optifeed-radar

Optifeed Radar

开源 AI 可见度检查工具。现已登陆 npm，可通过 npx optifeed-radar 运行。

买家向 AI 提问时，你的品牌会被推荐吗？Optifeed Radar 会检查 ChatGPT、Perplexity、Gemini 和 Claude 背后的模型是否真的会推荐你，并告诉你相较于竞争对手的排名。它在本地运行，使用你自己的 API 密钥，且没有由 Optifeed 托管的后端。

它同时面向两类 AI Agent：既能衡量 AI Agent 如何看待和推荐你，也能由 你自己的 AI Agent 运行（CLI、JSON 和 MCP 服务）。这也被称为 AI 可见度、生成式引擎优化（GEO）、答案引擎优化（AEO）或 AI-SEO。

60 秒快速设置

无需安装，npx 会获取并运行它。不需要 API 密钥，也不会调用 AI，零密钥的 audit 命令即可端到端运行：

npx optifeed-radar audit yourbrand.com

它会检查 AI 爬虫访问权限（robots.txt）、llms.txt、schema.org 结构化数据、元数据基础项和网站地图，然后输出 0 到 100 的 AI 就绪度评分。

设置至少一个引擎 API 密钥后，即可运行 check 流程。将密钥放入运行命令所在目录的 .env 文件中，或导出密钥：

echo "OPENAI_API_KEY=sk-..." > .env      # any one engine key gets you started
npx optifeed-radar check yourbrand.com

CLI 会从运行命令所在的目录加载 .env，因此无需进行 Shell 设置。也可以导出密钥（export OPENAI_API_KEY=...），且导出的密钥始终优先于 .env 中的同名密钥。config 会显示找到了哪些密钥及其来源文件，但不会显示密钥值。

它会发现你的品牌，生成一组买家提示词，向各引擎提问，并将推荐情况、排名和声量份额汇总为一个 AI 可见度评分。评分只依据无品牌的买家问题（即 AI 是否在未受提示的情况下提及你）；包含品牌名称的问题会单独作为声誉情况报告。四个引擎均已通过其生产 API 完成实时验证（2026-07-20）。

如果你从克隆的仓库开始操作，可运行 npx tsx src/cli/index.ts <command>，让标志原样传递给 CLI；也可以在参数前加上 --，使用 npm run dev 脚本（npm run dev -- check yourbrand.com --report out.html）。

安装 Agent Skill

Radar 还提供开放的 Agent Skill，可用于 Codex、Claude Code、Cursor 和其他兼容的 AI Agent。直接从此仓库安装：

npx skills add optifeed/optifeed-radar --skill optifeed-radar

添加 -g 可让它在你的所有项目中使用。然后可以这样提问：

使用 $optifeed-radar 对 yourbrand.com 运行免费的 AI 就绪度审计，说明影响最大的三项发现，并且不要开始付费检查。

MCP 服务提供可执行工具。Agent Skill 则提供配套的工作方法：从零密钥审计开始，在进行付费引擎调用前确认范围和成本，设置上限，并在报告结果时说明抽样限制。未配置 MCP 时，该 Skill 也可以驱动 CLI。

安装 Claude Code 插件

Claude 插件打包了相同的技能，并从已发布的 npm 软件包启动 Radar 的 MCP 服务。在 Claude Code 中运行：

/plugin marketplace add https://github.com/optifeed/optifeed-radar.git
/plugin install optifeed-radar@optifeed

重启 Claude Code 或运行 /reload-plugins，然后调用 /optifeed-radar:optifeed-radar，或用普通语言请 Claude 审核某个域名。需要 Node 20 或更高版本。免费审核无需提供商密钥；付费可见度检查使用 Claude Code 环境中的提供商密钥。

独立技能和 Claude 插件不会创建公开的 ChatGPT 应用。 ChatGPT 支持将在 Radar 完成打包并通过 OpenAI 的插件和 MCP 分发渠道测试后另行推出。

