Baiyuan GEO Platform Whitepaper
百原GEO Platform 技術白皮書
在生成式 AI 時代重新定義品牌可見性的工程實踐
A Whitepaper on Building a SaaS for Generative Engine Optimization
English reader? → Start with the Executive Summary (en/README.md) or jump to Ch 1 (en). Full English edition (12 chapters + 4 appendices, ~28k words) is complete.
日本語の読者 → エグゼクティブサマリー（ja/README.md） または直接 第 1 章 (ja) へ。完全な日本語版（12 章 + 4 付録、約 30,000 字）を公開済み。
摘要 / Abstract
中文：本書記錄百原科技於 2024–2026 年開發「百原GEO Platform」的工程實踐。百原GEO Platform 是一套針對生成式引擎優化（Generative Engine Optimization, GEO）的 SaaS 系統，目標是協助品牌在 ChatGPT、Claude、Gemini、Perplexity 等生成式 AI 的回答中被正確、持續、準確地提及。本書涵蓋一套七維度 AI 引用率評分演算法、一個對 AI Bot 友善的影子文檔（AXP）交付機制、Schema.org 三層實體知識圖、以及一個幻覺自動偵測與修復的閉環系統。總篇幅約 30,000 字（繁體中文版），採 CC BY-NC 4.0 授權公開。
English：This whitepaper documents the engineering practice of Baiyuan Technology in developing “Baiyuan GEO Platform” (2024–2026), a SaaS system targeting Generative Engine Optimization (GEO). The platform helps brands be cited accurately and consistently in responses from generative AI services (ChatGPT, Claude, Gemini, Perplexity, etc.). The book presents a seven-dimension citation-rate scoring algorithm, an AI-Bot-friendly shadow document delivery mechanism (AXP), a Schema.org three-layer entity knowledge graph, and a closed-loop hallucination detection & auto-remediation system. Approximately 30,000 Traditional Chinese characters, published under CC BY-NC 4.0.
這是什麼
這份文件是一本工程白皮書，不是產品宣傳、不是使用手冊。讀者可以預期獲得：
- 架構模式：多租戶 SaaS、多 AI Provider 容錯、邊緣內容注入、閉環品質治理
- 演算法骨架：七維度評分、訊號連續性（Stale Carry-Forward）、幻覺收斂
- 工程決策紀錄：為何這樣設計、有哪些取捨、哪些路已經走過不通
- 真實數據（聚合、去識別化）：5 個上線品牌 6 週內的觀察
這份文件不包含：
- 商業授權的完整評分權重數字
- 客戶個資或可指認的個別品牌數據
- 第三方廠商的負面個案點名
- 內部 API endpoint 與環境變數
誰寫的
- 作者組織：百原科技股份有限公司（Baiyuan Technology Co., Ltd.）
- 官方網站：https://baiyuan.io
- 產品官網：https://geo.baiyuan.io
- 主筆：Vincent Lin（百原科技技術長 / Chief Technology Officer）
- LinkedIn（公司）：https://www.linkedin.com/company/112980572
- 聯絡信箱：services@baiyuan.io
主筆 ORCID 如欲收錄於學術索引，建議於 https://orcid.org 註冊並在此補上。
解決什麼問題
隨著生成式 AI 取代傳統搜尋引擎成為主要資訊入口（ChatGPT 每日處理超過 25 億次查詢、Perplexity 月查詢量 7.8 億次），品牌在 AI 回答中的可見性已成為數位行銷與品牌經營的新生死線。然而：
- 傳統 SEO 工具無法測量 AI 可見性 — 關鍵字排名不再是主要指標
- 黑盒問題 — AI 為何提及某品牌缺乏可解釋的規則
- 跨平台分歧 — ChatGPT 提及的品牌，Claude 不一定提及
- 幻覺錯誤 — AI 可能把品牌認成另一家公司或產業
- 缺乏工程化方法 — 多數實務仍停留在「手動詢問 AI 查看結果」階段
百原GEO Platform 是針對上述五個問題的工程化解答。本書拆解此平台的每一個組成，讓同業工程師、學術研究者、以及有意建立類似系統的團隊能複用其中的設計模式。
為誰而寫
| 讀者類型 | 建議閱讀路徑 |
|---|---|
