系列定位：从“如何生产内容”，升级为“如何建立可信、有原创价值、能够持续创造商业价值的内容体系”。
AI 时代真正稀缺的已经不是内容生产能力，而是获得可靠事实、形成独立判断、解决真实问题，并持续验证内容价值的能力。
因此，《SEO / GEO 内容创作规范与标准细则》不应该成为一套“AI 写作技巧”，而应该成为一套面向 SEO、GEO、AI Search、企业知识库、内容团队与 AI Agent 的内容生产金标准。
一、整个系列的总体目标
建议将整个系列正式规划为 42 篇主系列 + 7 个阶段性标准模块 + 1 份最终总规范。
它与《SEO / GEO 数据治理与规范标准细则》形成上下游关系：数据治理解决“事实从哪里来、是否可信”；内容创作规范解决“怎样把可信事实转化为值得阅读、引用、决策和长期保留的内容”。
完整链路：Data → Knowledge → Content → Search → AI → Decision。
二、第一部分：内容价值与选题准入（01—06）
这一部分首先解决“什么内容值得被生产”。AI 时代最大的内容问题，不只是写得不好，而是生产了大量本来就没有必要存在的内容。
| 篇次 | 文章标题 | 核心问题 | 最终规范 |
|---|---|---|---|
| 01 | AI 时代的内容金标准：为什么写得正确，仍然不等于有价值？ | Correct ≠ Valuable | VALUE-8 内容质量框架 |
| 02 | User Task：为什么关键词匹配了，仍然可能没有解决用户的问题？ | 用户真正要完成什么事情 | Query → Intent → Task → Outcome |
| 03 | Search Intent：为什么“信息型、商业型、交易型”已经不够用了？ | 搜索意图如何进一步细分 | Intent 分析规范 |
| 04 | Information Gain：你的文章究竟增加了什么新信息？ | 内容有没有真正的信息增量 | Information Gain 审核表 |
| 05 | Non-Commodity Content：为什么正确的内容，也可能毫无竞争力？ | 如何避免同质化内容 | 非商品化内容标准 |
| 06 | Content Qualification：什么值得写，什么应该直接放弃？ | 是否应该立项 | 内容选题准入制度 |
阶段产物：《Content Qualification / 内容选题准入标准》。每个选题进入生产前，都必须回答用户是谁、真实任务是什么、现有答案解决到什么程度、我们能增加什么、为什么应该由我们来写，以及如果不写用户损失什么。回答不了，就不进入生产。
三、第二部分：研究、事实与证据体系（07—12）
核心原则：没有可验证事实，就没有高质量内容。
| 篇次 | 文章标题 | 核心问题 | 输出标准 |
|---|---|---|---|
| 07 | Source Quality：为什么不是所有资料都值得引用？ | 什么来源可信 | Source Tier 来源分级 |
| 08 | Primary Source：为什么专业内容应该尽可能回到一手来源？ | 原始资料与二手转述区别 | Primary Source First |
| 09 | Claim–Evidence Mapping：每一个重要结论，凭什么成立？ | 论断是否有证据 | Claim–Evidence Matrix |
| 10 | First-Hand Evidence：为什么真实经验越来越重要？ | 如何使用实测、案例、采访 | 第一方证据规范 |
| 11 | Evidence Boundary：一个真实案例能证明到什么程度？ | 避免过度外推 | Evidence Boundary |
| 12 | Fact / Judgment / Hypothesis：事实、判断与推测为什么必须分开？ | 防止观点伪装成事实 | F/J/H 标识体系 |
专业内容应明确区分 Fact、Interpretation、Judgment 与 Hypothesis，避免把“听起来合理”写成“已经被证明”。阶段产物：《Content Evidence Standard / 内容证据规范》。
四、第三部分：原创价值与专业知识生产（13—18）
AI 会快速压缩普通信息的价值。未来真正重要的是企业独有的 Proprietary Knowledge。
| 篇次 | 文章标题 | 核心问题 |
|---|---|---|
| 13 | Originality：原创究竟是文字不同，还是知识不同？ | 重写 ≠ 原创 |
| 14 | Experience：真正的经验内容应该长什么样？ | Experience 如何显性化 |
