GEO服务商在卖什么？不是visibility，是“市场团队在AI时代的焦虑解药”。年初我交流了四五家GEO服务商，回过头来看，这是我目前关于GEO这块业务最大的感受。 ------ 1/ 市场团队需要给老板汇报“我们在AI时代做了什么” 2/ GEO平台提供一个dashboard，让市场团队有东西可以汇报 3/ 这个dashboard是不是真的代表商业价值?不重要，因为老板自己也不太懂 这就是为什么2025-2026年GEO服务商能快速融资+快速签客户的原因。它们卖的不是结果，是焦虑解药。 ------ 不过从长期的角度，个人还是很认可和接受 “GEO”的概念的，即便很多行业里的观点是“GEO就是给SEO贴了个新的标签”，但是从成功定义上存在不同，且用户通过AI来获取产品/服务推荐的习惯在逐渐被养成，甚至未来常见的场景之一就是AI Agent直接替用户下单做决策。更进一步，GEO不是“让用户看到你”,而是“让Agent选择你”。 这是个完全不同的游戏。 年初在跟GEO服务商沟通的过程中，察觉到了B端对GEO的付费意愿确实强劲，比如： 1/ Profound在2026年2月完成$96M Series C，估值$10亿，Fortune 500中有10%是它的客户 2/ 国内某头部GEO服务商半年多积累了近百家客户 3/ Semrush这类的传统SEO巨头也在GEO领域快速追赶，在G2 Spring 2026报告中反超Profound,成为AEO category的#1# 但是也面临一个问题——相对于SEO，B端对GEO服务的续费率不高，要么就是试一下就不做了；要么是打好了基础后自己做。这背后的原因在我看来，很核心一点，在于GEO难以被量化。难以量化，就难以算出ROI；算不出ROI，B端就不会加大资源投入。 ------ 现在GEO平台衡量效果的主要方式，就是用prompt去query AI engine，然后统计品牌出现的频次。以Profound为例，核心的评估指标包括：出现频次的百分比、在品类中被提及的占比、在AI回答中的平均位置、情绪倾向、AI引用了哪些source。 但这些指标仍旧还比较抽象，前面提及的“难以被量化”，体现在： 1/ AI公司不提供“Search Console” — OpenAI/Anthropic不公开品牌被搜索/提及的频率 2/ 没有“AI Analytics” — B端不知道真正有多少用户在ChatGPT里看到了自己 3/ 归因模型还不成熟 — 行业还在debate怎么算“AI visibility的ROI”，比如，如何判断用户的购买行为是来源于AI推荐 4/ 数据波动 — AI模型每次迭代，都可能彻底改变品牌在回答中的position。Cloudflare的数据显示，各大AI engine的citation drift每月波动40-60%。这意味着一个客户付了$5K/月做GEO，如果第二个月visibility下降30%，可能不是因为他做错了什么，而是ChatGPT自己变了 5/ 测量本身有偏差 — 几乎所有GEO工具都用clean API state去query AI，但真实用户有conversation history、personalization、地理位置等，两者之间存在着差距 如果GEO的需求随着用户通过AI检索获取推荐的习惯被养成而增长，那么GEO效果如何被量化，或许会是个需要被解决的课题，当然这也存在很多要解决的问题，比如——AI公司并没有动力主动开放数据（类似Google Search Gonsole）、第三方测量基础设施并不成熟以及缺乏统一的GEO相关指标定义标准、缺乏类似Cookie的跨平台归因协议等（Google花了30年建了一整套infrastructur「GSC + GA4 + UTM标准 + Cookie + ads tracking」来让SEO可量化）。 但当ROI能算清楚的阶段，GEO或许才真正从“焦虑解药”升级为“营销基础设施”。

Codex 入门只需要搞懂这 5 件事 Codex 的教程满天飞，长的写了上万字，短的就甩你一个安装命令。 但大部分人看完还是不会用。不是因为教程写得不好。 是因为 Codex 跟你以前用过的所有 AI 工具都不一样，你拿着老习惯去用，当然用不顺。 这篇不讲历史，不比模型参数，只讲 5 件事。 搞懂这 5 件事，你就能真正开始用 Codex 干活了。 第一件：它是 Agent，不是 Chat 先纠正一个最常见的误解。 很多人第一次打开 Codex，觉得跟 ChatGPT 差不多，都是一个对话框，输入问题，等它回答。 不是。 ChatGPT 是问答式的，你问一句，它答一句。聊完关掉，什么都不剩。 Codex 是执行式的。你给它一个任务目标，它会围绕这个目标持续推进——读文件、改代码、跑测试、做 commit。 它不是在「回答你的问题」，它是在「替你干活」。 打个比方：ChatGPT 像一个随时能问的顾问。Codex 像一个你雇来的实习生，你告诉他目标：他自己去找文件、改东西、跑一遍看对不对。 这个认知差异很重要，因为它决定了你跟 Codex 说话的方式。 ❌ 错误用法：「帮我写一个 Python 爬虫」（太模糊，没有上下文） ✅ 正确用法：「看一下这个项目目录，把 README 里的安装步骤补完整，然后跑一遍确认没有错误」 Codex 需要的不是问题，是任务。有目标、有范围、能验证。 第二件：文件夹 + Thread = 项目管理 打开 Codex 之后，左边栏有两层结构。很多人一开始会忽略它，直接在对话框里开始打字。 别急。先搞清楚这两层。 文件夹：就是你本地的项目目录。你把哪个文件夹加进 Codex，它就能看到里面所有的文件。 Thread（线程）：一条围绕某个具体目标持续推进的任务线。一个文件夹里可以有很多条 Thread。 举个例子： dev/ ├── my-website/ （项目） │ ├── Thread 1：修复首页 bug │ ├── Thread 2：加一个联系页面 │ └── Thread 3：优化移动端样式 └── my-bot/ └── Thread 1：接入飞书 webhook 文件夹装项目，Thread 装任务。 这个设计解决了一个以前用 AI 最头疼的问题：所有东西搅在一起。 以前用 ChatGPT，你在一个对话里又聊需求又改代码又问 bug，聊着聊着就乱了。 Codex 把项目和任务拆开了，不同的事情在不同的 Thread 里推进，互不干扰。 黄金法则记住一句话就行：同一个文件夹做同一个大方向，同一个 Thread 只推进一件具体的事。 第三件：Plan Mode 比 Coding 重要 10 倍 如果这篇文章你只记住一个功能，那就是 Plan Mode。 在 Codex 对话框里输入 /plan，它会先帮你做一件事：不写代码，先把要做的事情理清楚。 它会告诉你： 要改哪些文件 每个文件为什么要改 先做什么后做什么 有没有遗漏的依赖或配置 你确认没问题了，再让它开始写代码。 为什么这个功能比直接让它写代码重要？ 因为大部分人用 AI 出问题，都不是「AI 不会写」，而是「你没想清楚要做什么」。 一上来就说「帮我做个网站」，AI 写出来的东西大概率不是你想要的。 但如果你先让它出一个计划——要建几个页面、用什么框架、数据从哪来——你确认一遍再动手，成功率高到离谱。 推荐工作流： 大型任务 → /plan 先规划 → 确认计划 → 开始开发 小型任务 → 直接说清楚目标和范围 → 开始开发 还有一个好用的命令：/status，能看到当前用量和剩余额度。越用越多的时候，随时知道自己还剩多少资源。 第四件：Skills 让它成为你的专属工具 Codex 有一个 Skills（技能）系统。说白了就是：你可以给它装「插件」，让它会做更多事。 比如有人做了一个 skill 叫 bggg-creator-image2ppt，装上之后 Codex 就能把图片转成可编辑的 PPT。 Skills 存放在 ~/.codex/skills/ 目录下，装一个 skill 就是把对应文件夹放进去。 而且 Codex 现在有图形化的 Skill Creator——你不用自己写配置文件，直接告诉它「我想做一个什么功能的 skill」，它帮你生成。 对小白来说，Skills 的意义是：Codex 不是一个固定功能的工具，它是一个可以不断扩展的平台。 别人做的好用的 skill 你可以直接拿来用，自己有需求也能让 Codex 帮你创建。 先不用急着装一堆，但你得知道有这个东西。等你用顺了之后，Skills 会成为你最常折腾的部分。 第五件：先做一个 5 分钟能验证的小任务 很多人装完 Codex 之后，第一反应是想做个大项目。 别。 你的第一个任务应该小到不能再小。比如： 改一个 README 里的标题 把一段英文翻译成中文 修一个明显的错别字 让它分析一下某个项目的目录结构 为什么？因为你需要建立验证能力。 你要能看懂它改了什么，要能确认结果对不对。要能在它改错的时候知道怎么回退。 这些能力建立不起来，做再大的项目也是在赌。 推荐的起步顺序： 第一步：加一个文件夹，开一条 Thread 第二步：给一个很小的任务，看它怎么执行 第三步：用 git diff 看它改了什么 第四步：确认没问题，再给下一个任务 MaynorAI 在他的教程里说了一句话，我觉得说得特别准： 小白用 Codex，真正最重要的不是先学会所有技术细节，而是先建立 3 个能力：会描述目标、会拆分任务、会检查结果。 这三件事做顺了，后面你会越来越快。 附：安装速查 你需要什么： ChatGPT Plus / Pro / Team 账号（Codex 包含在订阅里） macOS 或 Windows 10 安装： Mac：App Store 搜索 Codex，或者直接下载 → Windows：微软商店搜索 Codex，按提示安装 打开之后登录你的 OpenAI 账号就行。 第一次打开建议做的事： 设置 → Personalization 里写上你的协作偏好（比如「默认中文」「改动前先说计划」） 加一个本地文件夹进来 开一条 Thread，给一个很小的任务试试 #AI# #AIAgent#