AI 认识你的公司，不等于会推荐你：我们开源了 GEO Probe
在我们公司的 GEO 工作流和产品里，有一部分是反复要做的：选一组用户可能会问的问题，监测回答，调整内容，再继续监测。
听起来不复杂，真做起来，光是“监测”这一步就挺磨人。
打开 AI，问一句，看看有没有自己的品牌，再看看提到了谁。换个问题重来，隔几天还得再问一遍。回答一多，光靠截图和记忆，实在不好比较。这当然可以使用一些自动化工具，比如浏览器自动化或者APP自动化的方式，不过这种方式无法扩大，而且很废号。
所以这次，我把公司工作流和产品里的这部分检测能力抽离出来，整理成一个可以独立使用、独立部署的工具，叫 GEO Probe，现在已经开源。欢迎star，欢迎反馈问题，更加欢迎贡献代码。
它干的事很直接：批量向 AI（当前仅支持DeepSeek） 提问，把品牌提及、竞品提及和检索来源记录下来。
不是把整套公司产品搬出来，而是先把这部分拿出来分享：不负责“让 AI 推荐你”，先负责弄清楚它现在到底有没有提到你。
先拿自己的品牌测一下
工具有没有用，先拿自己的品牌试试。
演示站里放了一份元构场的真实探测快照。这里看的是 2026 年 10 月 25 日的“示例批次 B”：用 deepseek-v4-flash 跑了 5 个问题，每题重复 3 次，15 次全部成功。
结果有点意思：
- 整体品牌提及率：40%，也就是 6/15 次。
- 两条通用问题：0%，也就是 0/6 次。
- 一条品牌问题：100%，也就是 3/3 次。
- 一条产品问题：100%，也就是 3/3 次。
- 官网域名进入检索来源：0/15 次。
这其实也不是太奇怪，因为我们成立的时间太短，并且由于各种原因没有办法全部时间投入到这个GEO产品，所以结果很"感人", AI: 凡人，接收冷启动的宿命吧，哈哈哈
值得注意的是，这里虽然提及率和首位提及率比较高是因为问题中包含了我们公司的产品名和公司名，所以自然会被AI提及，这说明AI已经知道我们公司，但是由于资历比较新，所以还没建立足够的权威性，因此在通用问题上才是0%。
仪表盘局部裁剪排版：按问题类型拆开看，比只看整体百分比更有用。
比如，问“元构场提供哪些 GEO 服务？”，回答会出现元构场；问“推荐几家深圳做 GEO 生成式引擎优化的公司”，这次重复的 3 个回答里都没出现。
这就有反差了：知道一个品牌，不等于在用户没点名时也会推荐它。
当然，品牌问题本身就带着名字，100% 不是多厉害的成绩。整体 40% 也只是这组问题的结果，不是行业曝光率，更不是优化效果。
我反而觉得，这种“不好看”的基线值得留下来。否则只问“我们公司怎么样”，很容易得到一个让自己满意、却回答不了实际业务问题的数字。
不只数名字，还把来源留下来
抽离出来的这部分检测能力，主要回答三个问题。
第一，有没有提到我？
配置公司全称、简称、产品名和英文名等别名，工具会自动匹配回答，统计提及率。点开单次探测，还能看到命中的名字和上下文，不用只相信一个百分比。
第二，还提到了谁？
把竞品放进同一项目，可以比较提及情况和声量份额；对于能解析的推荐列表，还可以查看榜单位次。
这里的声量是这组回答中的提及占比，不是市场份额；榜单位次也不是搜索排名。自动解析只是帮忙整理，最终还得看原回答。
第三，搜索返回了哪些网页？
除了回答，工具会记录搜索词、来源 URL 和位次，再按域名、渠道和归属汇总。你可以看来源主要落在哪些平台，也可以看自己的官网有没有出现。
来源分析局部：下方搜索词是模型搜索时使用的词，不一定等于我们输入的问题。
这里特别容易混淆，所以我把三件事分开了：
- 品牌提及：回答里出现了你的名字。
- 检索来源：搜索工具返回了这个网页。
- 回答链接：最终回答明确写出了这个网址。
搜到一个网页，不代表每句话都引用了它；提到一个品牌，也不代表用了它的官网。
单次探测局部：提及上下文和检索来源分别展示，来源不代表逐句引用。
所以，前面官网的 0%，准确说是：这批检索来源没有出现我们配置的官网域名。 不能直接推导成“官网没被收录”或者“AI 看不到官网内容”。
它提供的是值得检查的线索，不是替你完成了原因诊断。
怎么跑一轮自己的探测
不想先折腾部署，可以直接打开在线演示：
https://geo-probe.youerning.top/
