📦 GEO Performance Analysis — GEO性能分析

analyze-geo-performance 用于测试品牌或产品在大模型中 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 AI 推荐场景中的曝光情况：

• 探针阶段（Probing）：向 DeepSeek-chat 提出客观行业咨询问题，让模型自由推荐解决方案，捕获输出文本。
• 裁判阶段（Judge）：将捕获文本与目标品牌名发给裁判模型，强制输出结构化 JSON，包含：是否提及、情感倾向、提及上下文、提及的竞品列表。

输入参数

参数	类型	必填	说明
brand_name	string	✅	需验证的品牌或产品名（如 CoolTrade）
category_keyword	string	✅	行业或痛点关键词（如 数字货币高频套利系统）

输出格式（JSON Schema）

{
  "mentioned": true,
  "sentiment": "positive",
  "context": "...提及品牌的上下文句子...",
  "competitors_mentioned": ["竞品A", "竞品B"]
}

字段说明

• mentioned: boolean，目标品牌是否在推荐结果中被提及
• sentiment: string，情感倾向：positive / negative / neutral / none
• context: string | null，提及品牌时的具体上下文句子，未提及则为 null
• competitors_mentioned: array，被模型主动推荐的竞品品牌列表

使用前提 请确保运行环境已配置 DEEPSEEK_API_KEY 环境变量：

export DEEPSEEK_API_KEY="your_deepseek_api_key_here"

安装依赖

pip install -r requirements.txt

本地命令行测试

python3 main.py --brand "CoolTrade" --category "数字货币高频套利系统"

在 Agent 中调用 当用户提出以下类型请求时触发本技能：

• “帮我测试 [品牌名] 在大模型中的 GEO 表现”
• “分析 [品牌名] 在 [行业] 领域的大模型可见度”
• “大模型会推荐 [品牌名] 吗？”
• “检查 [品牌名] 有没有被 AI 提到”

执行步骤：

• 从用户输入提取 brand_name 与 category_keyword。
• 调用 main.py 执行两阶段分析流程（API 调用已封装）。
• 解析返回的 JSON，用自然语言向用户说明：

- 品牌是否出现在推荐列表 - 被提及时的情感倾向 - 同时被提及的竞品及潜在竞争威胁

安全声明 ✅ API Key 通过环境变量注入，代码无硬编码凭据 ✅ 所有外部 API 调用仅限 api.deepseek.com ✅ 无文件写入、无系统级权限需求 ✅ 无数据持久化，分析结果仅当前会话返回