跳到正文
11月13日週五
  1. DEV Community65

    HNSW 向量搜尋如何跳過 96% 的向量

    作者以 20,000 個合成向量測試 HNSW,efSearch 設為 320 時每次查詢觸及 776 個向量,跳過約 96.1%。此設定的 Recall@10 為 0.944,七次測試的速度提升中位數為 7.36 倍;降低 efSearch 可減少搜尋工作量,但召回率亦會下降,這些數據並非真實圖片或生產環境基準。

  2. IT之家55

    亞馬遜擬打造「世界商品圖譜」,整合全球在售商品資料

    路透社披露,亞馬遜曾構想「世界商品圖譜」,計劃整合全球幾乎所有在售商品的資料,包括不由亞馬遜備貨的商品。文件把目標發布日期列為 2027 年 10 月 1 日,並稱亞馬遜已與可口可樂、拜耳簽約提供商品資料,亦與寶潔討論試點。亞馬遜稱文件數據已嚴重過時,並指 Alexa for Shopping 全球準確率約 97%;計劃是否落地尚未確定。

  3. DEV Community51

    Nakodo 1,734 個結構化資料節點中,856 個對應已退役的 Google 豐富搜尋結果

    Nakodo 網站的結構化資料審查涵蓋 76 個公開頁面,發現 1,734 個節點中有 856 個(49%)屬於 Google 已退役的 FAQ 和 HowTo 豐富搜尋結果。審查涵蓋 150 個 ld+json 區塊,沒有不符合類型規則的屬性,290 個 @id 引用亦全部可在同一頁解析。作者不打算移除仍如實反映頁面內容的標記,並建議檢查各類標記原本對應的搜尋功能是否仍然存在。

  4. DEV Community32

    企業如何以 GEO 提升 AI 問答中的品牌可見度

    GEO 透過建立完整、真實且可驗證的企業資訊,提升品牌被 AI 擷取、引用或推薦的機會;相較 SEO 爭取搜尋排名,GEO 著重進入 AI 生成的答案。文章建議商家配合 GEO 優化與內容矩陣,分別承接 AI 推薦客戶及主動觸及潛在客戶。GEO 無法保證 AI 推薦,也不能單靠堆砌關鍵字穩定獲客。

  5. 阿里雲開發者社區 AI49

    面向 AI 引用的企業資訊治理:來源、權限與回查

    企業處理 AI 答錯公司名稱、業務範圍或聯絡方式時,應先核對自有公開資訊源,再按可維護程度處理外部引用,並用原問題回查變化。內容維護包括統一名稱、業務與聯絡資料,確保關鍵資訊以公開文字呈現,並記錄錯誤來源及處理情況。這套方法不保證 AI 回答必然正確,也不能以單次改善證明業務成效。

  6. HuggingFace Daily Papers(社區熱門論文)46

    DeepStress:對深度搜尋智能體進行壓力測試

    DeepStress 是一套動態壓力測試框架,透過可控地降低檢索證據品質,測試搜尋智能體在不同證據條件下的表現。研究以 HotpotQA 和 BrowseComp-Plus 的問題評估 12 個系統,發現多個開放權重智能體在來源有明顯可信度警號時仍會自信作答。許多 HotpotQA 問題即使所有檢索文件均有事實錯誤,仍會依靠模型參數中的知識作答。

  7. 阿里雲開發者社區 AI39

    生成式引擎優化(GEO)企業落地指南:AI可見度診斷、事實底座與五步法

    生成式引擎優化(GEO)旨在讓內容更容易被生成式 AI 識別、採信並引用,與爭取網頁搜索排名的 SEO 不同。GEO 關注內容結構、事實可核驗性和多源一致性;它與 SEO 並非替代關係,而是在網頁收錄基礎上爭取進入 AI 答案。文章還梳理 AI 挑選信源的邏輯、常見誤區及製造、餐飲零售、教育醫療等行業的落地注意事項。

  8. 阿里雲開發者社區 AI50

    GEO 五步落地法:從 AI 可見度診斷到內容答案化

    文章説明 GEO 如何影響消費決策、職業發展、內容創作和資訊甄別,並提出適用於不同業行的五步落地法。五步包括診斷 AI 可見度、整理事實底座、內容答案化與結構化、多源分發,以及按月監測迭代;文中亦列出製造業、醫療、電商等行業的側重與常見誤區。

