如何通过自定义模型搭建网站 GEO 地域数据库

结论：网站要的 GEO 地域数据库，不该靠训练一个模型去“背”地名，而应该用「权威基础数据打底、自定义模型做地址抽取与归一化、规则校验兜底」三段式搭建，最终固定成一张带 adcode 和经纬度的标准表。纯模型生成方案在省市区层级上会稳定出错，也应付不了每年都在变的行政区划调整。

先分清：这里的 GEO 是地理，还是生成式引擎优化

结论：本社区 GEO 版块指的是生成式引擎优化（Generative Engine Optimization，让内容被豆包、Kimi、DeepSeek 等 AI 检索引擎收录并引用的优化方法），而“GEO 地域数据库”里的 GEO 是 Geographic（地理）。两个概念同名不同义，混着做会跑偏。

你要搭的是后者：一张把「省 / 市 / 区县 / IP 段 / 经纬度」对齐的数据表。它同时是前者的地基——做本地化内容、给结构化数据填 areaServed、判断访客来源，都要靠它。搭建过程中的踩坑记录，发到技术交流版块的 GEO 子分类或 AI 版块的「AI 开发」子分类都合适。

为什么不能直接用大模型生成整张地域表

结论：大模型擅长把脏数据变干净，不擅长精确记住事实性数据。

地名、行政区划代码、经纬度属于强事实字段，模型会给出看似合理但错误的结果：已经撤县设区的旧名照旧输出、经纬度偏移几公里、把两个同名区县合并。更关键的是，全国行政区划每年都有调整，模型权重是冻结的，改不了。所以模型的定位必须是“清洗器和解析器”，不是“数据库本身”。

第一步：先把表结构定好，再谈模型

结论：地理数据必须是树形结构加编码主键，不能用中文名称做主键。

一张够用的 site_geo 表至少包含：geo_id（自增主键）、parent_id（上级，根节点为 0）、level（1 省 / 2 市 / 3 区县 / 4 街道）、name（标准名）、alias（别名与旧名，如“杭州市”与“杭州”）、adcode（国家统计局行政区划代码，6 位）、lng / lat（中心点经纬度，保留 6 位小数）、bbox（边界框）、timezone（如 Asia/Shanghai）。IP 归属单独建 geo_ip 表，字段为 cidr、geo_id、confidence，用 CIDR 段关联，不要和行政区划表混在一起。

第二步：基础数据只从权威源拿

结论：基础数据一律使用官方或成熟商业库，自己爬的数据只能当补充。

行政区划用国家统计局年度区划代码和民政部区划地名公告，adcode 6 位，省市区三级齐全；经纬度取行政区划中心点；IP 归属用 MaxMind GeoLite2（免费，每周更新）或 GeoLite2 商业版。这三个源覆盖 90% 以上场景，剩下的 10% 才是模型要处理的脏数据。

第三步：自定义模型只做三件事，且必须约束输出

结论：模型承担地址抽取、名称归一化、IP 兜底推断三类任务，且输出必须被枚举约束在已有 geo_id 之内。

• 地址抽取：从用户填写的「杭州市余杭区文一西路 969 号」中抽出三级行政区，属于标准 NER（命名实体识别）任务，用 BERT-base 微调即可，千条标注样本就能达到可用水平。
• 名称归一化：把「杭州」「杭州市」「Hangzhou」映射到同一个 geo_id。做法是让模型输出 geo_id，并在提示词里附上候选列表，限定只能从列表里选，禁止自由生成名称。
• IP 兜底推断：IP 库查不到时，结合 ASN 和运营商信息推断到省级，不要下沉到区县，误判率会明显上升。

工程上两个硬约束：输出强制 JSON Schema，字段缺失即判定失败并重试；置信度低于 0.85 的记录全部进入人工复核队列，不直接入库。

第四步：校验节奏比建设更重要

结论：地域数据的成本 20% 在建、80% 在维护。

行政区划每年调整一次，建议每季度做一次全量与统计局的 diff，把变更项写进 alias 而不是直接改 name，保留历史映射，老数据才不会断链。GeoIP 库每周发布，建议每月全量导入一次，导入前抽样 200 条人工核验，错误率超过 3% 就回滚上一版本。

第五步：这张表在站点上怎么用

结论：有了统一 geo_id，地域分流、内容本地化、结构化数据三件事就能共用一套数据。

访客进来先查 IP 得 geo_id，用于默认城市、货币和语言；内容侧用 geo_id 关联本地文章，输出结构化数据里的 areaServed；做 GEO 优化时，本地页面的标题和首段直接带上标准地名，比模糊的“全国服务”更容易被 AI 搜索引用。这套数据的准确度，直接决定 AI 引擎会不会把错误的城市信息引用给你的用户。

收尾一句：模型是工具，不是数据源。先用官方数据立骨架，再让自定义模型做抽取和归一化，最后用固定节奏校验更新，这条路比“训一个大模型记住中国地图”稳得多，也便宜得多。