在推荐回答中经常出现,但引用并不稳定。
产品会出现在部分泛品类推荐里,不同平台展示的可见来源并不一致。
开源 GEO 检测
Aloom 从豆包、DeepSeek、元宝和千问的官方 Web 界面采集回答与可见来源, 使用固定版本的提示套件生成可比较报告,不用模型 API 输出代替监测样本。
平台登录会话和浏览器配置保留在采集设备上,不会上传浏览器配置文件。
这个例子只展示报告的基本结构,数据经过模糊化处理, 不代表任何真实品牌。
检测结果反映指定时间、平台、提示词和模式下观察到的 AI 可见度,不代表所有用户场景,也不保证未来持续可见。
产品会出现在部分泛品类推荐里,不同平台展示的可见来源并不一致。
更具体的定位、差异和对比信息,在抽样回答中出现得相对较少。
当定位、能力边界和对比信息表达清楚时,公开产品事实更容易被验证。
每个正式检测序列都会冻结提示词、平台模式、采样深度和检查点, 让 AI 回答变化之后的结果仍然可以比较。
扫描产品官网,再确认品牌、品类、产品、受众、地区和竞品。
在所选平台和模式中运行版本化提示词。每条基线提示词都会开启全新的官方 Web 会话。
按平台查看完成率、提及率、推荐、排名、情感、来源、竞争、事实准确性和稳定性。
措辞、排序、模式和可见引用都可能不同。Aloom 直接观察官方界面, 而不是用模型 API 输出代替监测样本。
Aloom Core 以 Apache-2.0 开源。需要安装、私有部署、平台适配或定期报告解读时, 可以通过邮件按项目沟通。
报告能回答什么
按平台、提示词和模式查看提及、推荐、排名、情感与可见来源,并回到原始回答核对具体语境。
同一检测序列固定提示词版本、平台、模式、语言和采样定义。多周期报告显示 Comparable trend,并可查看每个周期的详细指标。
失败、阻断和未执行的检查点仍保留在报告分母中。完成率与可见度分开显示,避免遗漏样本让结果显得更好。
它汇总可见度、证据、事实准确性、竞争、稳定性和治理六个测量层。分数用于同一方法下的比较,不代表因果效果或可见度保证。
按 GitHub 指南自托管 Aloom,或联系首次检测与部署支持,把第一份报告作为后续多周期比较的基线。