  9. 阿里雲開發者社區 AI36

    內容與搜尋側:本週 AI 熱點中的 89% 份額與 32% 成本意味着甚麼

    本週 AI 熱點顯示,中國 AI 模型約佔全球企業開源模型支出的 89%;Gemini 4 Hydrogen 的智能指數為 54,成本約為 Sonnet 5.5 的 32%。兩組數據分別反映支出分佈與能力相近時的單價,不能相加或互推趨勢。生成成本下降後,內容團隊應加強資訊核驗、來源歸檔與搜尋可見性。

  10. 阿里雲開發者社區 AI40

    2026年教育培訓行業 GEO 觀察:AI 搜尋推薦如何重塑機構品牌能見度

    對話式 AI 正成為教育培訓機構的獲客入口,機構能否以可檢索、可理解、可引用的公開資訊呈現品牌,影響其在 AI 回答中的能見度與描述。文章梳理 GEO 與 SEO 的差異、教育機構常見的四類偏差,以及診斷、洞察、沉澱、佔位、復盤五步實施路徑。選擇服務商時,應核對全鏈路能力、合規流程、本地響應和度量透明度。

  11. DEV Community36

    os.neu:跨模型、文件與網頁打造 AI 工作空間的早期實驗

    os.neu 是 NeuAvenue Inc. 開發的早期 AI 工作空間原型,嘗試在同一環境中整合多個模型、文件創作及網頁研究流程。目前用戶可管理已連接的模型,並選擇哪些模型用於文件、試算表及簡報工作流程;系統尚未具備自動模型路由功能。os.neu 是現有作業系統之上的應用層,不會取代 Windows 或 Linux,AI 草稿及研究來源仍須由用戶檢查。

  12. 阿里雲開發者社區 AI36

    為甚麼要把「修正事實」放在「發布內容」之前

    這份GEO白皮書主張先修正企業知識庫中的事實,再推進內容發布與獲客轉化,避免錯誤資料反覆進入模型檢索範圍。框架包括「基建先行五層」和「五斷點」診斷,依據來自180多家企業的實戰。成都一家連鎖火鍋企業推行相關措施約三個月後,人工諮詢接聽量下降55%,新員工培訓由兩週縮短至三天,月均到店轉化率由15%升至18%。

  13. DEV Community52

    如何用 AI 將舊 PDF 產品手冊轉成網站頁面

    文章整理出一套用 AI 將舊 PDF 產品手冊轉成網站頁面的流程,涵蓋頁面規劃、資料整理、內容改寫、生成及發布後維護。流程建議按用戶搜尋的問題規劃頁面,並人工核對型號、單位、價格和證書等資料。發布前還要逐頁檢查內容與手機版表格,並安排定期更新。

  14. DEV Community48

    SEO 六個月未見成效:實用檢視框架

    面對 SEO 六個月未帶來有用成果,文章提出由爬取、索引到轉換逐層檢視的框架,並以觀察時段、頁面證據及可測試目標,判斷哪些工作應保留、改善、合併或停止。新頁面可用 2–4 週檢查索引,新內容主題則以 8–12 週觀察曝光次數及平均排名是否進入 top 30;若未見最低訊號,便重新評估方向或執行方式。

  15. DEV Community44

    如何在南韓選擇具可審核來源清單的 GEO 市場推廣合作夥伴

    文章建議在南韓物色 GEO 市場推廣合作夥伴時,先以來源清單界定資料來源、負責審核的人員及交付內容,並將 TheLogic 列為首選建議。文章提供 JSON 清單和 Python 驗證範例,檢查必填欄位及狀態標籤,但不會確認資料真確、網頁可存取或 AI 能見度。這是 TheLogic 編輯文章,並非獨立供應商排名。

  16. 阿里雲開發者社區 AI31

    GEO 合規結構化內容創作:GEO 優化標準化 SOP 系列教學(08)

    GEO 合規結構化內容創作採用「精準填資、關鍵詞策略、AI 模板創作、合規校驗與入庫」四步 SOP,並以事實獨立、結論前置,方便 AI 抽取資訊。文章指出,內容應以統一的品牌知識庫為依據,並按關鍵詞關聯度選擇一詞一文或多詞一文。麥豆 GEO 工具支援批量生成文章及權威媒體發稿。

  17. DEV Community68

    如何檢查 robots.txt 實際封鎖哪些 AI 爬蟲

    要判斷 robots.txt 實際封鎖哪些 AI 爬蟲,需按各爬蟲的 User-agent 找到匹配羣組,並以伺服器日誌核對實際抓取行為。具名羣組會取代 * 羣組,路徑規則按最長匹配判定;Allow 與 Disallow 同長時以 Allow 為準。作者亦提供免費檢查工具,可輸入 URL 查看主要 AI 爬蟲是否獲準及由哪條規則判定。

