没有 Agent，GEO 还能怎么做：一个人的最小可执行闭环

现在讲 GEO 的内容里，有一半在卖 Agent。

写稿 Agent、策略 Agent、监测 Agent——听起来这件事没有自动化就做不了。

不是的。GEO 的核心动作有五个，其中只有一个真的离不开自动化，其余四个手工就能做。

代价是频率和覆盖面，不是"做不了"。这篇文章把这条边界画清楚：手工能做到哪一步，什么时候必须上工具，以及没到哪条线就别花这个钱。

一、五个动作，只有一个卡在规模上

先把 GEO 的动作拆开：

```
① 定问题集 手工可做 —— 决定测什么，这一步质量最重要，反而最不该自动化
② 固定身份提问 手工可做 —— 但要守纪律，身份一变数据就没有可比性
③ 留存原始回答 手工可做 —— 截图/复制全文，比只记排名有用得多
④ 追溯引用源 手工可做 —— 逐条点开看，慢但准
⑤ 规模化重复采样 ★ 卡在这里 —— 这一步是真的需要自动化
```

只有第 ⑤ 步卡在规模上。 前四步的瓶颈是纪律，不是算力。

为什么第 ⑤ 步是硬瓶颈？因为两个数字：

```
内容被引续航 餐饮 5.3 天（全行业最长） · 工业 3.9 天（全行业最短）
同题重复采样 同一个问题连问两次，两次的引用来源集合经常对不上
★ 这是机制决定的：产品端每次提问都会重新检索，
材料一变，答案组织方式就变
```

第一个数字定复测频率下限，第二个数字定单次采样的可信度下限。

内容大约 4 到 5 天就会掉出引用池，意味着你至少每周要复测一次；而单次提问的结果本身就有波动，意味着同一个问题要问多次才能确认一个变化是真的。

这两条乘起来，就是手工方案的天花板。

二、手工方案能撑住多少：一张可以自己算的表

按"每个问题每周复测一次、每次在两个引擎上各问一遍、每次留存原始回答"来估：

```
单个问题单次 提问 + 等待 + 复制全文 + 记录引用源 约 3 分钟
每周每问题 2 个引擎 × 1 次 约 6 分钟
```

于是：

```
20 个问题 每周 2 小时 一个人兼职能撑住
50 个问题 每周 5 小时 需要专人一天
100 个问题 每周 10 小时 手工方案的实际上限
200 个问题 每周 20 小时 ★ 已经不现实
```

结论很直接：一个人手工能稳定维护的，大约是 50 个问题以内、两个引擎。

这不是一个小数字。对一家刚开始做 GEO 的中小企业，50 个核心问题已经能覆盖主要的选型场景。

三、问题集怎么定：这一步最不该省，也最不该自动化

手工方案里唯一不能凑合的就是这一步。 问题选错，后面全白做。

我们用 1047 条真实 query 做过一次分区实测。把问题按是否含品牌名、含谁的品牌名分成五个区，测"跑偏率"——AI 的回答偏离提问原意的比例：

```
空白区（问题里不含任何品牌名） 跑偏率 13.3%
有品牌名的三个区 跑偏率 5.4% ~ 6.6%
```

空白区的跑偏率是有品牌名区域的两倍多。

而新手最容易去测的恰恰是空白区的泛词——"GEO 工具哪个好"这类。在一个跑偏率 13.3% 的区里测出来的结果，本身就带着可观的噪声。

手工方案的问题集配比建议（总量 30~50 条）：

```
品牌词 5~8 条 "XX品牌怎么样" —— 跑偏率最低，是你的基线锚点
品类词 15~20 条 "预算X、场景Y，推荐哪家" —— 这是真正的战场
竞品词 5~8 条 "A和B哪个好" —— 看你在对比语境里的位置
空白泛词 5 条以内 ★ 只留少量，因为跑偏率高、噪声大
```

