Henry

Building AI agents for real workflows

[Henry @HenryLowZz]

@EHuanglu U make this in 2 hours???

[Henry @HenryLowZz]

现在不需要打开 Codex 叫它帮我写文章

我让 Codex 每 3 天自己回来一次
看 GSC data
判断网站哪一页该改
然后留一份内容更新给我 review

这个 workflow 里面有几个 agent：
一个负责看 keyword 和 search intent
一个负责写 / 改文章
一个负责回来 review 刚刚写的东西

比较有意思的是，它不是每次都硬写新文章

比如最近有一次，它没有选择新开 blog，而是更新了一个已经有 search signal 的旧页面

Codex 开始像一个 content operator：
先看数据，再判断机会，再决定写新的或者改旧的，还是不要动

GSC 上整体趋势也在往上走

但真正让我兴奋的不是数据涨了

而是 Codex 开始学会克制：
不是看到 keyword 就写，
而是先判断这篇内容该不该存在。

现在任何的 automation 真正有价值的地方，不是自动生成，而是自动判断

[Henry @HenryLowZz]

@NFTCPS 你这个hook是真牛逼

[Henry @HenryLowZz]

@HsanC_ Your cpc is too high... What bidding are u using? Or your keywords are too competitive

[Henry @HenryLowZz]

9 天前发了第一次帮小型商家做 SEO/GEO 的帖子，今天来更新一下进展。

数据对比 (6/4 → 6/13)：

Clicks: 35 → 83（+137%）
Impressions: 3.43K → 6.96K（+103%）
CTR: 1% → 1.2%
Avg position: 21.4 → 20.1

最大的观察：
impressions 涨得比 clicks 快很多

但更深一层：
impressions 的增长不是来自单一主词，而是分散在一堆长尾 query 上。

这意味着两件事：
1. Google 已经把这个站归在一个明确的主题（topic cluster）下，而不是只在某个具体词上摇摆。
2. 接下来的杠杆不是建更多页面，而是把这些长尾 query 用 FAQ / 内文段落自然覆盖到现有页面，同时重写 title / meta 拉 CTR。

第一次做 local SEO，欢迎前辈纠正方向 🙏

[Henry @HenryLowZz]

@tangjinzhou 说明中转站遥遥领先了

[Henry @HenryLowZz]

@xiaohu0x 感谢分享 我也试试看你的方法

[Henry @HenryLowZz]

Claude Fable 最值得看的，不只是模型能力

是信任边界

HN 上 Fable launch 已经 2500+ points，2000+ comments

但旁边很多讨论其实不是在吵 benchmark，而是在吵：
数据为什么要保留 30 天
Bedrock 为什么要把数据共享给 Anthropic
guardrails 会不会紧到影响真实工作

这可能是 AI 产品接下来最大的变化：

用户买的不是“更聪明的模型”

而是：

“我敢不敢把更重要的工作交给它”

能力越强，问题越不是它能不能做

而是我敢不敢让它做

[Henry @HenryLowZz]

People finally got access to Fable and the first instinct is still:
“Let me clone a game”

[Henry @HenryLowZz]

@hridoyreh WOW it is so impressive! I also started managing a small business website about a week ago. GSC is starting to move, but CTR is only around 1%. Any quick suggestions on what you’d check first?

[Henry @HenryLowZz]

和目标无关的学习 很多时候只是拖延

[Henry @HenryLowZz]

@KaiCromwell This is exactly what I needed to hear. I just started working with my first small business client about a week ago, and the early GSC data is already moving, but CTR and average position are still weak.

[Henry @HenryLowZz]

今天在准备每周客户汇报的时候，发现一个蛮麻烦的问题

在某些特定关键词下面，AI 还是有机会触发到客户以前的旧信息。这件事其实挺危险的。

因为我们很多时候以为 GEO 只是看：
AI 有没有提到你

但今天这个 case 让我觉得，另一个问题更重要：
AI 提到你的时候，信息是不是和现状一致。如果 AI 讲的是旧资料，用户根本不会知道那是旧的。

用户只会默认：
“哦 原来这家公司是这样”

所以遇到 AI 说错品牌信息的时候，我不能只看表面结果。

更重要的是反过来查：
AI 为什么会这样理解？

是官网信息不够清楚？是 Google Business Profile 还留着旧资料？或者社媒简介没有同步？

是第三方目录网站写错？还是旧页面、旧文章、旧 citation 还在被参考？

所以 GEO 不是只做 visibility，他也包括 information cleanup。把官网、GBP、社媒、目录网站、第三方提及里的品牌信息尽量统一

这些基础资料越一致，AI 说错的机会才会越低。

[Henry @HenryLowZz]

@rxhit05 It's so true just realized the hardest thing is marketing...

