niubigeo

这是什么？适合谁？

NiubiGEO（Albert-Weasker/niubigeo）是一个开源的生成式引擎优化（GEO，Generative Engine Optimization）审计工具。越来越多的用户开始直接向 AI 提问而不是逐页翻搜索结果——「这个品类有什么工具？」「X 的替代品有哪些？」「我该选哪个？」。你的网站可能早已被搜索引擎收录，但 AI 仍然可能：完全没提你的品牌、误解你的定位、只记住产品的一部分、优先推荐竞品、或引用第三方页面却忽略你的官网。

NiubiGEO 不把这些问题藏在一个难懂的分数背后，而是把问题、AI 答案、竞品、引用来源全部摊开给你看。输入一个域名，它就能回答几个最实际的业务问题：AI 是否认识你的品牌？AI 如何描述你？哪些是确认的竞品？哪些高价值问题里漏掉了你？哪些来源在塑造答案？

核心价值：让团队以低成本理解自己在 AI 答案中的可见性，并且每条结论都能逐条溯源——打开原始 AI 回答、核对引用来源，而不是相信一个黑盒评分。

适合人群：

• 做品牌增长 / SEO / 数字营销的从业者，想把「AI 搜索可见性」纳入监测
• 创始人 / 市场负责人，想验证「用户问 AI 时会不会提到我们」
• 希望自托管、用自己的 API key（BYOK）做审计的技术团队

使用前提：Docker 或 Node.js 22+，以及至少一个 LLM 供应商的 API key（OpenRouter / OpenAI / Anthropic / Gemini / Perplexity / DeepSeek 任一）。

准备工作

1. 克隆仓库：git clone https://github.com/Albert-Weasker/niubigeo.git
2. 环境：Docker Compose（推荐）或 Node.js 22+；CLI 模式只需 Node 环境
3. API key：至少配置一个供应商 key 到 .env（OPENROUTER_API_KEY、OPENAI_API_KEY、ANTHROPIC_API_KEY、GEMINI_API_KEY、PERPLEXITY_API_KEY、DEEPSEEK_API_KEY）
4. 成本：Apache-2.0 开源免费，运行成本仅为自备的 LLM API 调用费（BYOK）
5. 时间：Docker 一键起服务约 2 分钟；跑一次单域名审计约 3 分钟

快速上手（3 步）

第一步：克隆并配置

git clone https://github.com/Albert-Weasker/niubigeo.git
cd niubigeo
cp .env.example .env

编辑 .env，填入至少一个供应商 API key。

第二步：启动服务

docker compose up --build

浏览器打开 http://localhost:8787，输入要审计的域名，确认品牌、竞品与问题清单，然后运行审计。也可以用已发布的镜像：docker pull ghcr.io/albert-weasker/niubigeo:v0.1.0-alpha。

第三步：跑一次审计并读报告

在 Web 界面输入域名后确认审计项即可得到报告；也支持纯 CLI：

npm install
npm run audit -- --domain example.com --provider openrouter --models openai/gpt-4o-mini,perplexity/sonar --prompt-count 8

报告默认保存在本地 runs/ 目录。报告以可读结论为主：是否被推荐、品牌被如何描述、确认竞品、缺失问题、塑造答案的来源，完整 AI 回答默认折叠，需要时展开核对证据。

成功判定：拿到一份能回答「AI 是否推荐我们 + 谁在替代我们 + 哪些来源在起作用」的可溯源报告。

初级用法

单域名审计

Web 界面输入域名 → 确认品牌 / 竞品 / 问题 → 运行，得到基线可见性报告。

补充关键词与竞品

npm run audit -- --domain example.com --keywords "品类词,购买意图词" --competitors rival.com,other.com

显式指定关键词与竞品，让审计覆盖更有针对性的问题。

自定义问题

npm run audit -- --prompts "这个品类最好的工具有哪些？|有哪些替代方案？"

用你自己的客户真实问题替换默认问题集，让结论更贴近业务。

高级玩法

多模型对比

CLI 的 --models 支持一次跑多个模型（如 openai/gpt-4o-mini,perplexity/sonar），对比不同 AI 对你品牌的一致性判断。