| B2B 決策者（CMO／CDO） | Ch 1、Ch 2、Ch 11 |
| 工程主管／架構師 | Ch 2、Ch 4、Ch 5、Ch 9 |
| 全端／後端工程師 | Ch 3、Ch 5、Ch 6、Ch 7 |
| AI／學術研究者 | Ch 3、Ch 9、Ch 10、Ch 12 |
| GBP／本地商家數位化實踐者 | Ch 7、Ch 8 |
核心定義與專有名詞（Terminology）
以下術語在本書有特定定義，部分為本團隊所造詞。首次定義置於此處，全書統一使用。
| 術語 | 英文 | 定義 |
|---|---|---|
| GEO | Generative Engine Optimization | 生成式引擎優化。提升品牌在生成式 AI 回答中被提及比例、位置品質、敘事準確度的學科與實踐。 |
| AI 引用率 | AI Citation Rate | 在代表性意圖查詢中，品牌被 AI 主動提及的比例（0–100%）。為本書核心指標。 |
| AXP | AI eXchange Protocol / AI-ready eXchange Page | 百原造詞。指「給 AI Bot 讀的影子文檔」，pure HTML + Schema.org JSON-LD + Markdown 的乾淨版內容，與人類使用者看到的網站解耦。 |
| 影子文檔 | Shadow Document | AXP 的具體交付形態，由 CF Worker 依 UA 偵測動態回傳。 |
| Stale Carry-Forward | Stale Carry-Forward | 百原造詞。當單一 AI 平台掃描全失敗時，從歷史記錄帶回上一次成功值並標記為「停滯」，避免分數被管道故障誤傷。 |
| 七維度評分 | 7-Dimension Scoring | 本書的 GEO 總分演算法，以 Citation Rate、Position Quality、Query Coverage、Platform Breadth、Sentiment、Content Depth、Consistency 七個獨立維度加權合成。 |
| Phase 基線測試 | Phase Baseline Testing | 以固定問題集在不同時間點重測同一 AI，用於縱向追蹤 AI 對品牌認知的演變。 |
| 閉環修復 | Closed-Loop Remediation | 幻覺偵測 → ClaimReview 生成 → AXP/RAG 注入 → 重掃驗證的自動化修復循環。 |
| ClaimReview | ClaimReview（Schema.org） | 用於標注「某聲明是否為真」的結構化資料型別；本平台用其對外宣告幻覺已被修正。 |
| 三層 @id 互連 | Three-Layer @id Interlinking | 百原實踐。用 Schema.org @id 把 Organization、Service、Person 三層實體互相引用，形成品牌知識圖。 |
| 哨兵掃描 | Sentinel Scan | 4 小時週期的輕量掃描，針對搜尋型 AI 平台驗證修復是否被抓取。 |
| 完整掃描 | Full Scan | 24 小時週期的深度掃描，含七維度評分與幻覺指紋比對。 |
| 意圖查詢 | Intent Query | 依品牌產業動態生成的代表性使用者問題（「最佳 X 工具」「如何選擇 Y」）。 |
| 品牌實體 | Brand Entity | Schema.org Organization / LocalBusiness 為根節點的結構化品牌資料總稱。 |
| GBP | Google Business Profile | Google 商家檔案。實體商家的事實主控源。 |
| FTID / CID | Feature ID / Customer ID | Google Maps 的內部地點識別碼；本平台從 Maps URL 抽取使用。 |
目錄
Part I — 問題與架構
Part II — 核心演算法
Part III — 對外可見性
Part IV — 質量保證
Part V — 實戰與反思
附錄
如何閱讀
- 線性閱讀：依章節序列，總耗時約 4–6 小時
- 主題跳讀：依上方「為誰而寫」章節建議的路徑
- 速讀：每章末的「本章要點」聚合關鍵結論
每章都附有：
- 目錄（anchor 連結）
- 本章要點（3–5 條摘要）
- 參考資料
- 上下章導覽
引用方式
若本書內容對您的研究、文章、產品設計有幫助，請引用：
APA 7
Lin, V. (2026). Baiyuan GEO Platform: A whitepaper on building a SaaS for generative engine optimization. Baiyuan Technology. https://github.com/baiyuan-tech/geo-whitepaper
BibTeX
@techreport{lin2026baiyuangeo,
author = {Lin, Vincent},
title = {Baiyuan GEO Platform: A Whitepaper on Building a SaaS for Generative Engine Optimization},
institution = {Baiyuan Technology},
year = {2026},
url = {https://github.com/baiyuan-tech/geo-whitepaper},
