第5章 看不见就被当没做

第 5 章 · 看不见就被当没做

章节摘要：生成式引擎优化（GEO）若没有评估，迭代只是换口味。传统重叠率指标衡量「像不像参考答案」，不衡量「该不该被引用、有没有胡编、伤没伤人」。本章把评估收成三维：内容与体验质量、自动化工具链、伦理合规。读完应能把看板从流畅分换成引用覆盖、事实一致、拦截与审计。

核心问题

阅读完本章，你应当能够：

1. 说明为何旧的自动文摘分数在 GEO 里会奖励油滑的错。
2. 列出可上线的最小指标集，按场景裁剪而不是求全。
3. 区分静态门禁与动态仿真，避免只在发版前抽检十句。
4. 把偏见、可解释、合规放进同一条发布检查，而不是事后公关。

核心概念速览

金句：没有引用率和拦截率的优化日报，等于在向领导汇报今天的文采。

子章节导航

5.1 核心评估维度：引用率与保真

从对错哲学转到价值。内容质量、用户体验、业务映射。把保真、连贯、引用覆盖写成可采集的数。

5.2 自动化评估工具链

静态校验、事实对齐、安全过滤；动态的用户模拟、语义漂移、对抗评估。评估即服务，才能跟上生成的速度。

5.3 伦理合规评估

技术中立幻觉破掉之后，公平、解释、合规如何进闭环。和同批伦理专集分工：本节省门禁清单，事故叙事让给专集。

子章节之间的逻辑关系

先定量什么，再谈谁来量，最后谈量完能不能发。

5.1 量什么 ──► 5.2 怎么自动量 ──► 5.3 量了能不能发
​

前置知识与后续延伸

• 前置：第 4 章三类场景的失败长相不同，指标也不能一张表打天下。没有失败形状，评估会退化成「感觉更好」。
• 延伸：第 6 章把评估接入发布流水线与成熟度。没有闸的 L3 学习，是把错误加速。

评估是 GEO 里最容易被当成后勤的部分，却是唯一能证明「优化发生过」的部分。原文集把评估滞后与主观性写成结构性挑战：人贵且慢，自动重叠率又会奖油滑的错。本章的折中是门禁自动化、校准人工化。三维支柱对应三节：量什么、怎么自动量、量了能不能发。缺第三维，你会发布很会说话的违规；缺第二维，你会永远停在鉴赏会；缺第一维，工具链在打一个没定义的靶。

⚠️ 常见坑：只报流畅分和点赞。这两个数最容易涨，也最不能导航该改供给还是改尺。
💡 关键直觉：评估若不能指出改哪一层，它就只是打分游戏。发布会上的分数，生产里要能回溯到检索块编号。

优化日报如果只有流畅分和点赞，等于向领导汇报今天的文采。本章要求把看不见变成可采集：主张能否回指材料、冲突有没有拦截、用户有没有完成任务、违规有没有冻结。三节的顺序不能乱。先定量什么，再谈自动门禁，最后谈能不能发。没有第三维会发布很会说话的违规；没有第二维会停在鉴赏会；没有第一维则工具链在打没定义的靶。评估必须能导航到供给、对齐、控制或反馈中的一层，否则分数只是游戏。人评用在校准和高伤害，不要用在日常全量自我安慰。发布会上的数字，生产里要能回溯到检索块编号和策略版本，回溯不了就还没有评估。

本章是全书的验收室。前面讲失败、架构、采信、场景，若不在这里变成可采集的数，优化就等于没做。请带着自己的现有报表来对照：有没有引用覆盖，有没有冲突三态，有没有拦截，有没有冻结。四项全无，无论模型多新都还在文采阶段。三节读完应能画出发布闸和线上闸，并指出人只看分歧样本。伦理门禁与质量门禁走同一套冻结，免得质量过了、不该说的话仍出门。评估滞后是原文集点名的瓶颈，自动化是为了跟上生成速度，人是为了校准自动器，角色不能反。

带着现有报表对照四项：覆盖、冲突三态、拦截、冻结。缺哪一项就在对应节补哪一项，不要先换模型。评估室的产出是导航，不是美感。分数必须能指向供给、对齐、控制或反馈。指向不了的分数，周会不必再报。人评预算留给校准和高伤害，日常全量交给闸。质量闸和伦理闸共用冻结，免得一边说可以发、一边说不该说。评估跟不上生成速度时，优化闭环是假的，原文集把这件事写成结构性瓶颈，本章用两道闸回答它。

四项对照缺哪补哪，不要先换模型。分数必须能指向一层。人评留给校准。两闸共用冻结。评估跟不上速度时闭环是假的。

缺覆盖、冲突、拦截、冻结中的哪一项就补哪一项。不要用换模型逃避。分数指向层。人评留给校准。两闸共用冻结。速度跟不上则闭环作假。