三家网站为 AI 制作了 215,128 个“最佳软件”页面。Perplexity 引用了它们

AI 生成的“最佳软件”页面与 GEO/AEO

• 许多人把这些批量生产的“最佳 X 软件”网站视为 SEO 的自然演变：现在优化的是 LLM，而不是人类，有时也被称为 GEO/AEO（“生成式/答案引擎优化”）。
• 评论者预计会出现一个不断壮大的行业，专门操纵 AI 的训练与检索，让模型推荐特定产品。
• 有人指出，已有风投支持的公司在大规模这么做，包括在论坛上进行垃圾式发帖，以及通过迭代改写来匹配 LLM 嵌入向量。

针对 Perplexity 的反应

• 几位前付费用户或试用用户表示质量下降：回答更快但更差，引用不匹配，以及“Computer”/深度研究功能不可靠。
• 有人抱怨计费做法（试用期后自动扣费、支持很差）以及付费功能在订阅中途被降级。
• 有人说 Perplexity 曾经在类搜索任务上比 Google 更好，但现在已经失去优势；也有人现在更喜欢 Claude、ChatGPT、Gemini，甚至 Google 的 AI 模式，尽管后者幻觉率更高。
• 少数人仍使用 Perplexity，是为了避免锁定到单一底层模型供应商。

LLM 训练 LLM 输出与来源偏差

• 人们强烈担心 AI 生成内容正在淹没网络，形成一个反馈回路，模型在自己的“垃圾内容”上训练，从而放大错误。
• 讨论中提到“自我偏好偏差”：模型往往把自己的风格、代码或段落结构评为优于人工编辑或其他替代方案。
• 线程中引用了实验和论文，表明 LLM 评审者更偏好 LLM 生成文本，这给评估和类似 SEO 的作弊带来问题。

搜索退化与应对策略

• 许多人表示，产品搜索和通用网页搜索都被垃圾内容、广告和 AI 垃圾信息“毁了”。
• 有些人退回到 2020 年代之前的书籍、小众论坛，或使用经过筛选的域名白名单/“镜头”（例如配合替代搜索引擎）来避开 AI 内容。
• 另一些人则在浏览器中使用过滤器和黑名单，隐藏“AI 垃圾内容”和 SEO 过重的网站。

对文章本身及元级草根伪装的怀疑

• 多位评论者认为这篇报道本身就是 AI 写的，文风乏味，而且“研究机构”品牌可信度很低。
• 有人怀疑，来自类似“独立研究”网站的反 Perplexity 文章本身就是 GEO 实验，或者是为了影响 LLM 输出而进行的草根伪装。
• 一些人呼吁在讨论网站上对这类 AI 成分很重的投稿进行标记或移除。

更广泛的担忧：激励机制、宣传与小玩家

• 广告和变现被视为垃圾行为的核心驱动力；有人认为宣传操纵者也在投放对 AI 友好的虚假信息网站。
• 较小的 SaaS 供应商表示，除非他们向“最佳软件”网站付费购买展示位，否则不会被 LLM 推荐；如果拒绝，有时还会面临报复性的负面内容。
• 少数人猜测会出现“仅限人类”的网络或暗网，但也承认，如何执行仅限人类参与或消除经济激励并不明确。