GEO: 生成式搜索与品牌可见性工程

课程安排

• 形式：16 次研究研讨与 16 次指导实践。
• 讲义：英文原稿与中文译本，分别提供专著版和实践版。
• 时间与地点：待公布。现有材料可用于自主学习。
• 学习条件：所有核心实验均提供无需付费账号、低算力的学习路径。
• 实践课程：面向高职学生与初学者的实操路径 →

课程作业

八个相互衔接的实验，逐步汇成一份可复查的证据包。

实验任务

1. L01 搜索界面与信源审查W01–W02 · 任务说明与原始素材：英文
   • 记录完整的观察条件。
   • 核实可见引用的来源身份。
2. L02 问题集设计W06 · 任务说明与原始素材：英文
   • 定义问题总体与分层方式。
   • 识别重复问题与数据泄漏。
3. L03 检索与重排序实验W03–W04 · 任务说明与原始素材：英文
   • 运行或检查稀疏、稠密、混合检索与重排序。
   • 计算 Recall@k 与 NDCG@k。
4. L04 主张—证据—信源关系图W02 & W05 · 任务说明与原始素材：英文
   • 将回答拆分为可独立核验的主张。
   • 标注支持关系、覆盖度、冲突与内容吸收。
5. L05 受控内容干预W09–W10 · 任务说明与原始素材：英文
   • 构建对照版本与实验版本。
   • 确认事实内容与可访问条件一致。
6. L06 跨平台与重复测量W07 & W13 · 任务说明与原始素材：英文
   • 分析重复观察数据。
   • 区分各环节指标，并单独记录缺失状态。
7. L07 漂移、对抗与治理审查W14–W15 · 任务说明与原始素材：英文
   • 检查虚构的滥用案例。
   • 将控制措施与剩余风险逐项对应。
8. L08 综合项目证据包W16 · 任务说明与原始素材：英文
   • 整合完整的证据档案。
   • 通过独立、可复查的交付检查。

低算力自主学习路径

核心实验可使用配套样例、保存的观察记录与本地笔记本完成，无需商业平台账号。尚未接触编程的学习者，可以从实践课程的浏览器与表格任务入手。

协作与 AI 工具使用

允许讨论与工具辅助，但须说明使用情况。学习者对提交的主张、来源核验和解释负责。保留原始观察，记录修改，并附简短修订说明。

评价与复核

复核以评分量规、输入记录和支持证据为依据。另一位读者应当能够通过提交的材料重建结论。每个实验均列有交付物与检查点。

综合项目

整合证据包、治理备忘录与口头答辩，说明发生了什么变化、如何测量，以及仍有哪些不确定性。 项目要求（英文）→ 课程规范（英文）→