当用户在 AI 引擎中询问某个品类的问题时，你的品牌能否被主动提及和引用？这就是 GEO（Generative Engine Optimization，生成引擎优化） 要解决的核心问题。
但落地 GEO 并不容易。市面上的 GEO 工具大多是 SaaS 订阅模式——按月收费、数据存放在第三方云端、评分逻辑是黑箱，对中文市场的 AI 引擎支持有限，效果交付往往停留在 PPT 层面。品牌方投入后拿到的通常是一份难以解读的数据仪表盘，缺少可执行的下一步指引。
有没有一种方案，能把 GEO 从"监测+建议"升级为真正可执行、可验证、可交付的端到端工作流？开源项目 GeoLook 给出了答案。
项目介绍：GEO 实施平台，而非监测 SaaS
GeoLook 由 AIGCLINK 团队开发，定位非常明确——它不是又一个 GEO 监测工具，而是一个完整的 GEO 实施平台。
核心理念是将 GEO 从"监测+建议"模式，推进到"监测→诊断→工单→资产→验证→交付"的完整闭环。用项目团队的话说：
大多数 GEO 产品是监测 SaaS：它们展示提及率和排名，按月收费，把你的数据存在他们的云里。GeoLook 是实施平台：从监测到诊断到工单到资产到自动验证到客户交付，全部打通。
这意味着 GeoLook 不仅告诉你"品牌被 AI 提及率太低"，还会进一步回答三个问题：
- 为什么没被提及？——站点是否被 AI 爬虫抓取？是否缺少结构化数据？品牌在 AI 引用渠道上是否有布局？
- 应该做什么？——自动生成结构化执行工单，附带验收标准，86% 的工单可自动验证。
- 做完了吗？——重新爬取、重新采样，用数据证明效果。
这就好比从"体检报告"升级为"治疗方案+手术+复诊"的全流程服务。
核心亮点
端到端闭环，从诊断到交付
GeoLook 打通了 GEO 的完整链路，在传统监测工具的基础上延伸了六个环节：
- 监测：跨 15 个 AI 引擎采样，量化提及率、排名、引用份额
- 诊断：六维度站点审计与差距诊断，精准定位问题
- 工单：自动生成结构化执行工单，附带验收标准
- 资产：一键生成 llms.txt、JSON-LD、HTML 片段等 AI 友好资产
- 验证：程序化自动验证，回归问题自动重开工单
- 交付：一键生成客户可交付的诊断报告、策略文档和执行计划
在样本项目中，GeoLook 生成的 21 个工单中有 18 个（86%）可以自动验证通过。
数据主权，自托管部署
GeoLook 完全自托管，所有数据（采样结果、审计报告、工单记录、品牌事实库）以 JSON 和 Markdown 文件形式保存在本地 work/ 目录下。
数据所有权：从厂商云到你自己的机器，git init 就是你的备份。
对品牌方尤其是企业客户来说，这意味着无需担心数据泄露、服务商跑路或被要挟涨价。代码透明、逻辑透明、评分方法透明。
中文市场深度优化
大多数 GEO 工具只关注 Google、ChatGPT 等西方引擎，GeoLook 从一开始就将中文市场放在核心位置。
支持的国内 AI 引擎：GLM（智谱）、豆包（字节）、DeepSeek、Kimi（月之暗面）、MiniMax、Nano（网易）、百度 AI。
渠道地图（Channel Map）基于真实引用语料数据加权，覆盖 19 个渠道，包括百度百科、排名类站点、微信公众号、今日头条、知乎、B 站、小红书、垂直媒体等。
实证数据显示，品牌自有网站在中文 AI 引用中仅占 1.37%。真正被 AI 引用的，是百科、排名站点、微信公众号等外部渠道。GeoLook 的渠道地图正是基于这一发现设计的。
实证驱动的评分基准
GeoLook 的评分系统基于公开实证数据，而非主观设定：
- 高影响力页面平均 1943 字，低分页面仅 170 字（差距 11.4 倍）
- 数字内容引用概率提升 61.6%，定义类内容提升 57.3%，对比类提升 55.3%
- 纯 Q&A 格式反而降低 5.7% 的引用概率
- 主题相关性是最强预测因子（r = 0.432），甚至超过权威性
这些数据基于 602 个提示词、21,143 次引用、187,818 条去重中文引用的实证研究，方法论文档完整公开在项目 references/ 目录下。
快速上手
安装与启动
git clone https://github.com/aigclink/geolook.git
cd geolook
pip3 install requests beautifulsoup4 lxml启动仪表板：
python3 scripts/geo.py ui
# 浏览器自动打开 http://127.0.0.1:8765（可选）在 Settings → Engines & Keys 中配置 API Key，或直接编辑 .env 文件：
cp .env.example .env
# 编辑 .env 填入 API Key零 Key 也能用：配置 API Key 仅用于启用自动采样。不配置时可使用手动采样流程，爬取、审计、工单和资产生成都不需要任何 Key。
两种使用模式
模式 A：全自动化（10-30 分钟）
python3 scripts/geo.py new --url https://example.com --market both--market 参数可选 cn（中文市场）、global（全球市场）或 both（两者兼顾）。一条命令自动执行 9 个步骤，结果存放在 work/delivery/ 目录下。
模式 B：仪表板逐步操作（推荐首次使用）
- 入职：运行
python3 scripts/geo.py ui，按向导填写 URL 和市场 - 回顾基础（约 10 分钟）：检查品牌事实库和题库
- 状态分析：查看总体评分，钻取每个引擎的详细表现
- 诊断：站点审计→差距诊断→渠道地图
- 执行：按优先级处理工单，使用内容工作台撰写和分发内容
- 验证：开启自动验证，下一轮采样后检查 Before/After 对比
- 运维：设置定期重复运行（7/14/30 天），生成月度报告
远程部署
GeoLook 默认绑定 127.0.0.1（无内置认证）。远程访问可通过 SSH 隧道：
ssh -N -L 8765:127.0.0.1:8765 user@your-server
# 本地浏览器打开 http://127.0.0.1:8765多用户场景建议在前方加一层带认证的反向代理。
写在最后
GeoLook 并非完美——暂不支持团队协作，多语言界面深度定制有限，采样频率受 API 预算限制。但作为一个开源项目，它已走在许多商业产品前面。
它证明了一件事：GEO 不需要是黑箱 SaaS，它可以是透明、可审计、可交付的开源工作流。
项目地址：github.com/aigclink/geolook