截至 11 月 7 日的公开信息，小红书技术团队 REDtech 于 11 月 6 日前后发布文章，官宣推出 Personal Agent「蜜薯」，定位为「AI 生活搭子」。Rokid 在新品发布会上确认，用户可以通过 Rokid AI 眼镜使用蜜薯找店铺、挑商品。REDtech 列举了四类场景：在陌生城市找本地人爱去的小店、对着菜单商量怎么点；比较两件商品的真实使用体验；了解新品饮料的尝鲜评价；根据近期笔记寻找周末的展览和市集。对负责品牌 AI 可见度的团队来说，这是一次典型的入口迁移，从「搜关键词」变成「问搭子」。
十一月六日官宣的蜜薯 四个场景都在决策前端
四类场景有一个共同点：用户还没确定买什么。找小店、商量点菜、比较体验、找展览，这些都发生在决策之前，属于需求成形的阶段。在这个阶段被 AI 选中，比在比价阶段被推荐更有价值，因为此时用户对品牌没有预设，先出现的一方更容易成为默认选项。
眼镜端的接入让场景进一步前移。戴着 AI 眼镜走在陌生街区，问一句「附近本地人常去的小店」，返回的推荐会直接引导脚步。这类入口的特点是即时、情境化、强地理约束，与传统搜索的「坐下来慢慢挑」完全不同。对线下门店来说，这意味着「被路过时能不能被选中」变成了一项新的经营指标，而不是只靠商圈自然客流。
被AI回答挑中 取决于三样东西
真实体验内容的密度
蜜薯的答案建立在用户真实分享之上。一个品牌或门店如果在平台上缺少具体、可引用的体验内容，就很难被组织进答案。内容的密度不只是数量，还包括是否覆盖了具体场景，「这家店适合带父母去」比「这家店很好吃」更有被引用的价值。
信息的一致性与时效
AI 在组织答案时会比对多条内容。如果门店的营业时间、地址、人均在笔记与商卡里不一致，答案就可能给出错误信息，或者干脆跳过这家。时效同样重要，过期的探店内容会把用户引向已经关门的店。
可见度监测要多一类情境样本
传统的问题库采样以文字提问为主，而蜜薯的场景更依赖情境：位置、时间、同行人、预算。同一家店在工作日下午与周末晚上的答案可能完全不同。这意味着采样设计需要把情境变量固定下来，否则数据无法比较。
| 样本维度 | 怎么固定 | 观察重点 |
|---|---|---|
| 位置 | 固定坐标与半径 | 是否进入候选 |
| 时间 | 固定时段 | 营业状态是否准确 |
| 情境 | 固定同行人设定 | 推荐理由是否贴合 |
三个维度里，位置最容易固定，时间次之，情境最难。建议先固定位置与时间，做一轮基线；再逐步加入情境设定，观察答案的变化幅度。变化幅度本身就是一项有价值的指标，它反映 AI 对这个品类理解的稳定程度：变化大说明答案依赖偶然的素材组合，变化小说明平台已经形成了稳定的判断，品牌要改变结论就需要更系统地调整内容。
对品牌GEO安排的实际含义
当 AI 搭子成为入口，品牌要准备的不再是关键词，而是可被引用的场景素材。具体来说有三件事：把门店信息在平台内保持唯一且最新；围绕具体场景产出体验型内容；对竞品在同一情境下的表现做对照记录。
证据边界也要说清。平台披露的是产品形态与场景，没有公布推荐排序规则与商业化方式。品牌在做判断时，应把「入口已经出现」当作确定事实，把「推荐逻辑如何运作」当作待验证假设。两者混在一起，容易把一次产品发布误读成流量红利，进而做出过度投入。
常见问题
蜜薯是什么产品？
小红书推出的 Personal Agent，定位 AI 生活搭子，覆盖找店、比货、尝鲜评价与找展览市集四类场景，可通过 Rokid AI 眼镜使用。
为什么这类入口比搜索更靠前？
场景发生在决策前端，用户尚未确定买什么，此时被 AI 选中更容易成为默认选项。
品牌要准备什么内容？
可被引用的场景素材：门店信息唯一且最新、围绕具体场景的体验内容、竞品在同情境下的对照记录。
监测这类入口要注意什么？
固定位置、时间与情境三类变量，否则答案无法比较；先做基线再逐步加入情境设定。
