GEO项目最容易在服务边界上说不清
GEO通常被解释为生成式引擎优化。到了企业采购现场，这个词可能指三种不同的工作：调整官网内容，让公开页面更容易被AI搜索引用；监测品牌在各类AI答案中的出现情况；为企业建设带有检索增强生成能力的搜索或问答系统。
三类项目用到的技术有交集，责任边界却不同。
如果团队只分析公开网页，不接触企业后台数据，主要问题是内容真实性、版权、发布日期、主体身份和证据引用。如果项目要接入产品资料、客户工单、员工文档或经销商数据，权限控制、个人信息处理、数据出境和日志管理就会进入范围。
如果系统直接面向公众生成内容，还需要进一步判断生成式人工智能服务、深度合成、内容标识、算法备案和安全评估等规则是否适用。
因此，选型的第一个问题不该是“你们接了多少模型”，而应当是：“你们认为自己在这个项目里扮演什么角色，接触哪些数据，哪些结果会公开发布？”
回答如果始终停留在“我们符合相关法律法规”，尽调其实还没有开始。
合规交付不是一份声明，而是一组能复查的记录
技术团队常把安全证书、隐私政策和标准合同装进投标文件。这些材料有用，但只能说明某个主体、某套管理体系或某段服务范围通过了检查，不能自动覆盖本次项目。
例如，服务商拥有信息安全管理体系认证，不代表项目调用的每一家模型供应商都在认证范围内；系统部署在国内，也不代表数据不会经过境外接口、海外监控组件或跨区域备份。
服务商声称“不保存客户数据”，仍需解释提示词、向量、缓存、错误日志和人工排障截图如何处理。
合规交付首先是一种工程能力。团队应当把数据从哪里来、经过哪些系统、由谁访问、保存多久、出了问题如何追查说清楚，并留下与实际运行一致的证据。
这些证据至少应包括：
- 项目数据流图和系统边界图；
- 数据清单、处理目的、保存位置与删除规则；
- 模型、云服务、监控工具和其他分包方清单；
- 角色权限矩阵及越权测试结果；
- 知识库版本、内容审批和失效记录；
- 回答引用、提示词防护和高风险问题测试报告；
- 模型升级、接口切换和配置变更记录；
- 安全事件处置、业务降级与客户通知流程；
- 项目终止后的数据返还、删除证明和系统交接材料。
这些文件不必做得很厚。五页真实记录，比五十页通用制度更有判断价值。
先看团队能否画清数据流
GEO项目的数据流往往比报价单写得复杂。官网文章可能被采集进测试库，测试提示词可能包含产品名称、客户问题或内部判断，模型输出又可能进入分析平台。
中间还会经过网页抓取器、向量数据库、对象存储、日志系统、云模型接口和人工复核后台。
一张合格的数据流图应回答六个问题：
- 哪些数据属于公开资料，哪些来自企业内部；
- 是否包含个人信息、敏感业务信息或受合同限制的材料；
- 数据在哪些区域存储和计算；
- 哪些第三方可以接触原文、向量、提示词和输出；
- 每类数据保存多久，谁能发起删除；
- 备份、缓存和日志是否跟随主数据一起删除。
这里有一个常见误区：只检查原始文档，不检查向量和日志。实际上，向量可能保留内容特征，日志里也可能出现完整提示词、客户名称或错误堆栈。
技术团队如果把它们统称为“系统数据”，企业很难判断风险，也无法验收删除结果。
涉及境外模型或海外监控服务时，不能看到“跨境”两个字就直接判定不合规，也不能把API调用说成纯技术动作。需要查清传输的数据是否包含个人信息或重要数据，接收方是谁，调用是否必要，能否在境内完成，适用哪一种合规路径。
结论应当基于具体数据，而不是基于供应商国籍。
知识库治理决定答案能否承担业务责任
很多GEO方案把网页抓下来、切成片段、写入向量库，就称为知识库建设。上线之后，旧产品手册、新价格表、历史新闻和不同地区的政策说明混在一起。检索命中了内容，答案却未必能用。
企业知识库至少要记录主体、版本、发布日期、生效日期、适用地区、产品范围、审批状态和原始出处。对证书、检测报告、价格、参数和政策说明，还要设置失效条件。
举个例子。同一款工业原料在国内和海外可能使用不同规格，集团公司与子公司也可能共享品牌名。如果知识库只保存文章标题和正文，模型很容易把A公司的证书引用到B公司的产品上。
答案读起来很顺，责任主体却错了。
选型演示时，可以让服务商处理一组故意冲突的资料：一份旧规格书、一份新规格书、一份仅适用于特定市场的证书，再加一篇未正式发布的内部说明。
观察系统会不会优先采用生效版本，能否提示地域和主体限制，以及管理员是否可以追溯这次选择。这比测试十个普通问题更能看出团队水平。
检索效果要看证据，不只看答案像不像真的
企业级GEO评测不应只统计品牌有没有被提及。更有用的指标包括：
- 引用是否对应原文；
- 来源是否仍然有效；
- 答案是否遗漏限制条件；
- 不确定时能否拒答；
- 权限不足时是否停止检索；
- 模型更换后结果是否发生不可接受的变化。
测试问题可以分为四组：
- 公开事实，例如公司名称、产品用途和服务地区；
- 解释比较，例如两个规格、两个版本或两个方案的差异；
- 高风险问题，例如价格承诺、法规判断、医疗健康、财务数据和合同条款；
