電商產品檢索:重複項測試與來源追蹤(以及我為何選擇其中一個方案)
電商產品檢索應採用分階段設計,配合明確的集合、有限的查詢上限及全程保留的來源脈絡,並把評測集納入系統架構。評測集應與集合定義一同版本化,記錄每次執行的中繼資料篩選條件;租戶及存取權限篩選須在結果送往語言模型前執行。Infrai 適合希望透過 HTTP 呼叫網頁及向量檢索階段的單人團隊,但評測規則、資料政策及查詢預算仍須自行管理。
電商產品檢索應採用分階段設計,配合明確的集合、有限的查詢上限及全程保留的來源脈絡,並把評測集納入系統架構。評測集應與集合定義一同版本化,記錄每次執行的中繼資料篩選條件;租戶及存取權限篩選須在結果送往語言模型前執行。Infrai 適合希望透過 HTTP 呼叫網頁及向量檢索階段的單人團隊,但評測規則、資料政策及查詢預算仍須自行管理。
中國廣告協會發布的三項GEO團體標準自10月23日起實施,規範服務要求、效果監測與驗證,以及內容源分類分級。文章比較靈狐、新榜智匯Geowise、清藍科技、智推時代和百分點科技的定位與能力,並提出以監測口徑能否復現、效果數據能否按統一維度匯出、內容源分級標準三項問題篩選服務商。
Last Museum 提供跨博物館藝術品語義搜尋,網站顯示可搜尋 6,308,174 件作品。作品年代範圍從公元前 3000 年至 2026 年。
文章示範用 Apify Python client 串接 Google Maps Scraper 與 Website Contact Details Extractor,建立本地 B2B 潛在客戶名單並匯出 CSV。
Lazyyyyy 以 Gemma 為未讀訊息、筆記和連結分類,標示可以忽略的內容;若有期限或人物正等待回覆,則生成回覆。它透過 EmbeddingGemma 和 Tiger 混合搜尋找出重複內容及過往決定,並儲存每次判斷。本機版經 Ollama 執行 Gemma 4 E4B,資料不會傳送至模型 API。
文章指出,多項 2026 年基準顯示,AI 推薦流量的轉化率高於一般自然搜尋流量,但訪問量偏低,尚不能視為增長引擎。作者建議按月追蹤訪問、註冊或示範轉化率、啟用率、付費轉化、品牌搜尋趨勢和提示詞覆蓋,並透過 30 日實驗改善未能回答買家問題或描述不清的頁面。
llms.txt 沒有可信證據顯示能提升 AI 搜尋排名或引用,但可作為文件索引,協助編碼智能體找到合適頁面。一項涵蓋超過 100,000 個網站的研究只發現它與 AI 可見度相關,不能據此判定因果。作者建議有開發者文件或大型複雜網站時,可把它作為文件維護;提升 AI 引用則應重視清晰產品頁、原創資訊、外部提及及持續測量。
Muck Rack 的 2026 年公關行業調查顯示,生成式 AI 已成工作流程中的基礎工具,80% 受訪者正在使用,61% 預計 AI 與自動化未來五年會更重要。媒體關係仍居核心,重要性升至 48%;73% 認為 GEO 具有戰略重要性,但 39% 尚未衡量其成效。
作者打造並開源 Linkit,一款本機優先的桌面書籤管理器,支援 AI 摘要、語義搜尋及重複連結偵測。書籤存於本機 SQLite,無須帳戶且可離線使用;亦可選用 Supabase 同步多部裝置。GitHub 專案連結:https://github.com/blue-idea/linkit
這篇教學説明如何透過 robots.txt 和伺服器存取日誌,檢查 AI 爬蟲能否讀取網站。日誌中的 200 表示爬蟲讀取頁面,403 或 429 則表示防火牆或速率限制器拒絕請求;Google-Extended 不會出現在日誌中,因為實際抓取由 Googlebot 執行。作者建議在 CDN 或 WAF 放行相關爬蟲、確保頁面採伺服器端渲染,並一星期後重查日誌。
候選人搜尋應以檢索為核心,按資料新鮮度、存取控制及引用需求選擇向量檢索、即時網頁搜尋,或結合兩者。發布檢查須涵蓋租戶篩選、來源引用、資料新鮮度及延遲限制;向量索引處理可持續維護的資料,即時搜尋則補充最新公開內容。
Envoyra 向 ChatGPT、Claude、Gemini 和 Perplexity 提出 18 條問題,共收集 72 個答案;開放式提問中,四款 AI 助手在 36 個答案裏均未推薦 Envoyra。
網頁代理商可自行開發工具、訂閲軟件,或外判並以白標方式交付,提供 GEO/AEO 服務;選擇取決於客戶數量及團隊可投入的時間。代理商可承諾按客戶買家問題進行有日期的測量及比較,但不能保證品牌會更常被 AI 助手提及。白標外判前,應確認交付是否完全以代理商品牌呈現、報告能否自行核實,以及付費刊登是否有標示。