查看演示

从终端运行完整的可见度检查，涵盖品牌发现、买家提示词生成、实时引擎查询和评分。

观看 15 秒 CLI 演示

功能介绍

Optifeed Radar 向真实 AI 引擎提出真实买家的问题，并衡量你的品牌是否获得推荐——衡量的不是你在搜索索引中的排名，而是 AI 给买家的答案中是否提到了你。使用网络来源作为依据的引擎（会引用网络来源）会与参数化引擎（仅根据模型权重作答）分开报告，因为它们的行为方式不同。只有在实际搜索过的回答中，引擎才会被计为使用了网络来源。请求模型使用基于网络来源的模式只是一个请求，模型可能会拒绝，因此报告会指出某个引擎是否只在部分回答中进行了搜索。METHODOLOGY.md 中介绍了计算公式。

问题会与你销售的商品相匹配。如果你生产自己的产品，系统会询问买家应该买什么，并将你与竞争对手的制造商进行比较。如果你是销售其他公司产品的商店，系统会询问买家应该去哪里购买，并将你与竞争商店进行比较——产品相关问题的答案会提到制造商，因此用这类问题给商店评分会得到一个毫无意义的零分。工具会根据你的网站判断业务类型，并将其保存为 profile.json 中的 businessType；如果判断有误，可以编辑该字段。

再深入一层，shopping 会对你指定的单个产品进行同样的检查（测试版）。每个产品都会获得独立的 0–100 可见度评分，报告顺序则取决于引擎的结果：引擎回答过相关问题、但从未推荐的产品排在最前面，因为这是最值得关注的发现；其余产品按可见度排序；最后列出本次运行完全无法衡量的产品。产品列表顺序不代表排名，仅在评分相同时用于打破平局。每个产品都会接受两轮检查——一轮是不会点名该产品的品类购买问题，另一轮是会点名该产品的问题；如果产品未出现，报告会先列出引擎转而提到的竞争产品，这比单纯的零分更有参考价值。由于每个产品都有自己的问题，这些评分反映的是每个产品在自身货架上的胜出程度，而不是一个产品胜过另一个产品。产品由你指定；系统不会导入或抓取产品。

在 AI Agent 中使用（MCP）

optifeed-mcp 服务会向 AI Agent 提供相同的功能。它通过 stdio 运行，npx 会按需获取它，无需克隆或构建。

Claude Desktop（claude_desktop_config.json）。最快的打开方式是依次点击 Settings -> Developer -> Edit Config；如果文件尚不存在，系统会创建该文件。文件在磁盘上的位置为：

• macOS：~/Library/Application Support/Claude/claude_desktop_config.json
• Windows：%APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "optifeed-radar": {
      "command": "npx",
      "args": ["-y", "--package=optifeed-radar", "optifeed-mcp"],
      "env": {
        "OPENAI_API_KEY": "sk-..."
      }
    }
  }
}

Claude Desktop 会在启动时读取该文件，因此编辑后请退出并重新打开应用。

Claude Code（项目中的 .mcp.json）：

{
  "mcpServers": {
    "optifeed-radar": {
      "command": "npx",
      "args": ["-y", "--package=optifeed-radar", "optifeed-mcp"]
    }
  }
}

Cursor（.cursor/mcp.json）和 Windsurf（mcp_config.json）使用相同的结构：

{
  "mcpServers": {
    "optifeed-radar": {
      "command": "npx",
      "args": ["-y", "--package=optifeed-radar", "optifeed-mcp"]
    }
  }
}

如果你是在克隆的项目中操作？请先构建（npm install && npm run build），然后使用 node 指向构建后的入口点来运行服务，并将 /path/to/optifeed-radar 替换为你的克隆路径：

{
  "mcpServers": {
    "optifeed-radar": {
      "command": "node",
      "args": ["/path/to/optifeed-radar/dist/mcp/index.js"]
    }
  }
}

