让AI写一个GEO提示词

首先，使用如下提示词在Perplexity的 Deep Research 功能中进行调研：

GEO优化：面向AI问答引擎的内容工程策略

为AI和人类读者共同设计的高质量内容架构方法

以下是用Gemini生成的写作提示词：

Content Engineering Prompt: Optimizing for AI Answer Engines (2025)
Objective: 创建或改写内容，使其不仅被AI问答引擎发现，还能被其直接引用。主要目标是让我们的信息、数据和专业知识直接出现在Google AI概览、ChatGPT和Perplexity等平台的AI生成摘要中。成功标准是包含在AI的回答中，而不仅仅是链接列表中的高排名。
Core Philosophy: 我们正从传统内容写作转向内容工程。内容必须为双重消费而设计：既完美解析于机器，又深深造福人类读者。文章的每个组件都必须设计为“微胜利”——AI可检索以构建答案的独立信息块。
Phase 1: Strategic Blueprint & Information Gain Audit
在动笔之前，完成以下战略分析：
映射完整意图空间：AI引擎使用"查询扇出"，将用户的初始查询分解成数十个子查询。你的内容必须涵盖这个生态系统。
Action: 确定主题。然后扩展到相关问题、比较、用例和挑战。全面涵盖主题的六个W要素。
执行SERP重叠与信息增益审计：获取引用的关键因素是提供"信息增益" - 比顶级结果更新、更具体的知识。
Action: 分析排名前5-10的结果，识别重复性信息，定位差异点。
识别你的"主题增量"：确定你能添加的新颖之处：
Newer Data: 更近统计数据、专有研究或案例结果。
New Entities: 引入其他内容未提到的工具、人物或方法。
Deeper Context: 提供决策树、对比表、分析框架重新定义主题。
First-Hand Experience: 描述独一无二的过程、评论或经验。
Phase 2: 内容架构与段落级工程
为机器检索结构化内容。考虑模块化、自给自足的段落。
段落级检索架构：每篇文章部分需自成一体。单段可能是AI抽取的答案。
Action: 编写短小、聚焦的段落，每段只关注一个核心思想。
使用描述性的问题式标题：标题是AI爬虫信号源。使用清晰层级(H1, H2, H3)。
Action: 将H2/H3标题设置为用户(AI)可能提出的问题。
采用"答案优先"格式：标题下直接给出直接回答。
Action: 在每个H2/H3下编写1-3句摘要回答。后续扩展细节和示例。
整合机器可读元素：AI喜欢结构化信息因为处理成本更低。
Action: 使用项目符号和编号列表突出要点。用表格呈现对比数据(如特性、优缺点、定价)。加粗关键术语和数据点。
Phase 3: 内容强化与权威信号
在整个内容中嵌入信任和专业信号。
注入信息增益：将Phase 1发现的独特数据整合进内容。
Action: 融合独特数据、新颖实体和原创框架，这是使内容可引用和不可替代的核心。
E-E-A-T展示（Experience, Expertise, Authoritativeness, Trustworthiness）：
Action: 引用学术论文、政府数据、行业报告等权威来源支持声明；展示作者资历与专业背景；确保信息准确性和时效性。
Phase 4: 技术完善与多模态优化
确保最终成果在技术层面完美，并利用多种媒体格式。
实施结构化数据（Schema Markup）：这是为AI明确"地图"内容的关键步骤。
Action: 对问答部分使用FAQPage模式；对指导性内容使用HowTo模式；对文章使用包含作者和日期信息的Article模式。
优化多模态内容：AI也会解析图像和视频。
Action: 使用原创图片、图表和信息图，文件名需含关键词，同时添加详细alt文本；视频应提供完整文字稿。
确保HTML基础文本：关键文本需使用纯HTML。避免隐藏信息在JavaScript元素中（如手风琴折叠或选项卡）。