geo-gap-fixer

GEO 差距修复器

用于审查 LLM 品牌可见度，并将差距转化为 具体 GEO 内容行动计划的 Agent 技能。

---

适用场景

当用户想要审查其生成式引擎优化（GEO）声量份额，以了解哪些 LLM 提示词中品牌表现落后、理解竞争对手为何会被推荐，并获得具体的内容修复计划时，请使用此技能。

请勿将此技能用于：常规 SEO 审查、付费广告优化或持续的社交媒体监控。这是一次性的 LLM 可见度审查。

---

步骤 1：输入

要运行审查，用户必须提供 API 密钥和配置文件。确保已完成以下设置：

1. API 密钥：必须在环境变量或 .env 文件中设置 4 个密钥中的至少 2 个（OPENAI_API_KEY、ANTHROPIC_API_KEY、GOOGLE_API_KEY、PERPLEXITY_API_KEY）。
2. 依赖项：pip install openai anthropic google-genai
3. 配置文件：config.json（从 config.example.json 复制）必须包含：
   • brand_name（字符串，必需）
   • competitors（字符串列表，必需，1-10 项）
   • category（字符串，必需）
   • buyer_intent_prompts（字符串列表，可选。若为空，则自动生成 20 个提示词）
   • target_llms（字符串列表，可选）
   • website_url（字符串，可选）

---

步骤 2：执行流程

按顺序运行以下脚本。如果任何脚本运行失败，请停止并请求澄清。

1. python scripts/probe_llms.py（可选：附加 --dry-run，在不调用 API 的情况下测试配置）

   • 将买家意向提示词发送至已配置的 LLM API。
   • 将响应保存至 data/raw_responses.json。

2. python scripts/analyze_results.py

   • 分析原始响应中的品牌提及、排名、情感和引用域名。
   • 将结构化分析结果保存至 data/analysis.json。

3. python scripts/build_report.py

   • 汇总生成最终的 5 部分 GEO 审查报告。
   • 保存至 report/geo_audit_report.md 和 report/geo_audit_report.json。

---

步骤 3：输出与解读

主要输出是 report/geo_audit_report.md。向用户展示其中的发现。

需要解读的主要部分：

1. 声量份额表：提及率低于 30% 属于严重问题。提及率是指推荐品牌的提示词占比。
2. 提示词级别的失利记录：品牌在哪些具体提示词中落败，以及败给了谁。
3. 竞争对手用语模式：LLM 用来描述竞争对手的具体形容词。
4. 引用差距列表：LLM 引用、但品牌尚未出现的域名。
5. GEO 行动计划：按优先级排列的修复措施（🔴 严重，🟡 高优先级，🟢 增长机会）。

请先引导用户查看 GEO 行动计划，因为其中包含修复审查所发现差距的具体步骤。

---

步骤 4：错误处理

如果执行流程时遇到问题，请遵循以下规则：

情况	Agent 操作
缺少 config.json	告知用户复制 config.example.json 并填写内容。
配置中的 JSON 无效	告知用户解析错误的位置，并请其修复。
缺少必需字段	列出确切缺少的字段（brand_name、competitors、category）。
未设置 API 密钥	请用户导出 4 个受支持的 API 密钥中的至少 2 个。
仅有 1 个 API 密钥	提醒用户结果的可靠性较低，但继续运行。
临时 API 故障	脚本会自动重试。如果最终仍失败，则跳过该服务提供商。
持续性 API 故障	脚本会妥善跳过该服务提供商。继续执行流程。
响应数为零	脚本会以非零状态码退出。请告知用户检查 API 密钥或配置。
缺少上游数据文件	重新运行流程中的前一个脚本（例如，先运行 probe，再运行 analyze）。

请注意以下限制：

• 这是一次性审查，并非后台监控。
• 情感分析基于关键词邻近度，而非深度 NLP。
• 每次运行都会产生 API 费用（通常约为 $0.50–$2.00）。