示例提示词

连接成功后，用自然语言向 AI Agent 提问。这些示例对应五种工具及其接受的参数：

• “为 yourbrand.com 执行免费的 AI 准备度审计。” -> audit_store，无需密钥，也不收费。
• “yourbrand.com 应该针对哪些买家问题提升可见度？” -> generate_buyer_queries，你可以在付费运行前先审核问题集。
• “检查 yourbrand.com 的 AI 可见度，使用快速模式，费用上限设为 20 美分。” -> 使用 quick 和 max_cost 调用 check_visibility。
• “只在 OpenAI 和 Perplexity 上检查 yourbrand.com。” -> 使用 engines 调用 check_visibility。
• “按以下顺序检查 AI 是否推荐我的产品：Aria 2、Presto X、Brew Mini。网站是 yourbrand.com。” -> shopping_check。输入顺序不是排名；只有产品得分相同时，顺序才用于打破平局。
• “在 yourbrand.com 上检查 Aria 2（安静的家用意式咖啡机）和 Presto X（快速双锅炉咖啡机）。费用上限设为 1 美元。” -> 使用每个产品的描述和 max_cost 调用 shopping_check。说明每个产品是什么，才能避免模型名称含义不明带来的问题；否则，问题会根据商店类别猜测。
• “yourbrand.com 上次可见度运行后有什么变化？” -> get_snapshot_diff，免费；需要先保存两次运行结果才能进行比较。

建议从审计提示词开始：它无需密钥，因此可以先确认服务已正确连接，再进行任何会消耗 API 额度的操作。check_visibility 以非交互方式运行（通过 MCP 不会出现确认提示），因此 max_cost 上限用于限制 AI Agent 发起的运行费用；默认值为 $0.50。 shopping_check 的规模更大，因此其默认上限会根据列表长度按每个产品 $0.20 计算。

工具与费用

界面	名称	功能	费用
CLI	audit	无需密钥的 AI 就绪度检查（robots、llms.txt、schema、sitemap）	免费，不调用 AI
CLI	check	完整流程：买家提示词、引擎、AI 可见度评分	使用自己的密钥
CLI	shopping	检查你指定的产品：你的排名与 AI 的排名，以及竞争对手的产品栏	使用自己的密钥
CLI	diff	查看最近两次运行之间的变化	免费（读取已保存的快照）
CLI	sources	AI 引用的域名，以及你的声量份额	免费（读取已保存的快照）
CLI	queries	显示或导出你的买家提示词包	免费
CLI	config	查看已设置的引擎密钥及状态存储位置	免费
MCP	check_visibility	检查某个域名的可见度	使用自己的密钥
MCP	audit_store	运行无需密钥的就绪度审计	免费
MCP	generate_buyer_queries	生成买家提示词包	使用自己的密钥（通常低于 $0.05）
MCP	shopping_check	为你的 AI Agent 检查相同的产品	使用自己的密钥
MCP	get_snapshot_diff	比较两次已保存的运行结果	免费

费用透明：audit 不会查询任何 AI 引擎，也不产生费用。check 会消耗你自己的 API 额度。基于实际运行的测量结果（2026-07-20，--quick = 8 条买家提示词）：

运行	测得费用
audit	免费
check --quick，一个引擎	约 $0.09
check --quick，全部四个引擎	$0.41 至 $0.46
check --quick --grounded，四个引擎	$0.85 至 $1.09

