Goodie AI-GEO洞察平台，一个开源的 GEO 生成式搜索监测系统

Goodie AI-这是一个面向 GEO（Generative Engine Optimization，生成式引擎优化） 场景的
开源项目，用于探索品牌、产品或关键词在 AI 生成式搜索结果中的可见度监测。

项目地址：

https://github.com/lorin-code/ai-geo-monitoring

随着 AI 搜索和 AI 问答工具的普及，用户获取信息的方式正在发生变化。越来越多用户
不再只通过传统搜索引擎查找结果，而是直接向 AI 平台提问，并根据 AI 生成的回答做出判断。

在这种场景下，一个新的问题开始变得重要：

当用户向 AI 提问时，某个品牌是否会出现在回答中？AI 又是如何描述它的？

这个开源项目正是围绕这个问题构建的。

项目背景

过去，品牌通常通过搜索引擎排名、关键词覆盖和网页流量来判断自己在搜索场景中的表现。

但在生成式搜索场景中，用户看到的往往不是一组网页链接，而是一段由 AI 生成的回答。

例如，用户可能会问：

• “有哪些适合中小企业的营销工具？”
• “某个行业有哪些值得关注的品牌？”
• “某类产品有哪些推荐？”
• “某个品牌怎么样？”

在这些回答中，品牌是否被提及、出现的位置、上下文描述是否准确、是否被竞品替代，都会影响用户认知。

因此，GEO 监测的重点不再只是“网页排第几”，而是“AI 在回答问题时是否提到了某个品牌，以及如何描述它”。

项目是什么

该项目是一个开源的 GEO 生成式搜索监测系统。

它支持创建品牌检测任务，通过预设问题在多个 AI 平台中进行检测，并记录每次检测的结果。

系统关注的核心信息包括：

• 品牌是否在 AI 回答中被提及
• 设定关键词是否被命中
• 不同 AI 平台返回了哪些回答内容
• 每次检测结果如何归档
• 历史检测数据如何持续追踪
• 定时检测任务是否按计划执行

简单来说，它提供了一套基础能力，用于观察品牌在 AI 回答中的可见度。

当前功能

目前系统已经包含以下能力：

• 用户登录与权限管理
• 品牌检测任务创建
• 多 AI 平台检测
• 品牌提及识别
• 关键词命中分析
• AI 回答内容归档
• 历史检测记录
• 定时检测任务
• 会员额度管理
• 后台管理
• SQLite 数据库自动初始化
• 前后端统一启动

当前支持的 AI 平台包括：

• 豆包
• DeepSeek
• Kimi
• 通义千问
• 腾讯元宝

后续可以根据需要继续扩展更多平台和分析维度。

技术栈

项目采用常见的前后端分离结构，并提供统一启动方式，方便本地开发和二次开发。

• 前端：Next.js、React、Ant Design
• 后端：Node.js、Express、Sequelize
• 数据库：SQLite
• 启动方式：前后端统一启动

克隆项目后，配置环境变量并安装依赖，即可在本地运行。

开源意义

GEO 仍然是一个比较新的方向，目前行业内还没有完全统一的方法和标准。

这个项目希望提供一个可运行、可扩展的基础系统，让开发者、SEO/AEO 从业者、品牌团
队或研究人员可以围绕 AI 搜索可见度进行更多实验和探索。

它可以作为：

• GEO 方向的学习项目
• AI 搜索监测系统的原型
• 品牌 AI 曝光分析工具的基础版本
• Next.js + Express + SQLite 全栈项目参考
• 后续商业化或内部工具开发的起点

适合人群

该项目适合以下人群关注或使用：

• 对 GEO 感兴趣的开发者
• 正在研究 AI 搜索变化的 SEO / AEO 从业者
• 关注品牌在 AI 回答中曝光情况的团队
• 希望搭建 AI 搜索监测工具的产品或技术团队
• 想学习全栈项目结构和后台管理系统实现的人
• 对多 AI 平台结果采集和分析感兴趣的研究者

可扩展方向

项目后续可以继续扩展：

• 支持更多 AI 平台
• 增加竞品提及分析
• 优化品牌提及识别逻辑
• 增加趋势图和统计报表
• 支持团队空间与多项目管理
• 支持检测结果导出
• 增加报告生成能力
• 支持 MySQL / PostgreSQL
• 支持 Docker 部署
• 完善测试和 API 文档

项目地址

GitHub：

https://github.com/lorin-code/ai-geo-monitoring

欢迎 Star、Issue 和 PR。

结语

AI 搜索正在改变用户发现信息和理解品牌的方式。

在传统搜索之外，品牌也需要关注自己是否出现在 AI 生成的回答中，以及 AI 如何描述
它。

GEO 仍处在早期阶段，但它可能会成为 SEO、AEO 之后一个值得持续关注的新方向。

这个项目提供了一个开源起点，帮助更多人理解、实验和扩展生成式搜索监测能力。