本报告基于 GitHub 目录《GEO / AEO / AI Search 论文合集》的 53 篇论文清单，并结合 GEO 内容工程的应用场景进行二次梳理。该目录将论文归并为 10 个主题：GEO 基础框架、GEO 方法优化、GEO 测量评估、AI 搜索实证、AEO 理论整合、风险操纵、垂直多模态、AI 搜索架构与 Agentic Search、RAG 检索优化、搜索评估治理。

需要特别说明：其中一部分是 arXiv 或会议论文，一部分是行业论文、预印本或非主流期刊资料。本报告把它们统一作为研究材料使用，对强实证结论、弱理论假设和风险案例做了分层处理。

一句话定义：GEO 内容工程，是以生成式搜索和答案引擎中的可发现、可选择、可引用、可吸收、可归因、可复验为目标，将内容生产、结构化、证据化、分发、测量和迭代纳入标准化工程系统。

核心结论如下：

1. GEO 的对象从网页排名扩展到答案影响。生成式引擎会检索多个来源，综合生成回答，并在部分场景中显示引用或来源标记。因此，内容目标不只包含排名，还包含是否被选择、是否被答案吸收、是否被正确归因。

2. 内容工程的核心资产从“文章”升级为“知识原子”。可被 AI 搜索稳定使用的内容，往往包含清晰定义、数据、案例、步骤、对比、边界条件和来源。

3. 测量必须从单次截图升级为重复试验。多篇论文提示，同一问题在不同时间、不同引擎、不同运行中会发生波动，因此要用分布、置信区间和多次观测理解可见性。

4. 结构特征和证据密度是 GEO 内容的基础能力。标题层级、摘要、表格、FAQ、图注、schema、作者和更新时间，都会影响检索、重排、引用和吸收链路。

5. AI 搜索平台之间存在明显偏好差异。平台的检索源、实时搜索能力、RAG 架构、引用 UI、安全策略和商业生态不同，最终会产生不同的信源偏好。

6. GEO 必须有治理边界。提示注入、隐蔽文本、排名操纵、投毒和虚假引用可能带来短期效果，也会放大平台过滤、品牌信任和合规风险。

7. 工程化运营需要标准件。提示图谱、内容资产库、证据原子库、评分卡、实验日志、版本记录和复盘模板，是 GEO 从经验动作升级为组织能力的关键。