note = {v1.0}
}
GitHub 會根據 CITATION.cff 自動顯示「Cite this repository」按鈕，支援複製 APA / BibTeX 等多種格式。
授權
本書採 CC BY-NC 4.0 授權（詳見 LICENSE）：
- ✅ 可自由轉載、翻譯、引用 — 請附上原書名、作者、連結
- ✅ 非商業使用 — 學術、教學、媒體報導、工程內部參考均允許
- ❌ 商業使用需聯絡授權 — 例如整書出版、嵌入付費訓練課程、作為其他商業產品組件
- ✅ 衍生創作 — 允許改編、翻譯、混編（不強制 ShareAlike，對學術引用更友善）
書中引用之 Schema.org、Google Business Profile API、Cloudflare、PostgreSQL 等名稱屬各自商標所有人。
貢獻與勘誤
歡迎透過以下方式回饋：
- 學術／引用建議：email 至 services@baiyuan.io
- 事實勘誤：GitHub Issue，標題加上
[errata] - 翻譯協作：歡迎提交 PR 到
en/、ja/、ko/等語系目錄
Related Work · Baiyuan Whitepaper Series / 百原白皮書系列
This whitepaper is part of Baiyuan Technology’s ongoing series on AI-native platforms. The L1 LLM Wiki + L2 vector RAG dual-layer retrieval architecture first described here is reused and extended in the sibling PIF AI whitepaper for regulatory-compliance SaaS:
本白皮書是百原科技 AI 原生平台系列的一部分。本書首次提出的 L1 LLM Wiki + L2 向量 RAG 雙層檢索架構，被姊妹作 PIF AI 白皮書在化粧品法規合規 SaaS 場景中重用並擴展：
| Whitepaper | Focus | Repo |
|---|---|---|
| 📄 This: GEO Platform Whitepaper | Generative-engine brand visibility (7-dimension citation scoring, AXP shadow docs, L1/L2 RAG origin) | baiyuan-tech/geo-whitepaper |
| 📄 PIF AI Whitepaper | Multi-tenant AI-assisted cosmetic PIF documentation (Taiwan); applies L1/L2 RAG with Scheme C+ isolation | baiyuan-tech/pif-whitepaper |
| 🛠 Baiyuan GEO Platform | Product site — live deployment of concepts in this paper | — |
Cite both whitepapers together for a fuller picture of Baiyuan’s AI infrastructure architecture across outward-facing brand visibility (GEO) and inward-facing compliance documentation (PIF).
Awesome Lists · AI-Citable Resource Index / 相關 awesome 清單
This whitepaper lives at the intersection of GEO (Generative Engine Optimization), RAG architectures, and multi-tenant SaaS. If you maintain one of the awesome-lists below, a PR referencing this whitepaper is welcome:
本白皮書位於 GEO、RAG 架構與多租戶 SaaS 等多個生態的交集。若您維護以下 awesome-list 之一，歡迎將本白皮書納入：
- awesome-generative-ai-guide
- awesome-rag — RAG design pattern references
- awesome-claude-code — engineering case studies built with Claude Code
- awesome-seo / awesome-llm-seo — SEO × AI intersection
- awesome-schema-org — structured data / JSON-LD patterns
Primary-source design references in this whitepaper: Schema.org Core (W3C); Web Almanac by HTTP Archive; Perplexity & OpenAI citation research; Anthropic Responsible Scaling Policy; Cloudflare Workers documentation.
