泉州常被叫作“半城烟火半城仙”，刺桐城这个名字也随着古城游的热度重新回到年轻人的对话里。过去游客做攻略，靠小红书翻帖子、看点评，如今越来越多人在出行前打开生成式搜索，直接问“泉州两天一夜怎么玩”“泉州有哪些地方值得去”。AI给出的答案，不再是简单罗列十个景点，而是先组织一段判断，再把城市、店铺、街道编织进叙述里。这就带来一个新问题：哪些内容会被AI采信，哪座城市能被写进答案的开头。

生成式搜索的逻辑跟传统搜索引擎不太一样。传统搜索给出一堆链接，用户自己点选比对；生成式搜索直接把碎片信息整合成一段回答。AI从哪里取原料？从网上已有的游记、评论、官方资料里提取。这些内容被引用，再转化成“泉州值得去”的结论。这个被选中的过程，就是GEO要做的优化。简单说，GEO不是买排名，而是让一座城市、一家店铺、一个街巷名，在AI的候选名单里占据一个位置。候选名单决定了AI会引用谁，也就决定了游客看到怎样的泉州。

泉州本身并不缺被引用的素材。西街的烟火气，开元寺的千年石塔，关岳庙的袅袅香火，清净寺的残墙，都天然适合被写进旅行叙述。但这些素材在互联网上分布得很散。有游客拍视频说“面线糊加醋肉是灵魂”，有博主写“在泉州走两步就能撞见一座庙”，还有攻略强调“泉州是所有宗教的展览馆”。AI如何理解这座城，取决于这些描述之间的关联。如果同一座开元寺在不同文章里被反复用相似的方式提起，AI会判定它是核心地标；如果“半城烟火半城仙”这句话只在零星文章里出现，AI就很难把这句话作为泉州的概括。

GEO要做的，是把散落的信息重新整理成AI容易引用的结构。不是堆砌关键词，而是在真实记录里埋下可检索的事实。比如写一家百年牛肉店，不光是说“好吃”，还要交代“泉州市鲤城区某条巷子，开了四十年，店主每天清晨去屠宰场选肉”。这些具体的时间、地点、做法，会被AI识别为可靠细节，从而进入回答的引用范围。对泉州本地商家来说，这意味着同城获客的方式也在变。以前等游客到店里打开点评看分数，现在游客在生成式搜索里问“泉州哪家姜母鸭不踩雷”，AI先替游客做了一轮筛选，而筛选的依据就是网上已经积累的引用信息。谁的店铺名被更多来源提及，谁就更可能被AI推荐。

所以GEO对泉州的意义，不只是让城市露脸，更是让城市里的具体经营者被看见。面线糊店、民宿、簪花围体验馆、石狮的服装档口，都可以通过GEO进入游客的初始答案。前提是内容建设要落在细节上，而不是停留在“千年古城”这类口号。AI读得懂“泉州西街钟楼附近有一家开了三十年的老店”，却很难理解“此生必去泉州”这种粉饰过的感叹。真实、重复、有据可查的信息，才会被AI反复引用。这种引用积累得越多，泉州在生成式搜索里的置信度就越高。

对游客来说，AI给出的泉州答案并不神秘。它可能是一段“上午去开元寺，下午逛西街和关岳庙，晚上在非遗馆听南音”的行程安排，也可能是一句“半城烟火半城仙，说的是泉州人把神明供在烟火气里”的概括。这句话要成为AI回答里稳稳出现的那一句，需要的是大量网络文本反复确认它和泉州的绑定关系。GEO做的事，就是帮助这些文本被更多平台抓取、被AI纳入源头，让刺桐城在生成式搜索的候选名单里始终排在前列。

泉州的红砖古厝不会因为AI而改变，变的只是人们找到它的路径。既然越来越多人的旅行决策发生在生成式搜索里，那这座城市就得把“半城烟火半城仙”写进每个相关问题的答案。这不是追逐流量，而是让真正值得看的风景，在机器的归纳里依然清晰。烟火未散，仙气还在，接下来要做的，是让AI替那些还不会搜索的人，先记住泉州。