Cohere 發佈 Rerank 5,提供 Pro 和 Fast 兩個版本,加入可返回文件內相關段落的 Context Focus,以及校準相關性分數。兩個版本均支援 32K token 上下文窗口和 100 多種語言,API 價格分別為每 1M tokens $0.05 和 $0.02。
文章指出,企業應把 GEO 視為跨部門的 AI 可見度能力,而非 SEO 的下一個版本,因為 AI 系統愈來愈常在顧客到訪品牌網站前直接生成答案。
FlightPowers 統計其航班搜尋示範在一年內執行的 27,320 次搜尋,只有 36% 指定固定日期,其餘 64% 的搜尋在出發日期或逗留時間上保留彈性。搜尋中有 9.5% 列出 10 個或以上機場;來自特拉維夫、指定單一城市的搜尋則以曼谷和紐約最受歡迎。FlightPowers 的 MCP 伺服器可透過一次呼叫處理日期範圍及目的地清單,最多計費 300 個組合。
AURA GEO 提出一套約 10 分鐘的 curl 測試,讓網站管理者確認 AI 爬蟲直接請求時取得的 HTML 是否包含重要內容。流程包括以一般及爬蟲 user agent 抓取原始 HTML、檢查必要文字是否在可讀標記中,並與瀏覽器渲染後的頁面比較;若內容缺失,可改用 SSR、靜態生成或預渲染。
作者建立職位搜尋 API 供智能體監察市場,卻發現薪酬欄位的貨幣、計算期及薪酬組成並不一致。作者編寫正規化工具,把無法確認的貨幣或計算期標記為未知,並在資料含糊時將薪酬範圍標示為未經核實。
一項對 751 個墨西哥、美國樣本及加拿大熱門網站的 robots.txt 檢查發現,美國樣本封鎖至少一個 AI 訓練爬蟲的比例最高,為 29.3%,墨西哥為 20.2%,加拿大為 13.2%。在封鎖訓練爬蟲的網站中,墨西哥和美國樣本分別有 59% 和 64% 亦封鎖至少一個 AI 搜尋爬蟲。研究結果反映網站的 robots.txt 設定,不代表封鎖一定生效。
AumCreate 整理一套令 AI 爬蟲能發現、抓取、解析及引用網站內容的流程,涵蓋 sitemap、逐頁 meta、結構化資料和內部連結。流程要求 sitemap 只收錄狀態碼為 200、自我指向 canonical 且可索引的網址,並建議每個可索引頁面均可由首頁三次點擊內到達。文章亦涵蓋逐頁 meta、依範本加入結構化資料及定期核查,並提醒 llms.txt 仍是未獲採納的提議慣例。
AgentSearch 的指南示範如何用 @agentsearchhq/langchain 為 LangChain.js 智能體加入無需 API key 的網頁搜尋。
這篇教學示範如何把 GMapsScraper.AI 的 MCP 伺服器接入 Cursor、Claude Code、Claude Desktop 或 Codex,從 Google Maps 擷取商家名單。
一個智能體花了一個月,嘗試讓陌生人找到自己發布的網頁,並記錄不同平台的結果。記錄顯示,能否成功發布與網頁能否被搜尋到是兩種不同問題;註冊限制、人工審批和搜尋排名都可能影響結果。評估平台時,應分開檢查能否發布,以及有需要的人能否找到網頁。
文章指出,Googlebot 會執行 JavaScript 渲染 SPA,而 ChatGPT 相關爬蟲只讀取伺服器返回的 HTML,可能看不到頁面內容。
作者不再為 TubeBuddy 和 vidIQ 的 YouTube 成長工具付月費,並自行開發 OnyxIQ,提供頻道及影片分析、關鍵字研究、競爭對手比較和縮圖測試等功能。OnyxIQ 是 Chrome 擴充功能及 PWA,使用者以自己的免費 YouTube API key 操作;Basic 免費,Prime 一次性收費 $49。作者指出,OnyxIQ 尚未成熟,亦不支援跨裝置雲端同步。
紀錄片《我的美食嚮導2》自10月15日起在騰訊視頻播出,陳曉卿帶觀眾尋味六座城市,並分享尋找美食就是尋找生活的理念。他認為,AI推薦能呈現大眾口味,卻未必找得到最適合個人的選擇;瞭解用戶口味的本地朋友,才是真正的美食向導。
文章提出一套寫作前用 20 分鐘判讀搜尋意圖的流程,將每個關鍵字的假設、內容類型、格式、角度、SERP features、着陸頁及 CTA 記錄在試算表。流程先從關鍵字修飾詞推測意圖,再查看搜尋結果頁核對內容類型、格式與角度,並以 SERP features 作線索。最後按意圖決定合適的着陸頁和 CTA,避免把不同意圖的內容混在同一篇文章。