自托管 + 自建供应商网关

项目规划支持 OpenAI-compatible API，可接自建网关或本地模型服务，把审计完全留在自己的基础设施内。

溯源核对证据

报告里的每个结论都链回「问题 + 模型答案 + 引用来源」，可以打开原始回答逐条核对，把「AI 怎么看我们」变成可审计的事实。

小技巧

1. 先跑默认问题集拿到基线，再叠加自定义问题做深度审计
2. 用 --competitors 显式列出你已知的对手，帮助工具区分「确认竞品」和「弱相关名字」
3. 同一域名在不同模型 / 不同供应商下结论可能不同，多模型对比更可靠
4. 报告在 runs/ 目录按次保存，便于长期跟踪可见性变化
5. API key 只留在本地 .env，不要提交到 git（项目已用 .env.example 隔离）

常见踩坑

踩坑 1：起服务报错「未配置 provider key」

• 现象：审计无法开始，提示缺少供应商配置
• 原因：.env 中所有 provider key 都是空
• 解决：至少填一个 key，例如 OPENROUTER_API_KEY=sk-or-...

踩坑 2：Docker 端口被占用

• 现象：docker compose up 报端口冲突
• 原因：本地 8787 端口已被其他服务占用
• 解决：修改 compose 中的端口映射，或先停掉占用端口的进程

踩坑 3：CLI 报告为空 / 无输出

• 现象：npm run audit 后 runs/ 无新报告
• 原因：未先 npm install，或模型名写错（供应商前缀不对）
• 解决：先 npm install；核对 --models 使用该供应商支持的完整模型名

踩坑 4：结论与直觉不符

• 现象：报告显示「AI 未推荐」但你以为自己排名很好
• 原因：AI 答案与搜索引擎排名是两回事，引用来源可能偏向第三方
• 解决：打开原始回答核对引用来源，针对「缺失问题」优化官网与第三方内容

踩坑 5：项目仍处 ALPHA

• 现象：某些功能不稳定或字段名变动
• 原因：当前版本 v0.1.0 标注 ALPHA
• 解决：以仓库 README 与 Releases 为准，升级前看 changelog

常见问题 FAQ

Q: NiubiGEO 是做什么的？

A: 输入域名，审计 AI（ChatGPT/Gemini/Perplexity 等）是否推荐你的产品、推荐了哪些竞品、哪些来源塑造了答案，即生成式引擎优化（GEO）审计。

Q: 免费吗？

A: Apache-2.0 开源免费、可自托管；运行成本只是你自己 API key 的调用费（BYOK）。

Q: 支持哪些 AI 供应商？

A: OpenRouter、OpenAI、Anthropic、Google Gemini、Perplexity、DeepSeek，OpenAI-compatible 网关为规划中。

Q: 需要会编程吗？

A: Docker 方式基本零代码；CLI 模式需要 Node.js 环境和一点命令行经验。

Q: 和商业 AI 可见性工具的区别？

A: 商业 SaaS（如 Profound、Otterly）按月订阅、托管在云端；NiubiGEO 开源自托管 + BYOK，每个结论都能打开原始答案溯源。

进阶学习建议

掌握基础审计后，建议深入：

1. 研究 GEO 的核心机制：AI 如何选择引用来源（官网 vs 第三方评测 vs 社区内容），对应地优化品牌在权威第三方站点上的曝光
2. 对比 Profound、Otterly 等商业 GEO 监控工具的指标口径，理解「AI 可见性」在不同工具里如何量化
3. 建立「问题集 → 多模型审计 → 竞品对比 → 内容补齐」的持续监测流水线，把 GEO 纳入每周品牌健康检查

参考链接

• 官方仓库
• 简体中文 README
• Releases
• Docker 镜像（GHCR）

最后更新：2026-09-04 · 作者：MagicNetWorld · 基于公开资料整理，关键数据经 GitHub API 独立实测核验，AI 辅助生成