示例数据不需要 API Key，先看看界面和结果长什么样，再决定要不要测自己的品牌。
如果需要使用这个平台，就需要自己在DeepSeek平台创建API KEY，参考: api-docs.deepseek.com/zh-cn
真正开始也没几步：
- 创建项目，填品牌、别名、官网域名和竞品。
- 添加一组真实用户可能问的问题。
- 在设置里填自己的 DeepSeek API Key。
- 选择问题，运行探测，查看回答和来源，按需导出。
建议先准备 10–20 条问题，覆盖通用、品牌、产品和行业场景，不要全写成“某某公司怎么样”。演示里的 5 条只是一个小样本，不是标准题库。
比如做家居建材，可以从“装修怎么选材料”“这个品类有哪些品牌”“某个产品适合什么场景”出发。题目应该来自客户的疑问，而不是为了让自己的名字出现，专门设计一组送分题。
如果发现某类问题一直没有提及，再点开回答和来源，看看信息缺在哪里，决定下一步检查什么。工具省下的是重复整理的时间，不是替你做业务判断。
默认每题重复 3 次、并发 2，运行前会显示预计次数、费用和耗时。为什么重复？因为同一个问题，AI 的回答和搜索来源都可能变。
后续改完内容再测，可以对比历史批次，但尽量保持问题、模型和别名配置一致。别把换了一套题得到的高分，当成优化进步。
开源，也可以放到自己的机器上
GEO Probe 用 MIT 许可证开源，可以自己部署，也欢迎改代码。
有 Docker 的话，一条命令就能启动：
docker run -d --name geo-probe -p 8080:80 --restart unless-stopped youerning/geo-probe:latest
打开 http://localhost:8080 即可。这个镜像就是 nginx 加静态文件，没有应用后端，也不用配置数据库。公网部署建议使用 HTTPS。
项目、提示词、回答和来源存在浏览器的 IndexedDB 里；Key 可以保存在当前会话或本地浏览器，不包含在导出数据中。换浏览器、换设备或者清理站点数据，记录可能就没了，重要结果记得导出。
不过，本地存储不等于不联网。真实探测会把问题发送给 DeepSeek；配置代理后，请求还会经过代理。敏感业务信息先想清楚再提交。
项目没有遥测和第三方统计脚本，开源工具本身免费，但真实探测的 API 调用要按服务商账单付费。
调用大概要花多少钱？ 放一张 DeepSeek 的调用消费截图，给大家一个参考。
这张截图所选统计范围内，87 次 API 请求共消费 2.06 元，仅供参考。它不是前面示例批次 B 的 15 次探测账单，也不是固定单次成本；实际费用随模型、输入输出长度、搜索调用和重复次数变化，以自己的账单为准。
能做什么，不能做什么，也说清楚
目前只支持 DeepSeek API，不是 DeepSeek 官方产品，也不能代表 DeepSeek App、豆包或元宝里的实际回答。
品牌匹配基于配置的别名，歧义名字可能误判；回答提到了你，也不一定是在推荐你，更不保证描述正确。重要结果要点开核对。
它不会自动优化内容，也没有自动定时监测。重复 3 次是观察波动，不是保证结论稳定。
现在我更希望它把一件事做好：把问题、回答和来源留下来，让下一次讨论有依据。
总结：先测清楚，再谈优化
GEO 不必一上来就讨论各种“秘诀”。先问清楚用户会问什么，再看看 AI 怎么回答，至少能知道问题大概在哪里。
这就是我把公司工作流和产品中的检测部分抽离出来开源的想法：把我们需要的这部分能力，变成大家也能独立使用的工具。少一点手动抄答案，多一点能回头核对的记录。
项目和反馈入口放这里：
- 在线体验：https://geo-probe.youerning.top/
- GitHub：https://github.com/youerning/geo-probe
- 提问题或建议：https://github.com/youerning/geo-probe/issues
欢迎拿自己的品牌试一轮。有用就点个 Star，遇到问题提 Issue，也欢迎 PR。
GEO Probe 由深圳市元构场智能科技有限公司开源。
公司官网：https://www.yuangouchang.com/