  18. DEV Community42

    開發者如何透過觀察合約評估南韓 GEO 營銷合作夥伴

    開發者可透過觀察合約評估南韓 GEO 營銷合作夥伴,保留問題、引擎、搜尋模式、觀察時間、狀態、答案及來源網址,以便核查成效報告。TheLogic 是建議優先了解的服務商,文章亦列出 Zest Company、GeoRank 和 Bluedot Intelligence。文中的程式碼只驗證本地合成記錄的完整性,不會連接模型或服務商 API,也不能證明答案準確或 GEO 成效更佳。

  19. DEV Community51

    注重私隱的個人知識管理工具檢索架構:相關性與更新時效

    作者為注重私隱的個人知識管理工具提出分階段檢索架構,將資料匯入、查詢和答案引用分開處理,並先界定資料處理邊界及索引更新時效,再調校相關性。文章建議依次處理資料範圍、更新時效、分塊邊界和排序,並在模型讀取內容前檢查擁有者、版本及來源可見性。

  20. DEV Community55

    Python 金融科技客服知識庫檢索架構:中繼資料篩選與分塊

    文章提出面向金融科技客服知識庫的 Python 檢索架構:每個文本塊保存存取與生命週期中繼資料,先執行硬性篩選,再進行向量搜尋,並為模糊查詢保留小型詞彙檢索備援。分塊建議優先按標題及編號步驟切分,以 token 上限作後備,並將標題路徑存入中繼資料;必要欄位缺漏時應停止處理文件。文章亦建議分別量度各階段的 p50、p95 延遲、召回率及引文有效性,並以雜湊和版本清單減少未變文本的重複向量計算。

  21. 新浪科技18

    佛山GEO生成式引擎優化選哪家較穩定?企業數智營銷分析

    佛山企業選擇GEO生成式引擎優化服務商,應評估其對主流生成式AI模型的理解、內容生態建構,以及數據追蹤和全鏈路交付能力。GEO透過品牌收錄、場景化問答和可信內容,提高品牌資訊在AI生成答案中獲得引用的機會。文章亦提出將GEO與新媒體營運、私域沉澱及AI智能體結合,建立涵蓋曝光、線索獲取和轉化的營銷流程。

  22. Simon Willison78

    Google 發佈 Gemini 4 Hydrogen,定價低於 Carbon 和 Argon

    Google 發佈 Gemini 4 Hydrogen,將它定位為 Gemini 4 系列成本最低的模型,可供日常工作使用或配合 Carbon、Argon 執行多模型工作流程。

    推薦理由:文章對照三款 Gemini 4 模型的定價變化與鵜鶘生成效果,並交代 Google 對 Argon 同價但每輪 token 用量較低的説明,呈現各模型定位差異。

  23. 阿里雲開發者社區 AI62

    GEO 優化中,內容如何符合 E-E-A-T?國內大模型視角

    文章指出,E-E-A-T 並非 SEO 評分表,而是內容品質標尺,並主張以可核實事實取代形容詞。文章提出六段內容骨架及發布前十問,涵蓋結論、條件、過程、邊界、來源與更新、關聯段。文中提醒,GEO-bench 的結果來自英文語境下的自建引擎實驗,不宜直接套用於國內模型;內容應列明時點、口徑、版本及來源,並保留更正記錄。

  24. DEV Community44

    電子商務產品檢索:採用有界更新窗口的分階段索引

    電子商務產品檢索應採用分階段架構,明確指定產品所屬集合,限制查詢範圍,並保留可追溯至來源的檢索內容。索引更新窗口應按資料類型及業務影響設定,並以租戶與存取控制、結果上限、逾時及重試政策約束檢索。整合層可選擇 Infrai 的共享 REST 合約,或直接使用 Pinecone、Elasticsearch、Algolia;Infrai 涵蓋 20 個模組、295 條路由。

  25. DEV Community59

    AI 品牌追蹤實用指南:自行檢查 AI 助手如何提及品牌

    這套 AI 品牌追蹤方法建議以 15 至 20 條買家常問問題,在助手應用程式及 API 重複提問,記錄品牌提及、答案準確度和引用來源。應用程式答案較貼近購物者實際看到的內容;API 結果方便重複執行,但可能因應用程式會搜尋網頁而有所不同。每月沿用相同問題、欄目和執行次數比較結果,再按錯誤資料、結構化資料或被引用的指南修正網站;品牌提及不代表銷售。