| 15 | Expert Judgment：为什么专业判断比资料汇总更有价值？ | 专家判断体系 |
| 16 | Proprietary Data：企业自己的数据，为什么可能成为最重要的内容壁垒？ | 私有数据内容化 |
| 17 | Case-Based Content：案例怎么写才不是软广告？ | 案例证据与复盘 |
| 18 | Failure Knowledge：为什么失败经验有时比成功案例更有价值？ | 失败、边界、风险知识 |
企业内容来源应从搜索结果、竞品文章和 AI 输出，逐步转向工程师、销售、客户、售后、报价、项目记录、安装记录、故障记录、测试数据与真实业务经验。阶段产物：《Original Knowledge Production Standard》。
五、第四部分：AI 辅助内容生产规范（19—24）
这一部分不做普通 Prompt 教程，而是建立 Human + AI Content Governance。
| 篇次 | 文章标题 | 核心问题 |
|---|---|---|
| 19 | Human-in-the-Loop：AI 可以写，谁对最终内容负责？ | 人机责任 |
| 20 | AI Research：为什么 AI 找到的资料仍然不能直接相信？ | AI 检索核验 |
| 21 | AI Hallucination：专业内容最危险的不是语法错误，而是不存在的事实 | 幻觉治理 |
| 22 | Prompt Specification：为什么专业内容需要任务说明书，而不是一句提示词？ | Prompt → Spec |
| 23 | AI Draft ≠ Publish：为什么 AI 初稿永远不应该等于最终稿？ | 发布门禁 |
| 24 | AI Editorial Agent：AI 应该怎样参与终审、核查与质量控制？ | AI 审稿 Agent |
AI 可以负责资料整理、结构规划、信息抽取、多来源比较、初稿生成、语义重构、一致性检查、重复检查和逻辑检查，但不能自动替代事实责任、法律判断、技术认证判断、产品参数确认、客户案例真实性、原创研究与最终发布责任。
标准链路：Research → Grounding → Draft → Verify → Review → Approve → Publish，而不是 Prompt → Generate → Publish。
六、第五部分：内容结构、表达与阅读体验（25—30）
AI 内容常见的问题不是没有结构，而是结构看起来完整，真正的信息推进却非常有限。这一部分建立 Editorial Quality。
| 篇次 | 文章标题 | 核心问题 |
|---|---|---|
| 25 | Content Architecture：好的结构不是更多 H2，而是更好的思考顺序 | 信息结构 |
| 26 | Argument Flow：为什么专业文章必须有论证推进？ | 观点—证据—结论 |
| 27 | Information Density：怎样提高信息密度而不牺牲阅读体验？ | 信息密度 |
| 28 | Readable Expertise：怎样把专业知识写得准确但不生硬？ | 专业表达 |
| 29 | Visual Evidence：图片、图表和视频什么时候才真正有价值？ | 多模态证据 |
| 30 | Editorial Anti-Patterns：AI 内容最常见的低质量表达模式 | AI 味治理 |
原则不是禁止某一种句式，而是：不能让语言模板替代思想。阶段产物：《Editorial Style & Readability Standard》。
七、第六部分：SEO / GEO / AI Search 适配（31—36）
不是先研究“AI 喜欢什么格式”，而是先把事实、知识、价值和表达建立好，再研究机器怎样发现、理解和使用。
| 篇次 | 文章标题 | 核心问题 |
|---|---|---|
| 31 | SEO × GEO：为什么 AI 搜索并没有让传统 SEO 失效？ | SEO/GEO 统一模型 |
| 32 | Answerability：什么样的内容更容易被搜索系统和 AI 正确理解？ | 可回答性 |
| 33 | Entity Consistency：企业、产品、人物和参数为什么必须保持一致？ | 实体一致性 |
| 34 | Citation Readiness：什么样的信息更值得成为机器引用依据？ | 可验证引用单元 |
| 35 | Agent-Ready Content：当 AI Agent 开始代替用户研究和采购，网站应该怎样准备？ | Agent 可访问内容 |
| 36 | SEO / GEO 内容金标准：建立企业级 AI 时代内容生产体系 | 阶段性体系总结 |