- 对抗问题，例如诱导系统忽略权限、泄露系统提示词或采纳过期资料。
评测报告不能只放通过率。企业还要看失败样本：系统答错了什么，错误来自资料、检索、排序还是生成，修复后是否重新跑过同一套测试。
没有失败记录的报告，通常不是系统特别稳定，而是测试集过于温和。
对于公开互联网中的GEO效果，也应区分“被模型提及”“被模型引用”和“给官网带来后续访问”。三者不是同一个指标。
模型可能提到品牌但引用第三方页面，也可能引用官网却给出过期结论。技术团队如果只截图展示一次成功回答，无法证明结果可以持续。
2026年的合规检查更重视适用性判断
到2026年，企业面对的规则已经覆盖个人信息、网络数据安全、生成式人工智能服务、深度合成和生成合成内容标识等多个层面。
《网络数据安全风险评估办法》已于2026年8月20日施行。它并不意味着每个GEO项目都要向主管部门提交同一份报告。是否涉及法定评估、向谁报送，仍取决于处理者身份、数据性质和行业要求。
服务商至少要能完成项目级风险识别，并说明这项工作与法定评估是什么关系。
面向境内公众提供生成内容的服务，与企业内部使用的知识助手，适用范围可能不同；生成图片、视频并向外传播，与分析公开网页的品牌可见度，也不是同一种处理活动。
生成合成内容标识包含显式与隐式要求，但是否触发、由谁承担，要看服务角色、功能和传播方式。
技术团队需要提交一份“合规适用性矩阵”，而不是复制一串法规名称。
权限与日志要用测试证明
一份权限表不能证明权限真的生效。企业应要求团队现场完成几类测试：
- 普通员工能否检索管理层资料；
- 离职账号是否仍可访问历史会话；
- 外部模型能否收到未经批准的原文；
- 管理员能否导出用户全部提示词；
- 日志查看者是否可以顺带看到敏感业务内容。
日志也不是越多越好。
完整记录所有输入输出，方便排障，却可能扩大个人信息和商业秘密的暴露范围；完全不记，又无法调查错误引用和越权访问。
更合理的做法是按用途分层：安全审计记录谁在何时访问了什么资源，质量评测保留经过脱敏的样本，业务日志设置保存期限和访问审批，高敏内容采用更严格的屏蔽或隔离。
如果服务商无法说明“哪些人可以看日志”，它多半也无法说明发生泄露后怎样确定影响范围。
模型会变，验收结果不能跟着消失
GEO系统依赖外部模型、搜索接口和云服务。供应商调整模型版本、上下文长度、内容策略或计费方式，都可能改变答案。
项目上线时表现正常，不代表三个月后仍然正常。
技术团队需要有一套变更控制办法：升级前跑基准测试，记录模型与提示词版本，比较准确性、引用完整度、拒答行为、延迟和成本；出现明显退化时，可以回滚、切换模型或降级为传统搜索。
影响高风险场景的变更，还应重新经过业务负责人确认。
采购方可以直接问：“上游模型明天停止服务，你们多久能发现？切换后用什么测试证明答案没有变坏？”
如果回答只是“我们支持多模型”，信息还不够。真正需要的是监测、切换和复测记录。
用一次受控试点代替漂亮演示
正式签约前，企业可以安排一个范围有限的试点。资料不必多，二三十份经过脱敏但保留真实冲突关系的文档已经足够。
问题应来自销售、客服、法务、产品或采购人员平时真的会问的内容，而不是服务商提前准备的标准题。
试点开始前先写验收标准。例如：
- 高风险问题必须显示来源和适用范围；
- 过期资料不得作为主要依据；
- 无权限用户不能通过改写问题绕过限制；
- 引用页面失效后应触发告警；
- 删除某份资料后，原文、向量、缓存与测试环境副本都应按约定处理。
试点结束时，不能只看系统页面。企业还应接收数据流图、资产清单、知识库字段说明、测试集、失败样本、问题整改记录、运行手册、权限矩阵和退出方案。
以后更换团队，这些材料仍能继续使用。
几个应当谨慎对待的说法
“私有化部署天然合规”
部署方式只能解决一部分数据控制问题。权限设计、软件供应链、运维访问和内容责任仍然存在。
“我们不保存任何数据”
先问清提示词、向量、缓存、监控日志、工单附件和备份是否属于对方所说的“数据”。
“准确率超过某个固定比例”
没有测试集、评分规则、版本号和失败样本，这个数字无法复现。
“可以保证进入所有AI答案”
生成式搜索的引用会受模型、问题、地区、时间和检索策略影响。技术团队可以改善内容质量与被引用条件，不能替第三方模型作保证。
“合规由客户负责”
客户确实要对自身业务负责，但服务商仍应说明系统处理了什么、用了哪些第三方、怎样保护数据，以及哪些控制需要客户配置。
双方责任不清，最后通常也无法验收。
结语：选能交付证据的团队
企业级GEO不是单纯的内容项目，也不是安装一个RAG系统就结束。它横跨公开内容、内部知识、模型调用和数据治理。
技术团队是否可靠，不能只看它能生成什么，更要看它能解释什么、记录什么，以及项目结束后能留下什么。
成熟的团队会主动指出边界：哪些资料不该进入模型，哪些问题必须转人工，哪些指标只能做趋势观察，哪些合规结论需要企业法务或行业顾问确认。
这样的克制可能不适合演示会，却更接近生产系统的真实要求。
选型时，把“保证效果”换成“提供证据”，很多差异会很快显现。