GEO Citation Lab

用可复查的数据，研究 AI 搜索如何选择信源、吸收内容与呈现实体。

Open empirical resources for studying how generative search selects sources, absorbs content, and surfaces entities.

GEO Citation Lab 是一个面向 AI 搜索引用机制的公开实证研究工作台。仓库围绕两条研究主线，整理跨平台引用实验与中文生成式搜索数据，并提供分析脚本、数据仓库、可视化报告和主题论文导航。

提问 → 搜索触发 → 信源选择 → 内容吸收 → 实体曝光 → 跨平台与跨终端差异

在 AI 客户端一句话安装

把下面这句话发送给具有网络和本地文件权限的 AI 客户端：

安装 GEO Citation Lab 的轻量阅读版并打开： https://github.com/yaojingang/geo-citation-lab

AI 客户端会下载版本固定的 v0.1.0 Viewer、验证 SHA-256、解压并打开 index.html。Viewer 包含自包含研究报告和可搜索论文目录，体积上限为 15 MiB，无需 Git、Python、Node 或 Docker。论文 PDF 与完整研究数据保留在线入口。

当前 deploy/manifest.json 中的 release_status 为 released，安装器使用 v0.1.0 的固定 Release 资产地址。

网页聊天客户端通常没有本地文件权限，可以直接使用 在线首页。本地 AI 客户端应遵循 AGENTS.md 和 deploy/manifest.json 中的安装契约。

查看 CN-GEO 分析报告 · 读 3 分钟实验摘要 · 浏览论文导航 · 打开在线首页

这套研究在看什么

AI 搜索中的可见性包含多个环节。一条内容可能进入检索候选、出现在引用列表、参与答案生成，或进一步影响品牌和实体的呈现。仓库用两套实证研究观察这条链路。

• 01-geo-experiment-data-report/ 研究 ChatGPT、Google AI Overview / Gemini 和 Perplexity 如何触发搜索、选择信源并吸收页面内容。
• 03-cn-geo-citation-dataset/ 整理国内 AI 引用记录，并从信源生态、页面特征、实体曝光和 Web / App 差异等角度提供可查询的数据与报告。
• 02-geo-aeo-ai-search-papers/ 为上述问题提供文献背景，覆盖 GEO 方法、测量评估、AI 搜索实证、风险操纵、Agentic Search 和 RAG 等主题。

三个研究发现

引用广度和吸收深度需要分别测量。 在跨平台实验中，Perplexity 和 Google 平均引用更多信源，ChatGPT 引用较少，但成功抓取页面的平均引用影响力更高。完整口径见论文 From Citation Selection to Citation Absorption。

内容匹配度、结构和证据密度与吸收深度相关。 高影响力页面通常更长、分段更清楚，也更常包含定义、数字、对比和操作步骤。单独采用 Q&A 格式没有表现出吸收优势。这些结果来自静态样本中的描述性统计和相关性分析。

同一产品的 Web 与 App 需要分开观察。 中文生成式搜索研究发现，同一平台不同终端的信源集合存在系统差异，界面类型会影响跨平台比较。完整结果见论文 What Do Chinese-Language Generative Search Engines Cite and Surface?。

按你的目的进入

只想阅读结论时，可以直接使用 GitHub Pages，无需克隆完整仓库。数据分析与复算方式分别写在两个研究目录的 README 中。

两条实证研究主线

跨平台引用选择与吸收

这套实验覆盖 602 条受控 Prompt、21,143 条有效搜索层引用和 23,745 条 citation-level 特征记录，并从 18,151 个成功抓取页面中提取 72 维特征。

研究将生成式搜索拆为两个可观察结果：

• 引用选择：平台是否触发搜索，以及哪些信源进入引用列表。
• 引用吸收：引用页面在语言、证据、结构和事实层面对最终答案的参与程度。

对应论文：

Zhang Kai, He Xinyue, Yao Jingang. From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms. arXiv:2604.25707, 2026.

研究材料包括 Prompt 与数据、完整 Markdown 报告 和 在线 HTML 报告。

中文生成式搜索与 CN-GEO

CN-GEO 当前发布版包含 214,119 条原始引用记录、64 个 JSONL 分片、9,878 个规范信源和 107,659 个规范页面。仓库同时提供标准 Parquet 表、自包含 DuckDB、页面特征、分析集市、质量报告和可视化报告。

对应论文：

Tao Zhen, Yue Liu, Gege Zhang, Yixuan Niu. What Do Chinese-Language Generative Search Engines Cite and Surface? A Large-Scale Empirical Study. arXiv:2607.15771, 2026.

论文分析四个中文大模型产品的八个 Web / App 界面，主要研究引用行为、实体曝光和跨界面一致性。

论文库

论文库按 10 个主题收录 54 篇 PDF，包含 GEO 基础框架、方法优化、测量评估、AI 搜索实证、AEO 理论、风险与操纵、垂直多模态、Agentic Search、RAG 和搜索评估治理。

• 在线搜索与筛选
• 完整论文清单
• 来源、文件校验与整理说明

来源、引用与使用边界

使用数据前请留意这些边界：

• 跨平台实验来自一次静态研究快照，当前没有为每条记录提供统一采集时间戳。
• CN-GEO 原始层缺少完整回答、回答批次、模型版本和采集时间。来源覆盖与跨平台共识可以直接研究，趋势、情感、严格引用排名和品牌推荐率需要更多回答级数据。
• 不同论文、原始数据和清洗仓库采用各自的样本范围与处理口径。引用数字时，以对应论文或数据版本的说明为准。
• 本仓库采用分范围许可：代码和自动化文件使用 MIT，自有报告、文档、可视化和目录元数据使用 CC BY 4.0。论文 PDF、来源数据和其他第三方材料维持原许可。

完整的数据限制和验收结果见 CN-GEO 数据集中文说明 与 数据质量报告。

发布轻量 Viewer

维护者可以在本地构建并验证发布包：

python3 scripts/build_viewer.py --package
python3 scripts/verify_distribution.py

推送 main 后，publish.yml 会部署轻量 Viewer 到 GitHub Pages。推送与 deploy/manifest.json 中 distribution_version 一致的 v* 标签后，同一工作流会发布 Viewer ZIP、SHA-256、manifest 和两个安装器。

准备下一个版本时，维护者先把 release_status 设为 pending，并同步更新 distribution_version、安装器固定 URL 和 README 中的版本。发布提交再将状态设为 released，通过验证后创建匹配版本的标签。安装器和 manifest 都使用版本固定的 Release URL，避免 main 与 latest 在发布窗口内发生版本漂移。

首次启用工作流部署时，需要在仓库 Settings → Pages → Build and deployment 中把 Source 设置为 GitHub Actions。发布包的第三方材料边界见 THIRD_PARTY_NOTICES.md。

仓库采用分范围许可。代码、安装器、工作流和 Skill 使用 MIT；本仓库原创报告、文档、可视化和目录元数据使用 CC BY 4.0。用户可以复制、修改和公开部署 Viewer，发布时需要 保留 LICENSE、两个分范围许可文件与 THIRD_PARTY_NOTICES.md，并注明来源和修改情况。论文 PDF、来源数据和其他第三方材料维持各自的原始条款。

关注更新与参与

仓库后续更新主要集中在数据版本、分析报告和论文库。可以通过 GitHub 的 Star 收藏项目，通过 Watch 关注提交与讨论。

欢迎在 Issues 中提交：

• 数据字段、清洗规则或报告口径问题；
• 可复现的分析结果与修正建议；
• 值得补充的 GEO / AEO / AI Search 论文。