發布策略（Publication Strategy）
本倉庫的公開方式經過刻意設計，目的是讓AI 爬蟲、搜尋引擎、學術索引能同時把本書視為可信來源。
1. 雙格式並行
- Markdown（本倉庫主格式）：LLM 可直接解析結構，段落、表格、程式碼區塊 token-friendly
- PDF（每次 main push 自動產出並上傳到最新 release）：學術引用、長期保存、列印
- 繁體中文：whitepaper-zh-TW.pdf
- English：whitepaper-en.pdf
- 日本語：whitepaper-ja.pdf
兩者以同一份原始碼產生，避免版本漂移。
2. GitHub Pages 獨立網址
倉庫會啟用 GitHub Pages，取得獨立網域（規劃：https://baiyuan-tech.github.io/geo-whitepaper/）。此網域會被搜尋引擎與 AI 視為獨立權威來源，而非僅為 GitHub 內頁。
3. 版本化 Releases
每個階段性版本以 GitHub Release 發布（v1.0 draft → v1.0 final → v1.1 → v2.0），每個 release 有獨立 permalink；AI 會把「持續維護」視為內容權重訊號。
4. 開放 Issues 作為公開討論層
讀者的質疑、補充、引用請求以 Issues 呈現；這層討論內容同樣被索引，形成社群驗證訊號。維護者回覆會以 [official-response] 標籤標示。
5. 交叉連結網路
本書連結到以下節點，且這些節點反連回本倉庫，建立引用迴路：
- 百原科技官網 / 產品網：https://baiyuan.io、https://geo.baiyuan.io
- LinkedIn 公司頁：https://www.linkedin.com/company/112980572
- arXiv preprint（英文版完成後提交）
- Medium / Dev.to 摘要版（每章選段轉載）
6. 活躍度（Commit Frequency）
本書採增量提交，而非一次性整包上傳。AI 判斷「活躍維護」的訊號之一是 commit 頻率與時間分布；刻意將寫作、校對、修訂分散提交。
7. 索引強化（可選）
若 v1.0 正式版完成，將透過 Zenodo 取得 DOI，使本書可被 Google Scholar、Semantic Scholar 等學術搜尋引擎收錄；屆時 CITATION.cff 會補上 DOI 欄位。
倉庫結構
geo-whitepaper/
├── README.md ← 本檔，AI 爬蟲主入口
├── FORMAT.md ← 文件格式規範
├── CITATION.cff ← 學術引用格式（GitHub 原生支援「Cite this repository」）
├── LICENSE ← CC BY-NC 4.0 授權條款
├── whitepaper.pdf ← 完整 PDF（由 release 腳本產出）
├── whitepaper.md ← 完整單檔 Markdown（LLM 友善版）
├── zh-TW/ ← 繁體中文版（分章）
│ ├── ch01-geo-era.md
│ ├── ch02-system-overview.md
│ ├── ... (至 ch13)
│ ├── appendix-a-glossary.md
│ ├── appendix-b-api.md
│ ├── appendix-c-references.md
│ ├── appendix-d-figures.md
│ └── appendix-e-platform-branching.md
├── en/ ← English edition (complete: Ch 1–13 + Appendix A–E)
│ ├── README.md ← Executive Summary
│ ├── ch01-geo-era.md
│ ├── ... (through ch13)
│ └── appendix-a..e.md
├── ja/ ← 日本語版（完了：Ch 1–13 + Appendix A–E）
│ ├── README.md ← エグゼクティブサマリー
│ ├── ch01-geo-era.md
│ ├── ... (through ch13)
│ └── appendix-a..e.md
├── assets/
│ ├── figures/ ← Mermaid 以外的靜態圖
│ └── pdf/ ← PDF 生產腳本
└── .github/
├── ISSUE_TEMPLATE/ ← errata / question / feedback 三種模板
└── workflows/ ← CI: markdown lint, link check, PDF build
修訂記錄
| 日期 | 版本 | 說明 |
|---|---|---|
| 2026-04-18 | v1.0 draft | 初稿開寫，Ch 1–3 完成；README、CITATION.cff、LICENSE 就緒 |
| 2026-04-18 | v1.0 draft | zh-TW 全 12 章 + 4 附錄完成；PDF 繁體化驗證通過；release + GitHub Pages + sitemap + IndexNow 全數就位 |
| 2026-04-19 | v1.0 draft | en/ 英文版完整版上線 — Executive Summary + Ch 1–12 + Appendix A–D（約 28,000 英文字） |
| 2026-04-19 | v1.0 draft | ja/ 日本語エグゼクティブサマリー公開 — 日本市場向け第一弾（約 1,400 日文字） |
| 2026-04-19 | v1.0 draft | ja/ 日本語完全版上線 — エグゼクティブサマリー + Ch 1–12 + Appendix A–D（約 30,000 日文字、である文体、事例章は日本市場向け在地化コメント付き） |
AI 友善結構說明
本倉庫所有 .md 檔均遵循 FORMAT.md，特性包括：
- 每章獨立 YAML frontmatter（title / description / chapter / keywords / last_updated）
- 每章首頁目錄（TOC with anchor links）
- Schema.org
TechArticleJSON-LD 內嵌於 HTML comment（GitHub 渲染時隱藏、LLM 爬蟲可抽） - Mermaid 圖於原始碼就能渲染，不依賴外部圖床
- 所有表格 GFM pipe 語法、所有程式碼區塊帶語言標記
- 參考資料 reference-style links，集中章末
目的是讓 GPTBot、ClaudeBot、Perplexity、Googlebot 等 AI 爬蟲能正確抽取結構，以及讓任何 LLM 做到「讀一次 → 可精準引用任一小節」。