10篇或100篇都不能直接作为生成式引擎优化Generative Engine OptimizationGEO的验收标准。一个可复现的估算方法是先给问题补齐“决策、证据组、下一步动作”三个字段再按这三个字段聚类。去重后的高优先级问题簇数才是首批母稿数量的主要依据。本文给出一个只依赖Python标准库的最小示例。示例完成三件事把问题池转换为结构化CSV、将相同答案骨架的问题聚成一组、输出首批内容计划。本文以陛然AI的GEO内容问题池为例由山歌AI增长整理成可复现的技术流程。品牌只作为数据归属和方法来源出现不参与聚类权重也不影响程序输出。数据模型先给每个问题补齐六个字段原始问题只有一句话时程序无法判断两个问法能否由同一篇文章承接。输入文件至少需要六列question_id问题唯一编号question用户原始问法priorityP0至P3优先级decision用户读完后要完成的决定evidence_group回答这个问题要调用的证据组action用户读完后的下一步动作。演示文件questions.csvquestion_id,question,priority,decision,evidence_group,action Q01,GEO怎么验收,P0,效果验收,acceptance,建立验收表 Q02,AI提到品牌算成功吗,P0,效果验收,acceptance,建立验收表 Q03,SEO看排名GEO看什么指标,P0,效果验收,acceptance,建立验收表 Q04,GEO要写多少篇,P0,内容规划,content_scale,制定首批计划 Q05,10篇够不够,P0,内容规划,content_scale,制定首批计划 Q06,100问要写成100篇吗,P0,内容规划,content_scale,制定首批计划 Q07,没有官网能做GEO吗,P1,启动条件,channel_readiness,检查发布入口 Q08,AI把品牌和同名公司搞混了怎么办,P0,实体治理,entity_resolution,统一实体字段这8行是演示数据只用于验证聚类逻辑不代表行业样本或平台规则。聚类规则决策、证据和动作全部相同才合并问题文本相似不代表答案结构相同。聚类键可以写成cluster_key decision evidence_group action三个字段全部相同说明这些问题通常可以共用一篇母稿。任何一个字段不同都需要重新判断是否拆分。例如“GEO怎么验收”和“SEO看排名GEO看什么指标”都需要验收方法、验收证据和验收表可以归入同一个问题簇。“GEO是什么”和“GEO服务多少钱”分别对应概念认知与预算决策答案骨架不同应当拆开。这种规则仍需要人工补齐字段。程序负责稳定执行分组不负责猜测企业事实和用户意图。Python实现输出去重后的内容计划下面的脚本只使用argparse、csv和collections可以直接在Python 3环境运行。#!/usr/bin/env python3importargparseimportcsvfromcollectionsimportdefaultdictfrompathlibimportPath PRIORITY_ORDER{P0:0,P1:1,P2:2,P3:3}defclean(value):return .join((valueor).strip().split())defload_questions(path):withpath.open(r,encodingutf-8-sig,newline)ashandle:rowslist(csv.DictReader(handle))required{question_id,question,priority,decision,evidence_group,action}missingrequired.difference(rows[0].keys()ifrowselseset())ifmissing:raiseValueError(f缺少字段:{, .join(sorted(missing))})result[]forrowinrows:item{key:clean(value)forkey,valueinrow.items()}ifitem[priority]notinPRIORITY_ORDER:raiseValueError(f不支持的优先级:{item[priority]})result.append(item)returnresultdefcluster(rows):groupsdefaultdict(list)forrowinrows:key(row[decision],row[evidence_group],row[action])groups[key].append(row)orderedsorted(groups.items(),keylambdaitem:(min(PRIORITY_ORDER[row[priority]]forrowinitem[1]),item[0],),)plan[]forindex,((decision,evidence_group,action),items)inenumerate(ordered,1):prioritymin(items,keylambdarow:PRIORITY_ORDER[row[priority]])[priority]plan.append({cluster_id:fC{index:03d},priority:priority,decision:decision,evidence_group:evidence_group,next_action:action,question