费用会因引擎、提示词包大小和提供商定价而异。基于事实的运行费用约为参数化运行的 3 倍，因为网页搜索费用会在令牌费用之外另行计费：Google 按搜索查询收费，一条回答可能触发多次搜索。基于事实的费用范围来自三次实际运行：其中两次顺利完成，费用约为 $0.85；另一次受自身上限限制，花费了 $1.09，因此规划时应按范围上限估算。

shopping 的测量结果来自 2026-07-23：在 --grounded 模式下，使用全部四个引擎检查两个产品，共 32 条回答，本次运行费用为 $0.70，即每个产品约 $0.35。 这是费用较高的情况（基于事实的运行费用约为参数化运行的 3 倍），因此使用四个引擎的参数化运行费用会低得多。每个产品在每个已配置密钥的引擎上约需 4 条提示词；同一类别的产品会共用类别问题，这些问题只会提问一次，并分别为每个产品评分。 MCP 工具的默认上限为每个产品 $0.20，基于事实的运行会达到该上限，因此若要在四个引擎上进行基于事实的检查，请提高 max_cost。使用 --max-cost，并从两个或三个产品开始。

耗时测量结果如下（2026-07-22）：

运行	测得时间
首次运行 npx（安装，仅一次）	约 8 秒
audit	0.3 至 1.7 秒
check --quick，四个引擎	47 至 51 秒
check --quick --grounded，四个引擎	约 97 秒
安装体积是在 npm 缓存为空时，通过打包后的 tarball 测量的，因此从 registry 冷启动运行 npx optifeed-radar audit yourbrand.com，大约十秒即可完成。check 所需时间取决于各引擎的响应速度：它会针对整套提示词包查询多个引擎，而这段等待时间取决于我们无法控制的提供方延迟。check 运行时会报告实时进度，因此你可以看到当前所处阶段，而不必盯着空白终端等待。

每次运行都会报告实际花费，并拆分为设置（品牌发现和提示词生成）与引擎调用，方便你与提供方账单核对。即使你在确认提示中选择取消，也仍会报告设置成本，因为发现步骤会在显示该提示前运行。

--max-cost 0.20 可限制支出。每次调用前都会检查上限；达到上限时会返回标记为已触及上限的部分结果，而不是报错。这是一个有力的限制，但并非绝对上限：引擎的费用要等调用返回后才能确定，因此一次运行最多可能因每个引擎的一次未计量调用而超出上限。任何超出部分都会始终报告，不会隐瞒。

实用的 check 标志：--json（原始封装数据）、--report report.html（独立报告）、--max-cost 0.50、--quick（使用较小的提示词包）、--grounded（引擎支持时启用网络搜索模式）、--fail-under 50（低于阈值时以非零状态退出，适用于 CI）、--yes（跳过费用提示，让 AI Agent 无人值守运行）。

如果 check 无法测量任何内容，则会以非零状态退出并说明原因。买家提示词由一次对裁判模型的调用生成；因此，如果该调用失败——没有 API 额度、遇到速率限制或响应无法使用——就没有可供询问引擎的内容，运行会在向引擎付费前停止，而不会把空结果报告为已完成。你自行取消费用提示是主动选择，不算失败，退出状态仍为零。

示例

npx optifeed-radar audit example.com      # free readiness score
npx optifeed-radar check example.com --quick --yes
npx optifeed-radar shopping example.com --products "Aria 2, Presto X" --yes
npx optifeed-radar diff example.com        # what changed since last run
npx optifeed-radar sources example.com     # who the AI cited
npx optifeed-radar config                  # which keys are set

config 只会报告每个键是否存在，绝不会显示键值。

对于 shopping，每次运行最多可按任意顺序列出 10 件商品；只有前 10 件会接受检查，报告顺序取决于引擎的处理结果，而不是你输入的顺序。文件会为每件商品提供描述信息，从而消除产品名称含义不明的问题——“Aria 2”对引擎来说毫无信息，“安静型家用意式咖啡机”则能提供充分信息：

products:
  - name: Aria 2
    aliases: [Aria II]
    descriptor: quiet home espresso machine
  - name: Presto X
    descriptor: fast dual-boiler espresso machine

npx optifeed-radar shopping example.com --products-file products.yml --yes

常见问题

什么是 AI 可见度？ 买家向 AI 引擎提问时，AI 引擎是否会推荐你的品牌，而不是你的品牌在传统搜索索引中的排名。它也称为生成式引擎优化（GEO）或答案引擎优化（AEO）。

