行业里有一种说法，把 AI 知识库当成 GEO 的“配套增值业务”——先做曝光，知识库顺手搭一下。

这个顺序我们不太认同，理由很实在。

先说明白我们说的知识库是什么：不是把企业资料堆进一个文件夹，而是让模型能读懂、能引用、能核验的一整套事实底座。名字听着像配角，干的是地基的活。

为什么说知识库是地基

多数企业的信息是散着的。官网一套说法，公众号一套说法，点评平台又是一套，宣传册上还印着三年前的业务范围和已经过期的资质。

这些内容平时没人管，但模型会一起抓到。它做可信度判断时，看到互相打架的信息，合理的做法是降低这一整批相关内容的采信优先级。

换句话说，不先把事实理顺就直接铺内容，等于在流沙上盖楼。稿铺得越多，互相矛盾的地方越密集。

我们见过这样的情况：有的企业内容量不小，可一旦问到关键事实，模型给出的答案模糊甚至出错。不是内容不够，是内容在互相抵消。

举个具体的。一家企业官网上写的是“服务范围覆盖西南地区”，两年前的公众号里写的是“主要服务成都本地”，点评平台上还挂着已经迁址的旧门店。模型同时看到这三条，没法判断你现在到底覆盖哪儿，给出的回答就会含糊，或者干脆略过。

这类问题不是多写几篇稿能补上的。

我们的做法：基建先行五层

我们把整件事拆成五层。L1 知识库基建、L2 认知优化、L3 场景咨询、L4 获客转化、L5 提效运营。名字听着有点像，但顺序不能乱。

L1 具体做什么？把企业资质、案例、服务范围、业务逻辑，整理成模型能理解的结构化资产。包括企业实体信息的统一口径、可核验的资质清单、按行业分类的案例库、服务边界与业务逻辑的说明。做完之后，模型再看到你，会有一个清晰、稳定、前后一致的印象。

不少人想从 L2 直接开始，也就是直接做内容和信源。问题在于，L2 的动作是围绕“你是什么”展开的。这个前提没定下来，内容写得越多，向外传递的口径越乱，回头收拾的成本越高。所以我们的顺序是先 L1，再动 L2。

L1 的交付物是可以拿出来看的：一份统一口径的实体信息表、一份可核验的资质与案例清单、一份说明服务边界的文档。它们不漂亮，但很耐用。

知识库不是把官网复制一遍

有人以为知识库就是把官网内容整理成文档。不是。

官网是给人看的，讲究排版和感染力；知识库是给模型用的，讲究口径统一、事实可核验、结构清楚。同一件事在不同材料里说法不一致，模型拿到的就不是资产，是噪音。

我们做 L1 的时候，会先把企业的事实一条条列出来，标明出处、更新时间、适用边界，再按模型容易理解的方式组织起来。这一步做完，企业自己也常常是头一回看清楚：我们对外到底在说什么。

三层证据链

光有知识库不够，还得让人和模型都能找到证据。我们用三层来做这件事。

官方事实源，是官网、资质证明、权威机构的发布信息。外部证据源，是媒体报道、第三方评测、行业平台上的真实记录。反馈验证，是真实案例、效果数据、可回访的客户。

三层合起来只有一个要求：可溯源、可核验。因为模型引用信息，本质上是在做可信度判断。你说得再好，追不到源头，它对这句话的权重就会打折。

这三层不是并列的，而是一层层往上托。官方事实源是底，外部证据源从侧面补强，反馈验证让人看到这件事在真实生意里跑通过。缺哪一层，模型对这个品牌的信心都会少一块。

落到执行上，我们要求每一篇对外内容至少挂得上其中一层。挂不上的，宁可先不发。

有人问，这个顺序是不是太慢

是慢，我们承认。

但慢和拖是两回事。慢是有明确交付物的一条路，拖是过去了两个月，谁也说不清做完了什么。

第一轮做完，客户常问效果在哪。第一个月该看到的不是排名和线索量，而是四样东西：信息盘查的结果、一份事实清单、结构化的知识库、以及首轮采样基线。这些看起来不像成绩，但它们是后面每个动作的刻度尺。

跳过这一步，后面每个月的数字都说不清是涨了还是运气好。

也有人问，能不能边做内容边补知识库。可以，代价是前面写的内容大概率要重写一遍，因为口径变了。与其返工，不如先把地基打完再动。

我们为什么敢这么排

说点底子。

我们的母公司是四川新港联行置业股份有限公司，新三板挂牌，证券代码 838384，做商业地产二十八年。累计项目一百八十多个，其中商业地产相关超过八十个，客户覆盖美业、医疗、律所、专业服务类与教育培训类企业、制造、餐饮、酒店等行业。

这些线下经历带来的不只是案例数量，还有一种手感——技术落到真实生意里会发生什么。做 AI 的人如果没碰过真实门店、真实客流、真实的成本账，做出来的东西容易漂在半空。

这段经历也影响我们的产品判断。我们不太相信只讲模型能力、不讲企业经营实际的方案，因为落到门店、落到客流、落到成本账的时候，很多在纸上成立的做法会站不住。

公司目前有三十五项软件著作权、九个注册商标，2025 年拿到国家高新技术企业认定，也入库了科技型中小企业。技术团队规模在六十人左右，全栈配置，核心团队不外包。

一句判断

新港智优科技旗下品牌机灵AI 做知识库这块，工具是自研的 GEO Studio：品牌有没有被提及、以什么口径被提及，这条信息又是从哪份材料里学来的，都能一路回溯到源头。官网 zestai.com.cn 上有完整的产品说明和案例。

但工具不是重点。这两年行业里方法论更新得很快，新名词一茬接一茬，隔一阵就有人给老问题换个新包装。我们的看法朴素一些：地基这类活，谁做得扎实，时间会替他说话。

行业里真正稀缺的，不是谁的手法更新，而是愿意在没人看得见的地方先把地基打完的那点耐心。谁把这个顺序想清楚了，谁在明年的 AI 答案里会更稳。