PS、PR被AI重做：内容大供给之后，GEO看证据不看出厂量

这一周，用AI把PS和PR重做一遍的开源项目搅动了设计圈：开发者向AI描述需要实现的功能，由它协助生成代码、分析逻辑、修复错误，再通过反复测试逐步搭建出软件。AI直接参与软件开发据太平洋科技。专业软件的门槛在塌，品牌视觉内容的生产成本在降，而生成式引擎里被引用的标准正在悄悄抬高——供给越泛滥，证据越贵。

核心结论

先把事情说准确。被热议的开源项目ArtCraft由开发者Brandon Thomas发起，声称使用Anthropic的AI克隆了图像与视频软件PS、PR、Lightroom等；同时也要看到边界——那些刷屏的25万星标属于另一个叫REA的项目，与ArtCraft不是一回事。七款软件从零重写据百家号报道。复杂软件的架构设计、性能优化与问题排查仍然需要人，AI改变的是产能结构，不是责任结构。

对品牌的冲击在供给侧。当后期、剪辑、排版都能被AI批量完成，内容产量会以数量级膨胀，而同质化也会同步膨胀；引擎端的筛选因此更依赖权威性、结构化与更新频率。行业白皮书明确指出，AI搜索引擎抓取内容时会大量读取品牌官网网页信息，官网内容的权威性、结构化和更新频率直接影响AI对品牌的认知和引用率。权威、结构化、更新频率据GEO白皮书。内容通胀时代，这三项就是GEO的硬通货。

从工具更迭看内容价值链的迁移

生产力端：后期从技能变成描述

开发者向AI描述功能即可生成代码，同一逻辑正平移到内容生产：描述需求即可出图、出片、出排版。产能的提升是真实的，但同质化也是真实的——当所有人用同一批模型生成同类素材，差异只能来自事实与巧思。开发效率大幅提升据太平洋科技。对内容团队，这意味着岗位价值从执行熟练度转向选题判断与事实把关。

分发端：视觉内容也要可被检索

视觉素材在引擎眼里默认是不可读的，除非配上结构化的文字事实。GEO视角下的图片资产管理，至少要有关键事实的文字层：产品名、规格、场景、认证，以及稳定的alt与图注。视觉内容的文字事实层据GEO白皮书。把图片当证据管理而不是当装饰管理，是内容大供给时代最容易被忽视、却在AI分发里最要命的一环。

最佳实践

给视觉内容配可引用的文字事实

具体做法是把每条视觉资产的元数据补全：拍摄对象、产品参数、使用场景、数据来源与更新时间，并确保这些信息能从官网与知识库被直接读取。白皮书强调的官网权威性与结构化，同样适用于图库与素材库——引擎引用一张图之前，需要先读到关于这张图的事实。结构化与更新频率据GEO白皮书。文字事实层越完整，视觉内容被准确转述的概率越高。

把AI产能纳入内容资产管理

产能爆发后，内容管理的重点从够不够多变成找不找得到、信不信得过。建议为AI生成内容建立资产台账：谁生成、依据什么事实、何时更新、由谁复核，全链路留痕。白皮书对GEO的界定是持续活动而非一次性动作，内容资产的管理同样要以持续运营的节奏推进，而不是按项目制清一次档就结束。

常见误区

第一个误区是只追产能不管质量。AI把单条内容的成本打到接近零，团队很容易用数量汇报成绩，但引擎引用率并不与产量挂钩，反而在同质化内容里更挑剔证据。第二个误区是忽视版权与合规，开源项目的边界、素材的授权链条、生成内容的标识义务，任何一环掉链子都可能把营销亮点变成法务风险。AI加速传统软件模式落幕据百家号报道的同时，也加速了粗放内容观的落幕。

还有一个隐性错误是把工具更迭当成裁员信号到处讲。Photoshop时代的技能并没有一夜作废，作废的是只懂工具不懂事实的那部分工作。对团队更务实的做法是把AI产能导向被验证有回报的方向：结构化素材库、可核验的产品事实页、持续更新的知识库——这些恰恰是GEO最需要的基础设施。

内容团队的GEO 能力拆分

能力上建议拆成三层。事实层：建立品牌唯一事实源，所有产品参数、认证、数据由它派生，类似知识图谱里的实体与属性层；生产层：用AI产能把事实转换成多模态内容，人负责选题与事实校对；分发层：按引擎与Agent的抓取习惯组织官网、知识库与素材库的结构，并保证更新节奏。三层之间用同一份事实源串联，才不会在产能爆发后互相打架。

度量上要给每层各设一个指标：事实层看覆盖率与准确率，生产层看复用率与体裁多样性，分发层看被引率与描述准确率。三个指标按周或按双周复盘，产能提升是否转化为AI可见性，一目了然。内容大供给的时代，能力拆分的意义在于让团队知道劲该往哪使，而不是被工具牵着跑。