以 vibe-coding 建立並採用 client-side rendering 的網站雖可在瀏覽器正常顯示,AI 搜尋爬蟲卻可能只讀到空白 HTML 外殼,因而無法引用頁面內容。文章建議用 curl 檢查伺服器回傳的 HTML,並透過 SSR、靜態生成或預渲染,讓爬蟲取得頁面文字;首頁、定價及服務頁尤其應以 HTML 呈現。
第一財經總編輯楊宇東在一財全球十週年大會上闡述新十年「MAPS」戰略,提出建設全球傳播矩陣、連結網絡及智能化內容體系。生成式AI正取代搜尋引擎,成為新一代資訊入口;第一財經希望藉由可信內容及全球分發,成為理解中國經濟的關鍵信源。
這篇 Python 教學提供一套腳本,模擬 Google 的 query fan-out,將生成的子查詢與網頁段落作嵌入向量比對,按相似度由低至高列出可能的內容缺口。
Embedding 將文字語義轉成多維浮點向量,向量間距可反映語義相似度,並支援搜尋、推薦、分類及聚類。OpenAI 的 text-embedding-ada-002 輸出 1536 維向量;文章亦説明以 Embedding 建立本地知識問答系統的流程,包括準備資料、分塊、向量化及儲存。文中列出 GPT-3.5 的 token 上限為 4K,GPT-4 則為 32K。
Dify 發佈 V0.3.12,加入可在對話中使用的 Chat,並優化數據集檢索策略。數據集新增 Q2Q 問答分段模式,按用戶問題尋找相似問題並返回對應答案片段;用戶亦可手動修改或新增分段範圍與內容。Chat 提供網頁瀏覽、Google 搜尋及 Wikipedia 查詢插件,並支援 GPT-3.5、GPT-4、Claude 2 等具推理能力的模型。
Dify 產品團隊示範如何用 Dify Workflow 編排類似 GPT-Researcher 的研究流程,以平行處理各子問題的搜尋與分析,最後整理成研究報告。流程先由 LLM 將問題拆成 4–6 個子查詢,再透過 Tavily API 搜尋,並由 LLM 摘要分析結果。平行模式可同時執行迭代任務,並可調整最大平行度控制 API 請求速率;錯誤處理則隔離個別迭代項目的異常。
Dify 的自訂工具可透過 REST API 接入 Azure AI Search,文章示範建立索引、設定工具 schema 和 API 金鑰,並在 Dify 工作流程中測試搜尋及查看 LLM 階段結果。Dify 是用於開發大語言模型應用程式的開源平台。
這份教學示範如何透過 Ollama 和 Dify Community Edition 本機部署 DeepSeek R1 7B,建立私人 AI 助理。內容説明如何加入知識庫以檢索文件,以及在 Chatflow 或 Workflow 加入 Web Search 節點。教學亦提供透過 SerpApi 啟用搜尋及處理 Docker 連線問題的步驟。
Dify 的 DeepResearch 教學展示如何建立研究自動化工作流程,以多輪搜尋和 LLM 摘要整合研究結果。流程利用 Iteration 節點重複搜尋,並由 LLM 生成或修訂搜尋關鍵字、判斷是否繼續,最後彙整結果並輸出報告。文章示範使用 DeepSeek API 和 Tavily Search API。
Dify 的指南示範如何在 Dify v1.0.0 中整合 Brave Search API plugin,為 AI 應用加入即時搜尋能力。示例包括以 LLM 節點改寫查詢、交由 Brave Search 搜尋,再由另一個 LLM 整理報告的 Workflow;Agent Node 範例則結合 Brave Search 和 Arxiv Search,並把報告送至指定 Discord 頻道。
Dify Marketplace 現已提供 Tavily 數據來源插件,讓用戶將即時網絡資料擷取並嵌入知識管道,以提升資料準確度並保持內容更新。Dify 示範以 Tavily 擷取説明文件、生成問答對並存入知識庫,供聊天機械人、智能體及工作流程等 Dify 應用使用。
Chroma Research 評估在嵌入向量上套用線性轉換,以提升檢索準確度的做法。只調整查詢嵌入向量,使用最少 1,500 組已標註的查詢與文件配對,檢索準確度較單獨使用預訓練嵌入模型最高提升 70%。從未標註為相關的文件中隨機抽取負面例子已足以達成改善,有助降低標註成本。
Chroma Research 提出一套生成式基準測試方法,先篩選與用戶情境相關的文件,再根據情境和範例查詢生成測試查詢,以評估檢索系統。研究在 9 個公開數據集及 Weights and Biases 的 WandBot 生產資料上測試,生成查詢大致保留嵌入模型的相對排名;在 WandBot 案例中,相關檢索指標亦較接近真實查詢。團隊並提供完整程式碼,供用戶為自己的數據建立基準。