生成式引擎优化：面向 Pinterest 获客增长的 VLM 与 Agent 框架

大语言模型正通过 ChatGPT、Gemini 和 Claude 等 AI 原生搜索系统从根本上重塑内容发现。与将关键词匹配到文档的传统搜索引擎不同，这些系统推断用户意图、综合多模态证据并直接在搜索页上生成上下文答案，带来了从搜索引擎优化（SEO）到生成式引擎优化（GEO）的范式转变。对于托管数十亿资产的可视内容平台，这构成严峻挑战：单张图片缺乏生成式搜索所重视的语义深度与权威信号，当用户需求在原地得到满足而不访问网站时，面临被去中介化的风险。我们提出 Pinterest GEO，一个生产规模框架，开创了反向搜索设计：我们不生成描述内容是什么的通用图片说明，而是微调视觉语言模型（VLM）来预测用户实际会搜索什么，并用 AI Agent 挖掘实时互联网趋势以捕捉新兴搜索需求。这些 VLM 生成的查询随后经由多模态嵌入驱动构建语义连贯的合集页（Collection Pages），创建为生成式检索优化的可索引聚合。最后，我们采用 VLM 与双塔 ANN 的混合架构，构建权威感知的互链结构，在数十亿视觉资产之间传播信号。GEO 在数十亿图片与数千万合集上大规模部署，带来 20% 的自然流量增长，贡献了数百万月活跃用户（MAU）的增长，展示了一条视觉平台在生成式搜索时代繁荣发展的有原则路径。