📦 GEO Analysis Doubao — GEO 分析 Doubao

analyze-geo-performance-doubao 是一个用于分析品牌或产品在豆包大模型（Doubao / 火山方舟）中 GEO（生成式引擎优化）表现的分析技能。

功能概述 本 Skill 通过两阶段 LLM 调用流程，自动化检测目标品牌在豆包推荐场景中的曝光情况： 探针阶段（Probing）：向豆包模型提出客观、自然的行业咨询问题（不暗示目标品牌），捕获模型的原始自由推荐文本。支持重复多轮探测（probing_count），降低单次偶然性。 裁判阶段（Judge）：将多轮探测结果汇总后发给豆包，要求模型严格输出结构化 JSON，包含：品牌是否被提及、情感倾向、提及上下文、竞品列表、排名位置，以及 0-100 的 GEO 综合评分。

输入参数 参数 | 类型 | 必填 | 默认值 | 说明 ---|---|---|---|--- brand_name | string | ✅ | — | 目标品牌或产品名，如 CoolTrade、PowerMatrix、OpenClaw category_keyword | string | ✅ | — | 行业或痛点关键词，如 AI交易终端、数字货币高频套利系统、企业AI降本增效方案 region | string | ❌ | China | 地区语境，让模型按地区回答，如 China、Southeast Asia language | string | ❌ | zh-CN | 回答语言，如 zh-CN、en-US model | string | ❌ | 火山方舟主力模型 | 可指定豆包模型 ID，如 doubao-pro-32k、doubao-seed-2-0-pro-260215 probing_count | integer | ❌ | 3 | 重复探测次数（1-5），多轮降低偶然性

输出格式（JSON Schema）

{
  "brand_name": "CoolTrade",
  "category_keyword": "数字货币高频套利系统",
  "model_provider": "doubao",
  "mentioned": true,
  "mention_count": 2,
  "sentiment": "positive",
  "context": "CoolTrade 是一款专注于数字资产高频量化交易的专业平台，支持多交易所接入...",
  "ranking_position": 2,
  "competitors_mentioned": ["竞品A", "竞品B"],
  "geo_score": 78,
  "summary": "该品牌在豆包中的 GEO 表现良好，被明确推荐且排名靠前，情感倾向正面。",
  "raw_probe_outputs": [
    "第一轮探针原始回答",
    "第二轮探针原始回答",
    "第三轮探针原始回答"
  ]
}

字段 | 类型 | 说明 ---|---|--- brand_name | string | 目标品牌名 category_keyword | string | 行业关键词 model_provider | string | 固定为 doubao mentioned | boolean | 目标品牌是否在豆包推荐中被提及 mention_count | integer | 在多轮探测中被提及的次数 sentiment | string | 情感倾向：positive / neutral / negative / none context | string | null | 提及品牌时的上下文句子，未提及则为 null ranking_position | integer | null | 被提及时在推荐列表中的位置（1为最高），未提及则为 null competitors_mentioned | array | 豆包同时推荐的竞品品牌列表 geo_score | integer | GEO 综合评分 0-100（见评分规则） summary | string | 豆包 GEO 表现的简要文字说明 raw_probe_outputs | array | 多轮探针阶段的原始回答列表

GEO 评分规则 评分范围 | 含义 ---|--- 0 - 30 | 未被豆包提及 31 - 50 | 被提及但描述很弱、语焉不详 51 - 70 | 被自然提及，语气中性或正面 71 - 85 | 被明确推荐，排名靠前 86 - 100 | 被多次推荐、排名靠前、描述准确且正面

使用前提 配置豆包 / 火山方舟 API Key：

export VOLCANO_ENGINE_API_KEY="your_volcengine_ark_api_key_here"

可选：指定模型和接入点（如不配置，程序将使用内置默认值）：

export DOUBAO_MODEL="doubao-pro-32k"
export DOUBAO_BASE_URL="https://ark.cn-beijing.volces.com/api/v3"

注意：不同火山方舟账号的模型 ID 或 Endpoint ID 可能不同，请以控制台开通的服务为准。

安装依赖

pip install -r requirements.txt

本地命令行测试

python3 main.py --brand "CoolTrade" --category "AI交易终端"

完整参数示例：

python3 main.py \
  --brand "CoolTrade" \
  --category "数字货币高频套利系统" \
  --region "China" \
  --language "zh-CN" \
  --probing-count 3

在 Agent 中调用 当用户提出以下类型的请求时，触发本技能： "帮我测试 [品牌名] 在豆包中的 GEO 表现" "分析 [品牌名] 在 [行业] 领域的豆包可见度" "豆包会推荐 [品牌名] 吗？" "检查 [品牌名] 有没有被豆包提到" "帮我看看豆包回答 [行业问题] 时会不会提到我们"

执行步骤： 从用户输入中提取 brand_name 和 category_keyword（必填）。 可选提取 region、language、probing_count。 调用 main.py 执行两阶段分析。 将返回的 JSON 结果用自然语言向用户说明：品牌是否被推荐、GEO 评分、情感倾向、竞品格局、优化建议。

安全声明 ✅ API Key 通过环境变量注入，代码中无任何硬编码凭据 ✅ 所有外部 API 调用均限定为火山方舟 / 豆包模型调用接口 ✅ 无文件写入、无系统级权限要求 ✅ 无数据持久化，分析结果仅在当前会话中返回 ✅ 不上传用户隐私数据，仅发送品牌名、行业关键词和模型探针回答文本

局限性 单次测试结果受豆包模型随机性影响，不能代表所有用户看到的答案 建议进行多轮（probing_count=5）、多关键词、多地区测试以获得更稳定结论 豆包模型的训练数据和推荐偏好可能随版本更新而变化 GEO 评分由豆包自身判断输出，存在一定主观性

与 DeepSeek 版的主要差异 项目 | DeepSeek 版 | 豆包版 ---|---|--- Skill 名称 | analyze-geo-performance | analyze-geo-performance-doubao API Key | DEEPSEEK_API_KEY | VOLCANO_ENGINE_API_KEY 调用对象 | DeepSeek API | 豆包 / 火山方舟 API 输出字段 | mentioned / sentiment / context / competitors | 新增 mention_count / ranking_position / geo_score / summary / raw_probe_outputs 多轮探测 | ❌ | ✅ probing_count 参数 | — | ✅ 适合优化渠道 | DeepSeek 生态 | 豆包、字节系内容生态、中文问答场景