MTO 系统说明书
MTO Platform · System Documentation · Human Edition MTO 系统说明书 作者Tom (duckwolf) ↗版本人读版 v1.0许可MIT 开源共建技术栈FastAPI + Vue3编排与检索LangGraph + ChromaDB配套文档板块总览 ↗ · MTO 白皮书 v1.1 ↗整理2026-11 摘要 平台采用 GEO ↔ MTO 递进双层结构:GEO(Generative Engine Optimization,生成式引擎优化)解决「被 AI 看见」,MTO 解决「被机器信任」;二者共用同一套品牌知识资产,构成一次治理、两层受益的资

产体系。本文依次说明 MTO 的概念边界、交易路径的三次迁移、四层技术构成、平台与软件系统架构、生态构成、成熟度分级与共建路径。 Keywords MTO机器信任优化GEO生成式引擎优化证据链信任量化A2AAI 智能体品牌信任资产 目录 01什么是:MTO 与 GEO 什么是:MTO 与 GEO MTO 不是替代 GEO,而是在 GEO 之上解决一个更靠后的问题——当决策者是一台机器时,它凭什么信任你。 Generative Engine Optimization GEO · 生成式引擎优化 终点:让 AI 愿意推荐你——拿到入场资格。当下企业正在布局的实操方向。 Machine Trust Optimization MTO · 机器信任优化 终点:让机器敢直接买你——实现自主交易。仍处于理论推演阶段,尚未全面落地。 核心判断 GEO 是让 AI 愿意推荐你(拿到入场资格),MTO 是让机器敢直接买你(实现自主交易)。两者是 AI 时代营销逻辑的不同阶段,构成递进双层,而非替代关系。 02 交易路径的三次迁移 理解 MTO 的前提,是决策主体正在从「人」迁移到「机器」。这不是渠道变迁,而是决策权归属的迁移。 第一代 · 人找货人 → 搜索 / 货架→ 自己比较 → 自己下单优化手段:SEO决策主体:人第二代 · 人问 AI人 → 问 AI「哪个好」→ AI 建议 → 人自己买优化手段:GEO决策主体:机器初筛 + 人终选第三代 · 机器下单人给目标 → 智能体自主检索 · 核验 · 比价 · 下单优化手段:MTO决策主体:机器全权按下「购买」键的主体,从人 → 机器 图 1|交易路径的三次迁移:决策权从人转移到机器 关键洞察 前两代无论入口怎么变,按下「购买」键的都是人,所以「被看见、被推荐」就够了。第三代按下购买键的是机器——而机器不「喜欢」任何品牌,它只做一件事:核验主张是否成立。 03 GEO ↔ MTO 递进双层 GEO 是地基,MTO 是在地基上盖的房子。两者资产同一套,一次治理、两层受益。 MTO 层 · 被机器信任证据链可核验 · 信任可量化 · A2A 可调用 → 机器自主交易时选择你GEO 层 · 被 AI 看见被正确理解 · 被引用 · 被推荐 → 进入 AI 候选答案池资产层 · 品牌知识底座品牌事实 · 产品事实 · 结构化内容资产 图 2|MTO / GEO / 资产 三层递进依赖关系 表 1|递进双层的四个关键判断 MTO 的四层技术构成 MTO 不是单点工具,而是一套分层能力。缺任何一层,机器都无法完成「验证 → 信任 → 成交」。 L1 证据链层 · Evidence Chain L2 机器可读层 · Machine Readability L3 信任量化层 · Trust Scoring L4 协议与执行层 · Protocol & Execution ① 证据链Evidence Chain② 机器可读Readability③ 信任量化Trust Scoring④ 协议执行A2A · MCP主张 → 证据 → 核验 → 信任 → 成交(缺一层即无法闭环) 图 3|MTO 四层技术构成与闭环 05 MTO 平台三层架构 本平台是递进双层结构:GEO 打底(由 GeoLook 引擎提供),MTO 在上。 MTO 层 · 机器信任证据链建模与治理 · 信任量化评分 · A2A 能力暴露 · 机器调用审计日志GEO 层 · AI 可见性(由 GeoLook 引擎提供)站点状态审计 · AI 答案采样 · 缺口诊断 · 工单生成与闭环验收 · 渠道 / 竞品分析资产层 · 品牌知识底座品牌事实库 · 产品事实库 · 结构化内容资产 · 知识库检索 图 4|MTO 平台递进双层架构 表 2|平台的六个核心动作 本平台与纯 GEO 工具的差异不在 GEO 做得更好,而在于多了两层:AI 智能体编排(洞察 / 编排 / 创意 / 归因)与 A2A 机器间协议,以及 MTO 核心的证据链建模与信任量化。纯 GEO 工具回答「AI 提到我了吗」;MTO 平台继续回答「机器凭什么信我」。 