analyze-geo-performance-doubao

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：

1. 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。

2. 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

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"
  ]
}

GEO 评分规则

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：

1. 从用户输入中提取 brand_name 和 category_keyword（必填）。
2. 可选提取 region、language、probing_count。
3. 调用 main.py 执行两阶段分析。
4. 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