八、第七部分：内容质量审核与持续治理（37—42）
真正的规范不能止于创作，还必须覆盖准入、生产、审核、发布、衡量、更新与淘汰。
| 篇次 | 文章标题 |
|---|---|
| 37 | Content Quality Score：怎样建立 100 分内容质量评分体系？ |
| 38 | Publishing Gate：为什么不是所有写完的文章都应该发布？ |
| 39 | Content Decay：高质量内容为什么也会逐渐失效？ |
| 40 | Content Refresh：内容什么时候应该更新、重写、合并或删除？ |
| 41 | Content Measurement：排名、流量、AI 引用和商业价值应该怎样分开衡量？ |
| 42 | Content Governance：从一篇文章到企业级知识生产系统 |
九、整个系列最终形成七层 Content Quality Stack
- User Value：值不值得写。
- Evidence & Original Knowledge：事实是否可靠、是否产生新的知识价值。
- Human + AI Production：人和 AI 如何协作。
- Editorial Quality：是否能够被真正理解。
- SEO / GEO / AI Discoverability：搜索和 AI 是否能够发现和理解。
- Measurement & Maintenance：如何衡量、更新和淘汰。
- Governance：内容能否长期保持可靠。
十、VALUE-8：AI 时代内容质量金标准
| VALUE-8 | 核心问题 |
|---|---|
| V1 Truth | 信息是真的吗？ |
| V2 Relevance | 是否真正回答用户的问题？ |
| V3 Information Gain | 增加了什么新信息？ |
| V4 Experience | 有没有真实经验或专业判断？ |
| V5 Evidence | 重要结论能否验证？ |
| V6 Usability | 用户能否理解并采取行动？ |
| V7 Discoverability | 搜索与 AI 能否正确发现和理解？ |
| V8 Maintainability | 内容能否持续保持有效？ |
VALUE-8 是内部内容质量与发布审核框架，不是 Google、Bing 或任何 AI 平台的官方排名算法。
十一、最终的文章生产金标准
User Need → Task Definition → Content Qualification → Source Research → Evidence Collection → Knowledge Extraction → Original Analysis → AI-assisted Drafting → Fact Verification → Professional Review → Editorial Review → SEO/GEO Review → VALUE-8 Scoring → Publish / Reject → Measurement → Refresh / Merge / Retire。
这与传统的“关键词 → AI 写作 → SEO 插件检查 → 发布”是两种完全不同的内容生产逻辑。
十二、整个系列最终需要沉淀什么
- 《SEO / GEO AI 时代内容质量金标准 V1.0》
- 《Content Qualification / 内容选题准入标准》
- 《Content Evidence Standard / 内容证据规范》
- 《Original Knowledge Production Standard》
- 《AI Content Production SOP》
- 《Editorial Style & Readability Standard》
- 《SEO / GEO / AI Search Content Standard》
- 《Content Governance & Quality Gate》
这些标准可以同时用于“鸥弗”SEO 专栏、一只鸥信息咨询内部内容 SOP、外贸独立站内容验收、AI 内容 Agent 的系统规则、客户 SEO/GEO 项目的质量审计，以及 WordPress 自动发布前的 Quality Gate。
十三、系列最终的底层判断
AI 时代真正需要优化的，不是“如何更快地产生更多文章”，而是“什么内容值得被生产、值得被阅读、值得被信任、值得被机器使用，并值得被长期保留”。
所以这套规范真正要建立的，不是一个 SEO 写作教程，而是一套企业级知识生产与内容治理体系。最终目标是让内容从单纯的 Traffic Asset，逐步升级为可以持续积累的 Knowledge Asset。