[Henry @HenryLowZz]

@erchenlu1 其实动了也会质疑自已

[Henry @HenryLowZz]

昨天分享了第一次帮小型商家做 SEO / GEO 的记录。

这几天我也在研究 GEO prompts，发现一个蛮现实的问题：

很多 GEO monitoring 会用 “100 prompts / 200 prompts” 来包装价值。但如果对象是中小企业，尤其是本地商家或细分领域品牌，我反而觉得 prompt 的数量对于他们来说其实是不重要的。

因为这类商家通常不是要覆盖一个很大的市场

他们真正需要知道的是：
在最核心的商业场景里，AI当前有没有把这个品牌理解在正确的语境里

比如：
- 用户在找某个地区的服务时，AI会不会想到它？
- 用户问某个具体产品或服务类别时，AI 有没有把它放进正确品类？
- 用户不知道品牌名，只问“附近哪里可以找到这类服务”时，AI 会不会理解它的服务范围？
- 用户在比较供应商或服务商时，AI有没有把它和正确的竞争对手放在同一个推荐集合里？

所以我现在对 GEO prompts 的理解是：
对中小企业来说，10–20 个高质量 prompts，可能比 100 个泛泛的问题更有价值。

重点不是测试得多，而是prompts有没有覆盖：
1. 真实购买意图
2. 本地服务范围
3. 核心产品/服务分类
4. 品牌定位，竞争对比场景

SEO 是看用户怎么搜索

GEO 更像是看 AI 在什么语境下理解你、提到你、推荐你

所以 prompt 数量不是核心。
核心是商业场景有没有被测准

[Henry @HenryLowZz]

@LuBtc888 已经深有体会了

[Henry @HenryLowZz]

这是我第一次正式帮小型商家做 SEO/GEO

这个网站之前在 GSC 里面几乎是 0 impressions

过去一周左右，我主要做了几件事：
- 重新整理网站结构
- 重建核心页面内容
- 同步 Google Business Profile 和社媒基本信息
- 补充更符合客户搜索意图的内容
- 尝试让 Google 和 AI 更容易理解这个品牌是谁、在哪里、提供什么服务

目前 GSC 已经开始有变化，最近一段时间大概有 3.43K impressions，35 clicks。

但 CTR、average position 和实际转化还不理想

我的理解是：
impression 起来，只代表 Google 开始看到这个网站。 但排名、点击和转化，还需要更强的内容质量、页面信任度、品牌信号和搜索意图匹配。

因为这是我第一次从 0 开始做小型商家的 SEO/GEO，所以想请教有经验的前辈：

对于本地小型商家网站，从 “开始有曝光” 到 “真正吸引到顾客”，通常会优先优化哪些部分？

[Henry @HenryLowZz]

@harveyparkes69 对 所以 citation 更像是被 AI 看到，而 mention 更像是被 AI 认可。除了内容质量之外，品牌本身的竞争力，都会影响 AI 是否主动推荐你

[Henry @HenryLowZz]

做GEO的时候，发现以前做 SEO 那套 keyword 思维，确实已经没有以前那么决定性了。

我这里不是说 keywords 不重要，而是它只是“前期曝光”的一部分，让内容更容易被AI看到。但是曝光率不等于AI会引用我的网站或者资料。

这就引出了：
为什么我明明被cite了，还是没有被mention？

感谢这篇把很多模糊的地方变得更具体了。现在清晰很多了。。。有兴趣可以去看看原文

[Tim Soulo 🇺🇦 @timsoulo]

In the last 6 months at @Ahrefs, we analyzed over 1 billion data points across 14 studies. Here's what we learned about AI search optimization:

1) "Best X" blog listicles are the single most prominent content format cited by AI chatbots. They make up 43.8% of all page types cited by ChatGPT specifically.

2) 67% of ChatGPT's top 1,000 citations come from sources marketers can't influence: Wikipedia (29.7%), homepages (23.8%), app stores (6.6%). Only 32.3% are influenceable content like educational pages, reviews, news, and blog posts.

3) 28.3% of ChatGPT's most-cited pages have zero Google organic visibility. These pages get cited repeatedly by ChatGPT despite not ranking in Google at all. A completely separate discovery layer.

4) ChatGPT only cites about 50% of the URLs it retrieves. It fetches dozens of pages per query but uses half as background context without attribution. This means that being retrieved and being cited are very different things.

5) Adding schema markup had zero meaningful impact on AI citations. AI Overviews actually dipped −4.6%, while AI Mode (+2.4%) and ChatGPT (+2.2%) showed changes indistinguishable from zero.

6) YouTube mentions have the highest correlation (0.737) with AI brand visibility out of all the factors we studied (including all the conventional SEO metrics like backlinks, page count, DR, etc). This held true for both Google-owned and OpenAI products.

7) AI Overviews reduce clicks to the #1 result by 58%. That’s up from 34.5% just 10 months earlier. The trend is accelerating.

8) 99.9% of AI Overviews appear on informational intent queries. Transactional, navigational, and local searches are almost entirely AIO-free. Shopping triggers AIOs just 3.2% of the time.

9) For a given search query, Google’s AI Mode and AI Overviews reach the same conclusions 86% of the time — but cite almost entirely different sources (only 13.7% citation overlap).

10) AI Overviews change every 2.15 days on average, with 70% of content differing between consecutive observations. But semantic similarity stays at 0.95. The words, sources, and entities constantly shuffle, but the actual meaning barely moves.