用你客户的原话写问题，不要用关键词。 AI 对话里的提问是带背景、预算、场景的完整句子，不是搜索框里的短词组。

四、固定身份：手工最容易破功的地方

AI 会根据对话上下文和历史调整答案。同一个问题，换个账号问，结果可能不一样。

手工方案必须守三条纪律：

```
□ 每次用同一个账号、同一个入口（网页端和 APP 端的答案不同，不要混）
□ 每次新开对话，不要在有上下文的会话里追问
□ 每次记录时间 —— 同一天不同时段结果也会变
```

破了任何一条，你的两次数据就不能比较。 这是手工方案最容易在第三周开始松懈的地方。

五、留原始回答：比记排名有用十倍

多数人手工做监测时，记的是"我排第几"。

这个数字单独拿出来没有用。 排名从第 3 掉到第 7，你拿着这个数字去问任何人，得到的回答都只能是"算法波动"——因为你手里只有位置，没有 AI 当时到底说了什么、引用了谁。

留原始回答全文，成本只多 30 秒，但它让下面这些问题变得可回答：

```
掉名次是因为竞品说得更好，还是因为 AI 引用的信源换了？
AI 对我们的描述是准确的，还是把参数说错了？
它引用的那几个来源，是我们能影响的，还是完全够不着的？
```

引用源逐条点开看，这件事手工做完全可行，而且比任何汇总分数都更能指导下一步。

六、什么时候该上工具：三条可量化的触发线

这一节是这篇文章里最该诚实的部分。

没到下面这三条线，手工方案够用，不用花这个钱：

```
触发线 1 · 问题数超过 50 条
按每周复测一次算，一个人每周要花 5 小时以上
—— 这是人力成本超过工具成本的交叉点

触发线 2 · 需要覆盖 3 个以上引擎
两个引擎手工可控；三个以上，工作量线性增长而注意力不会
—— 而且跨引擎对齐（同一批问题、同一时间窗）手工很难保证

触发线 3 · 需要向第三方证明效果
自己截图自己算，在内部沟通里够用
但要向老板、客户或投资人证明，需要可复现的原始数据与留痕
—— 这一条和规模无关，和"谁来信"有关
```

反过来说：

```
问题数 < 30、只做 1~2 个引擎、只用于内部判断方向
→ 手工方案不但够用，而且因为你亲手读了每一条回答，
你对"AI 到底怎么说我们"的理解会比看报表深得多
```

我们见过不少团队在第一年靠一个 Excel 就把方向摸清楚了。 先手工做三个月再决定要不要上工具，比一上来就买一套系统更划算——至少你会知道自己真正需要哪几个功能。

七、一个人的最小闭环：完整流程

```
第 1 周 定问题集 30 条（品牌 5 / 品类 18 / 竞品 5 / 泛词 2）
在 2 个引擎上各跑一遍，留存全部原始回答
★ 这就是你的基线，之后所有判断都以它为准

第 2~4 周 不做任何优化动作，只重复采样
目的：先摸清楚「什么都不做时，数据本身波动多大」
★ 跳过这一步，你会把正常波动当成优化效果

第 5 周起 开始做内容，每次只改一个变量
每周复测一次，每次和基线比，不和上周比

每月一次 回看引用源：哪些来源反复出现？它们是你能影响的吗？
这张清单决定你下个月把内容发在哪里
```

第 2~4 周那一步最容易被跳过，也最不该跳过。 没有空转期的基线，你分不清"优化生效了"和"这周 AI 心情好"。

附：数据出处

• 五区跑偏率：1047 条真实 query 分区实测。
• 内容被引续航：2026 年 8 月五引擎信源观测，五引擎、8 个入口、22 个行业、
  2100 多个品牌，近 15 万次 AI 问答、2263 万条引用记录，按占比口径。
• 同题重复采样的波动：机制性描述，未附具体统计量。
  ★ 2026-09-21 核查：原稿引用的「75.3 万条引用重复采样实验」在知识库中
  查无出处，已删除。不得恢复，除非补上可核验来源。
• 第二节的时间估算是按上述频率推算的工作量，非实测值，正文已说明是"估"。