自动跨过观测完整性、编码有效性、独立性、污染和范围限制。当前正式Validated Pattern（已验证模式）为空，这并不表示现有方法没有价值，而是表示体系拒绝把尚未完成验证的经验提前包装成通用规律。

八、三个典型判断练习

情形一：文章被引用，品牌没有出现

可以直接观察文章被显示引用；可以依据编码规则判断其中某个命题是否被答案吸收；不能仅凭引用断言品牌获得有效可见性，也不能断言该来源拥有固定权重。下一步应检查Citation Support Fit（引用支持匹配）、Claim Absorption（命题吸收）和Entity Attribution（实体归属）。

情形二：修改官网后，推荐频率上升

可以描述干预前后在锁定条件下的频率差异。如果没有合格对照、测量不变性、污染检查和重复支持，因果等级仍可能停留在C0（无法判断）或C1（方向信号）。不能直接写成“官网修改使人工智能更信任企业”。

情形三：自动编码与人工编码高度一致

可以报告特定样本和规则下的一致性结果；还需要检查类别分布、错误类型、盲法状态和共同错误。不能把高一致率解释为编码结论真实，更不能据此证明模型内部机制。

这三个例子共同说明：一个结果是否有用，不只取决于数值大小，还取决于它处在何种观测层、使用何种规则、支持哪类命题以及有哪些不能跨越的解释边界。

九、对GEO Service System（GEO服务体系）的要求

认识论不能只存在于白皮书里，它必须进入服务流程和交付对象。

第一，所有关键对象都要带来源、版本、时间、范围和认识状态。一个没有这些字段的“结论”，无法知道它来自原始事实、人工编码、自动判断还是销售表达。

第二，采集层必须保存原始输入、原始输出和失败状态，不能只保存评分与摘要。没有原始记录，就无法重新编码或追查漂移。

第三，诊断必须把Difference（差异）、Gap（缺口）、Root Cause（根本原因）和Intervention（干预）分开。观察到用户重视某变量而答案没有使用，只能先形成差异；是否构成应被修正的缺口，还需要适配、证据、风险和范围判断。

第四，干预必须以Hypothesis（假设）驱动，并预先写明Target Variable（目标变量）、Change Object（改变对象）、Expected Observable（预期可观察结果）、对照、护栏和停止规则。执行完成不是结果发生，结果发生也不是因果成立。

第五，报告必须保留No Change（无变化）、Negative（负向）、Indeterminate（无法判断）、Failure（失败）和No Action（不行动）。如果报告只允许出现“优化成功”，系统就会主动制造选择偏差。

第六，Agent（智能体）可以协助研究和编码，却不能自行把Unknown（未知）改成事实，不能自行授予C4或C5，也不能批准自己的高风险结论。机器验证负责结构和规则，人类复核负责事实、语义、合规和最终责任。

十、本章明确否定的观点

以下观点不得在后续章节或服务材料中恢复：

• 直接观测天然完整且无误；
• 显示工具调用就等于知道完整内部检索过程；
• 编码一致等于编码正确、命题真实或机制成立；
• 标记“人工已确认”就等于完成独立复核；
• 同一环境重复次数多就等于独立复现；
• 超时、拒答、解析失败和截断可以统一编码成“未提及”；
• 只报告最佳引擎、最佳查询或最佳指标仍代表完整结果；
• Causal Confidence（因果置信度）可以按运行次数机械升级；
• 命题受益方可以无记录覆盖不利结论；
• Truthfulness（真实性）等规范性约束可以包装成人工智能算法偏好；
• 大规模自动复测天然代表真实用户环境；
• 单次人工智能输出或人工智能自述可以揭示稳定内部机制。

十一、当前仍然不知道什么

以下问题在当前版本中保持Unknown（未知）：

• C4（跨批复现）与C5（强经验规律）的正式准入标准；
• 不同任务和风险等级所需的编码一致性标准；
• Automated Coder（自动编码器）在不同风险等级中的准入范围；
• 批量接口、研究账户和真实用户环境之间的External Validity（外部有效性）；
• 不可观测个性化上下文对答案的实际影响；
• Agentic Decision Mediation（智能体式决策中介）的观测与编码方法；
• Effective Visibility（有效可见性）与受众实际接触、理解、决策和商业结果之间的因果关系；
• 各引擎真实的检索、重排、上下文选择、实体选择和来源权重机制。

这些未知不是等待文案填补的空白，而是研究边界。把未知明确写出，能够阻止服务过度承诺，也能够形成后续实验真正值得解决的问题。

十二、本章结论

GEO（生成式引擎优化）认识论建立了一条基本纪律：研究可以在黑箱条件下进行，但每项结论都必须知道自己凭什么成立，又在哪里停止。

我们直接观察的是条件化答案行为和可核查记录；我们通过版本化规则进行编码；我们把机制解释保持为假设或未知；我们用对照、重复、污染检查和完整披露提高因果支持；我们把所有结论限制在明确的实体、情境、查询、引擎、时间和测量环境中。

因此，专业GEO与普通“做内容、看排名、报增长”的根本差异，不只是工具更多，而是拥有一套可审查的Knowledge Qualification System（知识资格体系）。它决定哪些材料可以成为数据，哪些判断可以进入诊断，哪些变化可以被称为信号，哪些经验有资格升级，以及哪些话暂时不能说。

第一编至此回答了三个基础问题：为什么常见定义不够，GEO到底是什么，以及我们如何获得关于GEO的可靠知识。下一编将进入具体决策结构：首先界定Decision Situation（决策情境），再逐步建立Decision Variable（决策变量）、User-DVM（用户决策变量地图）、AI-DVM（人工智能决策变量地图）以及二者之间的差异诊断。

本章图表

图3-1｜GEO（生成式引擎优化）知识资格五轴模型

重绘说明：中心放置“一个GEO结论”，外围用五个相互独立的轴连接：Epistemic Status（认识状态）、Observability（可观测性）、Claim Mode（命题性质）、Causal Confidence（因果置信度）和Scope（适用范围）。图下注明：“五轴分别标注，不压缩为单一置信总分。”

图3-2｜从原始观察到已验证模式的升级路径

重绘说明：采用由左至右的门控流程图，依次为原始观察、完整性检查、版本化编码、操作性假设、预定义检验、独立或结构化重复、已验证模式候选、正式准入审查、已验证模式。每两个节点之间设置Gate（门），在图末使用醒目标注：“当前Validated Pattern（已验证模式）为空。”

表3-1｜五轴认识标注卡

建议排版字段：结论编号、原始表述、认识状态、可观测性、命题性质、因果置信度、适用范围、来源记录、限制与禁止推论。该表用于展示如何把一句模糊的“优化有效”拆成可审查结论。