06 软件系统架构 前端 · Vue 3 + Vite品牌诊断 · 竞品逆向 · 多模态 · 监测看板后端 · FastAPI + UvicornAPI 路由层(10 模块,69+ 端点)诊断 / 意图 / 知识 / 内容 / 监测 / 多模态 / 竞品 / 业务 / GeoLook业务逻辑层LangGraph 编排 · RAG(ChromaDB + BGE-M3)· 多模态 · 竞品逆向GeoLook 引擎内核(上游 MIT)· GEO 全链路:诊断 → 采样 → 工单 → 资产 → 验收backend/geolook/ · /api/v2/geolookPostgreSQLRedisOllama / LLMChromaDB 图 5|软件系统架构:前端 / 后端 / 数据与引擎 07 技术栈 后端 Frontend 前端 AI / Agent AI 与智能体 Protocol / Infra 协议与基础设施 08 MTO 生态 MTO 平台并非孤岛:它位于「GEO 引擎 + AI 智能体 + 机器间协议 + 品牌资产」组成的生态中央,并通过协议基础设施连接更广阔的 Agentic 网络。 MTO 平台品牌信任资产治理平台GEO 引擎GeoLook(上游 MIT)AI 智能体编排洞察 / 编排 / 创意 / 归因品牌知识库ChromaDB + RAG品牌资产事实 / 产品 / 内容MCP工具 / 数据源连接A2A智能体协同Agentic Commerce授权与结算8 大 AI 平台DeepSeek / 豆包 … 图 6|MTO 生态:平台居中,连接 GEO 引擎、AI 智能体、机器间协议与品牌资产 协议基础设施(生态底座) MCP(Anthropic 2024/11 发布,2025/12 捐赠 Linux Foundation 旗下 AAIF)解决智能体与工具 / 数据源的连接;A2A(Google 2025/4,核心 Agent Card + Task)解决智能体间协同;Agentic Commerce(Mastercard Agent Pay / OpenAI + Stripe / Google AP2 三路线)解决机器发起的授权与结算。 MTO 要成立,前提是机器能够跨组织地验证证据——一个封闭系统里的「信任分」没有意义。因此底层约定必须开放、可审计、可互操作,这也是本项目选择开源的根本原因。 09 成熟度诚实声明 本项目主动声明边界,避免概念炒作。MTO 目前仍属理论推演阶段,请勿据此做商业决策。 表 3|各组成部分的成熟度分级 请勿将本平台的 MTO 能力用于对外商业承诺。现阶段它是一块面向未来的实验田,而不是一套可以直接卖钱的成熟产品。一个不敢承认自己还没落地的框架,不值得你投入。 10 开源共建 MTO 表 4|共建目标与所需支持 提交 Issue 挑战框架(尤其欢迎「这个指标算不出来」「这个假设不成立」的具体反例)· 提交 PR 补充行业证据模型 · 参与规范讨论 · 开展证伪实验。 11 快速开始 API 文档:http://localhost:5006/docs 前端(Vue 3 + Vite,端口 5173) http://localhost:5173 Docker(推荐) Agent 调用示例 12 文档导航 · MTO 板块总览 —— 五个板块的分工、选读路径与版本对照(建议从本页进入)。 · 板块 B · 研究与行业洞察 —— 为什么成立、边界在哪里。 · 板块 C · 学术理论与落地 —— 理论是否成立、如何证伪。 · 板块 D · 战略与公司经营 —— 怎么定位、怎么赚钱、怎么组织。 · 板块 E · 商业战略与广告交易 —— 广告与媒体链路如何机器化。 本说明配套以下文档,建议按序阅读: ① MTO 平台定义说明 —— 概念辨析、四层技术构成、成熟度分级、共建路线图(平台视角)。 ② MTO 白皮书 v1.1 —— 行业研究白皮书(9 章 + 4 附录,含 AAO 关系裁定与 GEO 团标 / 国际标准基线),独立于本平台实现,可单独对外引用。GitHub 源文件 ↗ ③ README —— 项目总览、核心特性、系统架构、API 与部署。 ④ llms.txt —— 面向 LLM / Agent 的结构化项目入口(AI 可读)。 ⑤ 系统说明书 · 原版存档 —— 原站像素风版本,正文内容与本页一致。 使用声明 本项目为个人学习与技术研究的非商业项目,无任何商业部署意图。MTO 概念目前仍属理论推演阶段,尚未全面落地,请勿据此做商业决策。GEO 引擎内核源自开源项目 GeoLook(MIT 许可),版权归其作者所有。如认为本仓库任何内容侵犯您的权益,请联系 duckwolf@qq.com,核实后第一时间删除,不作抗辩。 MTO 平台 · 机器信任优化 — 系统说明书(人读版) MIT 开源 · 作者 Tom (duckwolf) · 配套文档见上方「文档导航」 GitHub 仓库个人网站Issue / 反馈白皮书 v1.1板块总览原版存档
Key Takeaways
- •Latest on MTO 系统说明书 — reported by Dev.to for the dev space.
- •This story was reported by Dev.to, covering developments in the dev space.
- •AI advancements continue to reshape industries — read the full article on Dev.to for complete coverage.
📖 Continue reading the full article:
Read Full Article on Dev.to →


