为什么问大模型「某家公司做什么的」，它能说出你官网上的内容？核心机制叫 RAG（检索增强生成）。理解了它，就理解了 GEO 的全部逻辑。
RAG 干了两件事
第一步，检索：收到问题后，模型先在网页索引库里找相关内容片段，类似搜索引擎的匹配过程。第二步，生成：把找到的片段连同问题一起交给模型，组织成回答，并标注来源链接。你看到的「参考链接」，大多来自这一步。
这解释了两个 GEO 关键点
- 为什么收录是前提：不在索引库里的页面，检索阶段就找不到，后面免谈；
- 为什么结构重要：检索匹配靠语义与结构信号，标题层级清晰、问答成段、有结构化数据的页面，片段切分更完整，更容易被选中。
延伸：内容形态的影响
一段只有营销形容词的文案，语义信号弱，匹配概率低；而「服务包括 X，周期 Y 天，价格 Z 区间」这样的事实句，与问题的语义关联强，被选中的概率成倍提高。GEO 的内容改造，本质是顺着 RAG 的匹配习惯写内容。