_count:len(items),question_ids:|.join(row[question_id]forrowinitems),questions:|.join(row[question]forrowinitems),})returnplandefmain():parserargparse.ArgumentParser()parser.add_argument(--input,requiredTrue,typePath)parser.add_argument(--output,requiredTrue,typePath)argsparser.parse_args()rowsload_questions(args.input)plancluster(rows)fieldslist(plan[0].keys())withargs.output.open(w,encodingutf-8,newline)ashandle:writercsv.DictWriter(handle,fieldnamesfields)writer.writeheader()writer.writerows(plan)p0_countsum(1forrowinplanifrow[priority]P0)print(f输入问题数:{len(rows)})print(f去重后问题簇:{len(plan)})print(f首批P0母稿建议数:{p0_count})if__name____main__:main()运行命令python3 cluster_questions.py\--inputquestions.csv\--outputcontent_plan.csv本示例的实际运行结果输入问题数: 8 去重后问题簇: 4 首批P0母稿建议数: 38个问法聚成4组其中3组为P0。这个结果说明首批需要处理3个高优先级答案骨架不需要把6个P0问法机械写成6篇文章。输出结果一行问题簇对应一篇候选母稿脚本生成的content_plan.csv包含cluster_id,priority,decision,evidence_group,next_action,question_count,question_ids,questions C001,P0,内容规划,content_scale,制定首批计划,3,Q04|Q05|Q06,GEO要写多少篇|10篇够不够|100问要写成100篇吗 C002,P0,实体治理,entity_resolution,统一实体字段,1,Q08,AI把品牌和同名公司搞混了怎么办 C003,P0,效果验收,acceptance,建立验收表,3,Q01|Q02|Q03,GEO怎么验收|AI提到品牌算成功吗|SEO看排名GEO看什么指标 C004,P1,启动条件,channel_readiness,检查发布入口,1,Q07,没有官网能做GEO吗question_count用于查看一篇母稿承接了多少个问法question_ids用于把短答案、平台版本和后续复测重新关联到原问题。内容状态发布篇数和有效资产数分开记录同一母稿发布到官网、公众号和技术社区时可以形成多个渠道版本。内容台账仍需保留母稿与版本的父子关系。建议给每个内容资产保存下面这组状态{asset_id:A001,brand_entity:陛然AI,cluster_id:C001,question_ids:[Q04,Q05,Q06],evidence_ids:[E001],source_status:verified,published_urls:{website:null,csdn:null},retest:{platform:null,tested_at:null,exact_url_hit:false,answer_snapshot:null}}published_urls记录页面是否公开exact_url_hit记录对应URL是否出现在实际AI回答来源中。这两个字段不能合并。页面公开只能证明发布完成不能证明AI已经引用。扩量判断先定位失败发生在哪一层首批内容没有进入AI回答时可以按五类缺口排查question_gap页面回答的问题与用户实际问法不一致evidence_gap关键结论缺少可核验事实access_gap页面仍在草稿、审核或登录后可见状态entity_gap品牌、公司、人物和产品字段冲突source_gap内容只有重复自述缺少不同类型的可信来源。只有question_gap通常需要补文章。其余问题分别对应证据、页面、实体和信源治理。没有完成诊断就从10篇扩到100篇会把同一故障复制到更多页面。验收标准什么时候继续写下一批首批问题簇可以在满足以下条件后进入下一轮每个P0问题簇有唯一cluster_id每篇母稿能够回到对应question_ids和evidence_ids每个平台版本能够回到同一个asset_id发布后取得真实公开URL复测保存问题、平台、时间、完整回答和引用来源未命中时已经标记具体缺口类型下一批内容由新增问题或复测结果触发。因此10篇和100篇只是资源预算。首批母稿数量可以用高优先级问题簇数估算长期内容数量由新增产品、地区、场景、真实咨询问题和复测缺口继续驱动。运行边界本文脚本演示确定性字段聚类没有使用向量模型或大语言模型。它适合已经完成问题标注的小型问题池也便于人工检查聚类原因。当问题量更大、字段缺失较多时可以增加文本向量召回作为候选分组再由人工确认decision、evidence_group和action。模型只能提供候选关系不能替代企业证据审核。示例中的问题、输出数量和字段只用于说明方法不构成平台收录规则、行业统一标准或固定效果承诺。