有 MCP 服务吗？ 有。optifeed-mcp 服务通过标准输入/输出向你的 AI Agent 提供 check_visibility、audit_store、generate_buyer_queries、shopping_check 和 get_snapshot_diff。

费用是多少？ audit 命令免费且无需密钥。check 流程会消耗你自己的引擎 API 额度：快速运行单个引擎约需 $0.09，覆盖全部四个引擎约需 $0.41 到 $0.46，使用 --grounded 则约需 $0.85 到 $1.09。每次运行都会报告费用，--max-cost 可设定费用上限。你需要自备密钥；Optifeed 不提供托管计费。

我的数据存储在哪里？ Optifeed Radar 在本地运行，并将快照保存在你的设备上，没有 Optifeed 托管的后端。每个密钥只会按 API 调用所需发送给相应的 AI 服务提供商，且绝不会被记录；提示词和回答依照相应提供商的数据政策处理。

支持哪些引擎？ OpenAI（ChatGPT）、Anthropic（Claude）、Google（Gemini）和 Perplexity。设置任意一个密钥即可开始；设置更多密钥可扩大覆盖范围。

各引擎会调用哪个模型？ gpt-5.6-sol、claude-sonnet-5、gemini-flash-latest 和 sonar，均通过各自提供商的 API 调用，而不是通过面向消费者的聊天产品。每个回答都会记录生成它的模型，因此保存的运行结果始终会注明测量时使用的模型。OpenAI 模型使用固定快照：浮动的 -latest 别名可能在不另行通知的情况下更换指向，这会导致 diff 显示由引擎变更而非你的可见度变化所造成的差异。

分数如何计算？ 通过采样真实引擎对非品牌买家问题的回答，对推荐情况、排名位置和声量份额进行评分。分数是估算值，会因运行而异。完整方法请参阅 METHODOLOGY.md。

面向目录维护者

可用于 awesome-mcp-servers、ClawHub 和 Smithery 条目的一句话简介：

• Optifeed Radar - 向真实 AI 引擎提出真实买家问题，并评估品牌是否获得推荐。提供 CLI 和 MCP 服务，在本地运行，需自备密钥。
• Optifeed Radar (MCP) - 为你的 AI Agent 提供 check_visibility、audit_store、generate_buyer_queries、shopping_check 和 get_snapshot_diff，用于衡量品牌和产品的 AI 可见度（GEO / AEO）。

适用的搜索意图：AI 可见度检查器、AI 会推荐我的品牌吗、生成式引擎优化（GEO）工具、答案引擎优化（AEO）、ChatGPT 品牌可见度、AI-SEO、品牌可见度 MCP 服务。

本工具不提供的功能

• 这是一次性的检查，而非持续监控。
• 分数是基于采样得出的估算值，会因运行而异，并非有保证的排名。
• 它不会帮你查找产品。shopping 每次运行最多检查你指定的 10 件产品；不支持目录或商品 Feed 导入。
• check 和 shopping 会消耗你自己的 API 额度；只有 audit 免费。
• 它不是传统的 SEO 排名跟踪工具。

目录发现（从商店或 Feed 获取你的产品）以及依据 Agentic Commerce Protocol (ACP) 和 Universal Commerce Protocol (UCP) 对 Feed 进行检查，将在后续版本中推出——请前往 optifeed.com 加入候补名单。

状态

项目正在积极开发中，代码库也已公开，你可以关注进展。如果这对你有帮助，点个星标就能给予我们切实的支持。分数是估算值，我们会明确说明这一点。你的 API 密钥仅用于调用相应的服务提供商，Optifeed Radar 绝不会记录或存储这些密钥。

许可证

MIT

更多信息请访问 optifeed.com：https://www.optifeed.com/