VGO Framework 1.0

1. 目的

VGO 为寻求在搜索、生成式 AI 与新兴发现系统中获得持久可见度、同时不牺牲准确性、来源与信任的组织，提供一套共用框架。

2. 范围

VGO 计划可覆盖网站、知识实体、产品 / 服务页、编辑内容、结构化数据、第三方媒体、引用、评价、公开文档、答案引擎回应及智能体可访问的资源。

3. 七大支柱

3.1 搜索可见度

技术 SEO、可索引性、信息架构、查询覆盖、排名、摘要与自然流量。

3.2 生成式 AI 可见度

提示词 / 查询覆盖、答案纳入、引用份额、提及份额、事实准确性、情境显著性与答案一致性。

3.3 实体与权威

规范身份、组织 / 人物 / 产品实体、来源一致性、专业证据、第一方事实、可信第三方佐证与主题权威。

3.4 内容与分发

有用的源内容、编辑覆盖、数字公关、带溯源的转载、受众分发与来源多样性。VGO 拒绝仅为操纵检索或生成而进行的欺骗性大规模发布。

3.5 技术可访问性

抓取、渲染、规范化、元数据、结构化数据、稳定 URL、性能、机器可读文档与访问策略。

3.6 衡量与增长

基线衡量、可见度份额、引用 / 提及份额、查询集覆盖、转化结果、变化归因、实验与纵向监测。

3.7 可见度完整性与投毒防御

来源可信评分、异常检测、事实一致性核验、冒用 / 混淆监测、恶意内容检测、溯源追踪、纠正流程与恢复衡量。

4. 运行闭环

Discover → Diagnose → Prioritize → Optimize → Distribute → Verify → Defend → Measure → Learn

闭环持续运行。一次成功的优化，须等到结果可见度通过准确性与完整性核验后，才算完成。

5. 层次

• 基础： 技术可访问性 + 实体正确性。
• 获取： SEO + GEO + 内容 / 分发。
• 权威： 佐证 + 引用 + 来源质量。
• 完整性： 投毒防御 + 溯源 + 纠正。
• 增长： 衡量 + 实验 + 业务结果。

6. 原则

VGO 应以证据为先、对来源保持敏感、对用户有益、可衡量、在可能时可以撤回、对不确定性保持透明，并抵制操纵性可见度手段。

完整原则见原则。

7. VGO 不是什么

VGO 不是关键词堆砌、伪造引用、大规模低质量发布、制造虚假共识、伪装、冒用、针对第三方系统的提示注入，或试图污染模型 / 检索数据。

8. 可扩展性

后续版本可增加自主智能体、商务助手、垂直答案引擎、多模态搜索与机器对机器发现等入口，而不改变核心目标：可信可见度增长。