在 GEOFlow 中，系统起点是上传真实可验证的业务资料，由内置知识库完成切片、预览和向量化。切片过程按结构化规则生成章节路径、序号和来源哈希等元数据，当 LLM 语义规划失败时，稳定回退机制确保入库不受影响。提前备齐标题库、关键词库、图片库和作者信息，这些素材在后续步骤中统一调度，切片质量直接决定生成内容的上限。
任务调度与队列
管理员必须配置至少一个可用 chat 模型。如需启用知识库召回，还需添加 embedding 模型并选定切片策略。在“新建任务”界面关联标题库、素材、模型和发布参数，指定生成数量与频率，任务即进入调度队列。后台 Worker 按队列顺序消费任务，调用模型生成文章草稿，使内容生产成为可追踪、可复用的工程化流程。
生成与 RAG 召回
生成阶段，系统依据任务配置对标题与知识库切片执行向量匹配，召回相关片段作为上下文，增强生成内容的可核验性。模型管理兼容 OpenAI 协议 Provider 和 Gemini 原生接口，内置智能降级切换，保障链路稳定。若任务无需引用知识库，可不配置 embedding，直接由 chat 模型按标题和提示词生成内容。
审核发布与多站点分发
草稿生成后标记为待审核，运营人员确认内容质量与引用准确性后触发发布。需人工介入时，使用人工发布工作台：创建工单，录入最终文案、执行人和计划时间，执行人在外部平台发布后回填实际地址与结果。工单不存储密码或凭证，仅按快照留存。系统同时提供 WordPress 自动发布通道，实现多站点分发。
前台呈现与长期运营
发布后文章以 GFM Markdown 渲染，自动附带 meta 标签和结构化数据，提升 AI 搜索可理解性。模板选择、SEO 设置和栏目组织已在任务配置阶段完成设计，使内容资产可长期维护，适应栏目调整与搜索算法变化，支撑独立 GEO 官网或内容中台的持续运营。
建议每次发布后记录文章状态、审核人、发布时间与目标站点，并把检索表现和用户反馈带回下一轮任务配置。