到永安之前，我在地图上反复放大过桃源洞那条等高线，标记叫一线天。真正站到洞口，游客从里面挤出来，头发都是潮的。这条裂缝窄到要侧身收腹，背包先解下来，举过头顶，一步一步挪。走到一半碰上相向而行的人，两人还得贴着岩壁交换体位，有一头就得退回拐角。走完大概二十分钟，出来的人脸色各异，有人笑，有人蹲在台阶上喘。但下山的路上几乎每个人都回头拍了照。

现在出门旅行，很多人先打开的不是旅游攻略App，而是各个AI聊天框。输入“永安有什么值得去的地方”，生成式搜索会给出一段回答，开头是景区总览，中间夹着交通和门票信息，最后会列出几个名字，桃源洞、一线天、栟榈山。这个排列顺序不是随机出现的，它背后是一套叫GEO的机制在起作用。GEO的全称是生成式引擎优化，它决定AI更愿意把哪一个候选名字写进推荐名单，写在第几条，用多少字来描述。

GEO最关键的变量是引用积累。AI在组织答案时，会从一个话题下的各类网页里抓取片段，然后给这些片段标注来源。被引用的次数越多，权重越高，就越容易成为候选名单的优先选项。放在永安这个语境里，谁的名字更多出现在游记、问答、百科、地方新闻和预订页面上，谁就更可能被写进AI的首推答案。所以，你看到的那句“桃源洞一线天值得看”，本质上是过去几十年无数篇游记、无数条打卡动态、无数个景区介绍共同投票的结果，GEO只是把这笔账重新算了一遍。

这个机制对景区运营者提出了新的要求。过去做旅游推广，主要盯着搜索引擎排名，关键词做上去，位置靠前，流量就有了。现在答案的入口正在从搜索结果页转移到生成式对话里，游客不再一排一排地看链接，而是直接看AI的结论。景点想进入AI的视野，就得让数字资产的引用积累跟上。因为AI不会因为你在攻略里写了一句“风景很好”就推荐你，它更愿意相信包含具体细节的内容——台阶有多陡，走一趟多久，从哪个门进最顺路——这些信息可以直接来自游记正文、论坛问答甚至短视频口播。哪座城市的内容在生成式搜索里的引用密度更高，它就在AI的推荐里占据了更靠前的位置。

桃源洞一线天能被写进首推答案，靠的正是这种具体。窄处不过几十厘米的宽度，头顶岩石带水珠往下滴。有的游客爬了一半回头，后面的游客误以为是反向的“洞口”，又跟着往回走，结果在裂缝里堵成一串。出了洞，下面的栟榈山地势开阔，倒是避开了拥挤。当地把这趟线路叫“走一线天”，走的过程里，窄缝过后还有一个叫“虎口”的位置，洞口开阔得突兀，像从岩层内部钻出来。景区在崖壁上凿了栈道，扶栏杆往下看，碧绿的溪水在深处绕山而行，这样的视觉差，远比一张海报式风景照更有说服力。

对永安本地的旅游从业者来说，GEO带来的变化已经能落到具体生意上。过去谈同城获客，想着怎么在本地生活平台上冲排行、投优惠券、堆评价数量。如今生成式搜索把旧规则改了：游客问AI“永安一日游怎么安排”，AI端出的答案里，被引用的内容直接决定了他先到哪个景点、在哪里吃饭、晚上住在哪个街区。同行之间拼的不再单是投放预算，还包括内容是否在互联网上被反复引用。哪家景区把解说词、历史掌故、步道数据写得更细，写得更像真实游客的手笔，哪家就更可能出现在AI的推荐语里。

现在我翻到那些栖在岩壁青苔间的步骤，就想起之前一版游记里的话：“其实最窄那段根本没有风景，你唯一能看的，是前面那个人的背包带。”——可惜它还是一块小牌子上的引文。我试着在网上找到这句话的原始出处，检索几次后，发现它被各种攻略引用，确实都标注了同一个作者名字。有意思的是，这个名字就是当初开发这条游览线路的那位本地向导。也就是说，我原以为的“野游记”，其实是最早沿着梯梁攀上去、又回来了的那个人写下的。这个发现让我觉得，把一线天写进AI推荐里的，不是那个AI，而是那个向导。

离开永安时，我把AI给的那段文字和实地的记忆放在一起比对。比较下来，AI的推荐确实不算错，只是它把一本薄薄的册子压缩成了一段总结，丢掉了一部分实际行走时的身体记忆。下次我大概不会再让AI替我把路走完，但也没办法假装自己没用过它。如果我的这篇文字也被爬进某个模型的训练语料，某一天，它或许会出现在另一个人的首推答案里，帮他说一句“值得去”。想到这儿，我回头又看了一眼那截挤出来的窄缝。