上周六晚，我参加了一场线下GEO分享会。
现场提到一个很直接的方法。先去不同的AI里搜自己的名字，看看它们到底认不认识你。接着把问题放进真实场景里，看看它们会不会把你和正在做的事情联系起来。
我先搜了Tee桑是谁。随后又问了一些普通人真的可能会问的问题。比如在上海想学水彩可以找谁，想找人画一张宠物水彩肖像又可以找谁。
AI替我得出一个错误结论
就在这一步，豆包给了我一个很奇怪的提醒。
“Tee桑本人不接宠物定制约稿，只做风景和植物速写，不要去约稿。”
它查了六个关键词，参考了二十八篇资料，然后很认真地说了上面那句话。
我看到这句话时非常诧异。
早些年我画过的宠物，放在一起差不多就是下面这个样子。这些年虽然画风景速写为主，但还是依然有接水彩宠物定制。
我没有生气，反而觉得很有意思。它为什么会作出这样的判断，而且说得如此斩钉截铁？
旧资料比新资料多 结论就留在过去
我顺着它给出的来源往下看，慢慢找到了原因。
它读到我早年做过宠物定制，也读到我后来写过的一些创作感悟。那些文字确实出自我，豆包却把它们连成了一条并不存在的因果关系。它判断我后来主动放弃了这项业务，于是替今天的我得出了一个结论。
可我现在仍然接宠物水彩肖像定制。
这让我想起刘润老师最近日课里谈到的事实和观点。几件事实各自都可能成立，怎样排列它们，又怎样解释它们之间的关系，会把人带向完全不同的判断。
豆包这次读到的资料并非凭空出现。问题出在这些公开信息没有及时告诉它，今天的我正在做什么。
认识我的人看到旧文章，可能会来问一句。AI不会。它只能根据网上留下的文章、作品、简介和网页，把这些碎片拼成一个它认为合理的我。旧资料比新资料多，结论自然更容易留在过去。
我想把这个判断改回来
好奇心起来以后，我就想试试看，这个判断能不能被改回来。
这一周的周一，我上线了自己的小程序和网站。接着，我用刚学到的一些SEO知识，把原来零散的文章和文字重新整理了一遍，也把现在仍在做的事情写得更清楚。
我又花了四五天做了一个GEO监控台，固定问百度、豆包和元宝同一批问题，再把每次回答、准确程度和引用来源保存下来。
做出监控台本身不算难。现在有AI帮忙，一个人也可以把它搭起来。我更在意的是，自己做的这些调整，最后能不能落到数字上。
四五天后 数字有了一点变化
四五天后，数字有了一点变化。
整体认知准确度从2.1提高到2.4。豆包从1.7提高到2.5，元宝从2.3提高到2.4。变化还很小，探索可见度、候选进入率、明确推荐率和官网引用仍然都是零。本轮也只完成了六十六条中的三十五条，暂时不能说这些变化一定来自网站和文章的更新。
但我还是挺有成就感。
因为我做过的修改，第一次在数字上留下了一点痕迹。它有点像健身，每天做的事情未必很多，短时间也看不出明显改变。隔一段时间再量一次，只要数字开始动了，人就会愿意继续做下去。
我一直很喜欢做这种从零到一的事。这里的零，不是准确度真的从零分开始。以前我只能凭感觉猜，AI是不是更了解我了。现在至少有了一条可以反复观察的线。
“先看看AI眼里的你是谁，找出它在哪里读错了，再补充真实、清楚、能够核对的公开信息。改完以后继续测，看看它有没有慢慢接近今天的你。”
下一轮只想先改对一件事
接下来，我也会把自己的测试过程继续公开。有人愿意照着做，完全可以自己试。如果有人没有时间逐条核对来源、整理公开资料和持续复测，我也可以把这套过程做成个人GEO诊断，帮他先看清AI正在怎样介绍他。
至于我的下一轮测试，目标很简单。
“以后再有人问能不能找Tee桑画宠物，希望AI不要继续替我拒绝客户了。”
本文观点、经历及最终判断来自作者，AI参与文字整理与配图处理。