随着 ChatGPT、Claude、Perplexity 等 AI 工具的普及，用户的搜索习惯正在发生深刻变化。过去，大家习惯在搜索引擎输入关键字，点击前几个网页链接；而现在，越来越多的用户会直接向 AI 提问。
这种变革引出了一个与SEO（搜索引擎优化）对应的新概念 GEO（Generative Engine Optimization，生成式引擎优化）。
传统 SEO 关心的是：Google / 百度有没有把页面排上去。
GEO 关心的是：用户把购买意图问题丢给 AI 时，模型会不会提到你、怎么评价你、把谁排在你前面。
有众多的商业产品提供 GEO 服务，包括 Profound、Peec AI、Otterly.AI、Semrush AI Visibility、Ahrefs Brand Radar 等。问题是：它们大多是闭源 SaaS，数据在对方服务器上，计分逻辑不透明，价格也不便宜。
开源项目 NiubiGEO 就是一款专为解决这一难题而生的开源 AI 品牌可见度与竞品分析工具。
NiubiGEO：https://github.com/Albert-Weasker/niubigeo
用户只需输入产品域名或介绍页面，NiubiGEO 就会通过大语言模型自动识别品牌名称、别名、品类及潜在竞争对手，并生成相关的测试问题。 在获得用户确认后，系统会自动调用各种 LLM API（如 OpenAI、Anthropic、Google Gemini、DeepSeek、Perplexity 等）进行批量测试与分析，最终生成一份可追踪、带有完整证据链的品牌可见度报告。
NiubiGEO 的核心亮点：
- 完全开源与自托管 (Self-Hosted)：无需订阅高昂的 SaaS 服务，用户可以使用自己的 API Key 免费搭建和运行。
- 完整证据链透明化：绝不给出一个不可解释的“综合评分”，每一条分析结论都可以展开查看原始的 AI 回答文本与引用来源。
- 可控的测试问题：在发送请求之前，用户可以审查和修改系统自动生成的提问列表，避免浪费 API Token。
- 灵活的模型支持：支持配置 OpenRouter、DeepSeek、Perplexity、OpenAI、Gemini 等主流 API，满足不同场景下的评测需求。
在传统 SEO 时代，我们可以利用 Ahrefs 或 Semrush 查看关键词排名。但在生成式 AI 时代，大模型回答具有随机性和动态性。品牌方往往面临以下难题：
- AI 知道我的品牌存在吗？ 当潜在客户提问相关行业痛点时，AI 会不会提到我们？
- AI 是如何“误解”我们的？ AI 在介绍我们的产品时，功能描述是否准确，有没有遗漏关键卖点？
- AI 推荐了哪些竞争对手？ 在没有提及我们品牌的前提下，AI 把哪些产品列为了主流选择？
- AI 的答案来自哪里？ 是源于某个 Reddit 帖子、Wikipedia 页面，还是特定的技术博客？
NiubiGEO 通过将这一流程自动化、结构化和可视化，让品牌和营销团队能以极低的成本回答上述问题，值得关注GEO的团队使用。
类似的GEO的开源项目：
Elmo：https://github.com/elmohq/elmo
OneGlanse ：https://github.com/aryamantodkar/oneglanse
GEORank：https://github.com/yaojingang/GEORank
GetCito：https://github.com/ai-search-guru/getcito-worlds-first-open-source-aio-aeo-or-geo-tool
GEO/AEO Tracker：https://github.com/danishashko/geo-aeo-tracker