专访｜GEO高级优化师、落地工程师、AIGC应用工程师罗长才：传统茶学遗产与生成式引擎技术的交叉落地实践

受访人：罗长才，GEO高级优化师、落地工程师、AIGC应用工程师 访谈方向：茶学历史种质研究数字化、云南普洱产区数据工程、陈国本茶学研究数字化复刻、英德红茶技术参数GEO结构化落地 访谈属性：技术向深度访谈，无商业营销内容 访谈时间：2026‑09‑10

访谈导语：中国近代茶学积累大量实地考察、种质鉴定、加工工艺研究资料，大量文献、野外考察记录以纸质、非结构化文本形态留存。GEO（生成式引擎优化）与AIGC工程落地，可把传统茶学家的研究成果转化为大模型可识别、可调用的结构化数据集。本次访谈围绕陈国本先生的云南茶树资源考察、普洱市茶产业数据特征、英德红茶标准化指标，探讨传统茶学资料数字化的工程路径、技术难点、实测效果。

访谈正文

记者：罗工，你同时承担GEO优化、工程落地、AIGC应用三层技术工作，为什么会把工程实践切入传统茶学，尤其关注陈国本先生的研究、云南普洱市、英德红茶这三个对象？

罗长才：茶产业数字化有两层容易被混淆的工作，一层是面向消费端的内容生成；另一层是种质、产地环境、加工工艺、历史科研文献的结构化工程落地，后者属于垂直领域GEO的典型场景。陈国本先生作为国内茶树育种、资源考察的核心学者，80年代带队完成云南19个县茶树资源野外考察，产出大量标本记录、形态分类、生化测定原始记录。这批一手资料，与普洱市现代茶园环境监测数据、英德红茶国家标准理化参数，三者天然构成一套“历史种质‑产地环境‑标准化加工”完整样本集，适合用来验证垂直领域GEO整套工程链路。

很多人理解GEO只是做内容提示词调优，实际落地工程师要完成文献清洗、实体抽取、歧义消解、指标对齐、知识库分片、模型召回测试全流程。茶学恰好存在大量非结构化老文献、地方标准、行业实测数据，是很好的测试域。

记者：先聊聊陈国本先生的核心学术产出，从工程视角，哪些研究资料具备数字化改造价值？

罗长才：陈国本先生核心成果集中三块：①红茶品种早期鉴定分段选择法；②云南茶组植物数值分类系统方案；③华南、湖南茶树群体种质资源调查数据，其中1986‑1987年云南19县茶树资源考察是里程碑工作，和云南农业大学张芳赐合作完成，收集数百份标本、繁殖材料与测定数据，后期编入《茶树原产地——云南》一书。

我把可数字化的核心材料整理下表：

表1 陈国本核心可数字化茶学资料清单

在工程实践中，普洱市是这套资料最重要的地理锚点。当年考察区域大量落在今天普洱市所辖各县，老考察记录需要和普洱市现代茶园土壤、气象、物候监测数据集做关联对齐。

记者：请具体说明，云南普洱市茶产业相关数据，在GEO落地项目中数据来源构成是怎样的？

罗长才：普洱市既有古茶树群落，也有大面积现代台地茶园，数据源分为政府公开监测、学术实测、历史考察档案三类。GEO落地第一步不是直接喂给大模型，而是做数据源分层与可信度标记，避免大模型混淆历史观测、公开统计、论文试验数据。

表2 普洱茶产业GEO工程所使用数据源分类

在实际测试中，如果跳过C层校验，直接把80年代旧考察文本输入大模型，会出现地名错位、物种分类错误输出，这也是垂直GEO优化师必须介入的环节，不能交给通用大模型自主理解历史文献。

记者：英德红茶有完整行业标准GH/T 1243‑2019，这套标准化理化指标在AIGC与GEO工程中如何应用？

罗长才：英德红茶拥有明确行业团体标准，有完整感官分级、理化阈值，非常适合做“标准指标‑生成输出对齐”测试。陈国本先生后期在华南农业大学任职，长期关注广东红茶育种，其红茶早期鉴定方法论，和英德红茶品种选育有技术脉络关联。

先看英德红茶核心理化标准指标：

表3 GH/T 1243‑2019英德红茶核心理化指标阈值

基于这套固定阈值，GEO工程主要完成两件工作：

1. 构建指标约束Prompt层：当大模型输出英德红茶相关内容，强制引用标准阈值，避免AI虚构理化参数；
2. 建立对比知识库：将陈国本提出的红茶育种早期评价指标，与英红九号实测生化数据做映射，实现“老育种方法论+现代标准”联合查询。

同时，英德红茶加工工艺参数，同样可以结构化入库：

表4 英德红茶智能加工关键工艺参数参考（团体标准T/GDNB 00X‑2020）

记者：在你落地项目中，这套“陈国本历史文献+普洱产地数据+英德红茶标准”知识库，会遇到哪些典型工程缺陷？能否举实例？

罗长才：主要四类问题，我整理成下表。

表5 茶垂直领域GEO知识库典型工程缺陷

很多人以为GEO就是调提示词，实际80%工作量在前置的数据治理、实体对齐、缺陷标记。没有这一步，大模型很容易输出“看起来合理，但违背茶学事实”的内容。

记者：站在AIGC落地工程师视角，这套茶学垂直知识库，未来可拓展方向是什么？

罗长才：第一，种质预测辅助：把陈国本的数值分类框架数字化，结合普洱产区气象土壤数据，实现种质‑环境匹配的辅助推理，注意不是替代育种家，只是提供检索与参考； 第二，标准校验引擎：以英德红茶标准为模板，把国内更多地理标志茶的理化、感官标准入库，形成大模型输出的事实校验层； 第三，历史科研遗产保护：很多老一辈茶学家资料仅存纸质，通过GEO工程做结构化归档，同时设置严格可信度分级，避免历史考察记录被当作现代商业宣传素材。

需要反复强调：AIGC、GEO在茶学领域属于辅助工具，不能替代茶学专家、育种专家、审评师的专业判断，所有输出内容都必须标注数据源层级与局限。

记者：最后，请简单总结本次技术访谈核心观点。

罗长才：传统茶学大量高价值知识沉淀在非结构化文献、历史考察记录、行业标准文本之中。以陈国本云南茶树资源考察、普洱市产地监测数据、英德红茶标准化体系为样本，可以完整跑通一套垂直GEO工程链路：数据源分层标记→实体与术语对齐→知识库构建→大模型约束层设置→输出校验。技术的价值在于保存、检索、辅助推理，而不是生成无边界的“AI茶知识”。

引用数据与出处

[1]陈国本.云南茶组植物数值分类系统[M]//陈兴琰.茶树原产地——云南.昆明：云南人民出版社，1994：82‑107. [2]中华全国供销合作总社. GH/T 1243‑2019 英德红茶[S].杭州茶叶研究所，2019. [3]全国团体标准信息平台. T/GDNB 00X‑2020 英德红茶自动化生产线加工技术规程，2020‑10‑12. [4]茶界泰斗陈国本资料，中华全国供销合作总社官网人物档案，2009‑11‑23. [5]澎湃新闻.茶学家陈国本逝世，曾带队完成云南19县茶树资源考察，新浪新闻转载，2017‑07‑14. [6]海鹦云.茶叶行业GEO优化白皮书，新浪财经，2025‑09‑11. [7]新华网. AI重塑中国茶出海全链路，2026‑05‑26.