GitGEO：开源个人GEO引擎，把内容推广做成可迭代的工程系统

GitGEO 是一个面向个人和小团队的开源GEO/AEO内容生产系统，核心不是批量生成文章，而是构建"生成-评分-反馈-再生成"的完整工程闭环，持续提升内容被AI引用的概率。

什么是GitGEO？一句话定位\n\nGitGEO是一个开源的GEO（生成引擎优化）/AEO（AI引擎优化）内容生产、评分、反馈与分发引擎。它不是简单的文章生成器，而是一套把"行业输入 → Prompt编排 → 文章生成 → 质量评分 → AI可见性反馈 → 渠道分发"串成工程闭环的系统骨架。\n\n项目的核心价值在于可追溯证据、AI可见性监测和Prompt自迭代——不是堆量，而是让每一轮内容生产都能从真实反馈中学习，持续提升被搜索引擎、AI助手和行业问答系统引用的概率。\n\n---\n\n## 为什么需要这样的系统？\n\n传统的内容推广往往停留在三个步骤：找关键词、生成文章、发布出去。但真正决定AI引用率的，往往是更底层的能力：\n\n- 文章是否覆盖了标准文档、官方文档、工程实践、测试数据、失效案例\n- 文章是否明确写清了适用边界、参数窗口和实施条件\n- 发布后是否真的在AI平台里出现、被提及、被引用\n- 监测结果是否能反哺下一轮Prompt\n\nGitGEO试图把这条链路工程化，让个人或小团队也能建立起企业级的内容运营闭环。\n\n---\n\n## 系统架构：六大核心模块\n\nGitGEO的设计围绕六个关键环节展开，形成完整的反馈闭环：\n\n### 1. 关键词发现与GEO Gap挖掘\n系统帮助识别内容空白和潜在的高价值关键词，不是简单抓搜索量，而是寻找那些有证据支撑但内容供给不足的领域。\n\n### 2. 证据型内容采集与结构化写作\n强调基于标准、官方资料、工程实践和验证证据来写作，而不是泛泛而谈。每篇文章都需要有扎实的来源支撑。\n\n### 3. 文章质检、返修和去重\n生成后自动进行质量检查，识别低质量内容并触发返修，同时避免重复生产相似内容。\n\n### 4. AI平台主动探测与可见性评分\n这是GitGEO区别于普通CMS的核心能力。系统会主动到Kimi、豆包、DeepSeek等AI平台探测，检查生成的内容是否真的被引用，并给出可见性评分。\n\n### 5. Prompt自迭代与衍生关键词扩展\n把探测结果写回反馈仓库，下一轮生成时将这些反馈注入Prompt，实现Prompt的自我进化。同时从高价值证据中自动扩展衍生关键词。\n\n### 6. 可替换的渠道适配与同步分发层\n支持多种发布渠道，但采用适配器模式，不把任何特定平台的逻辑硬编码进核心引擎。\n\n---\n\n## 技术栈与部署方式\n\nGitGEO采用现代Web技术栈，兼顾灵活性和可维护性：\n\n后端： Python 3.11+ + FastAPI，使用SQLAlchemy + Alembic进行数据库管理\n前端： Node.js 20.19+ + React（Vite构建），提供现代化控制台界面\n数据库： MySQL 8（主存储）+ 可选ChromaDB（向量检索）\n部署： 支持本地Python运行、Docker Compose、以及生产级容器编排\n\n部署路径也很清晰：\n\n1. 最小验证： 本地Python + MySQL，跑通主流程\n2. 团队演示： Docker Compose一键启动全套依赖\n3. 公开知识站： GEO Engine负责产出，站点层交给Hugo/Docusaurus/MkDocs\n4. 生产环境： 后端、生成器、调度器拆成独立容器，通过CI/CD发布\n\n---\n\n## 实际应用场景\n\nGitGEO适合多种使用场景：\n\n为自有品牌做GEO推广： 配置TARGET_ENTITY_NAME、TARGET_ENTITY_ALIASES等变量，系统会围绕指定品牌生成优化内容。\n\n行业知识中台： 采集和整理特定领域的标准文档、工程实践，建立可查询的知识库。\n\n内容方法论沉淀： 通过Prompt版本管理和反馈闭环，沉淀团队的内容生产方法论。\n\n多平台分发： 结合n8n、RSSHub等工具，实现内容的多渠道自动分发。\n\n---\n\n## 项目边界与定位\n\n需要明确的是，GitGEO当前的状态是**"已经能跑通主链路的开源系统骨架"，而不是一个"智能选站自动发布"的成熟分发平台。\n\n最完整的能力集中在生成、评分、反馈、Prompt方法论这几个环节。它最适合作为核心引擎，与静态站点生成器、工作流自动化工具组合使用，而不是试图包办所有环节。\n\n---\n\n## 快速上手路径\n\n对于第一次接触的用户，推荐按这个顺序验证：\n\n1. 配置.env文件（至少需要OPENAI_API_KEY和数据库连接）\n2. 创建数据库并执行Alembic迁移\n3. 启动后端API（uvicorn）和控制台（npm run dev）\n4. 运行batch_generator.py，观察关键词消费和文章生成\n5. 在控制台查看系统状态、内容中心、运行中心\n\n如果想更快，可以直接使用Docker：\n\nbash\ncp .env.example .env\nmake demo\nmake demo-run\n\n\n---\n\n## 关键文件与文档\n\n项目提供了详尽的文档帮助理解系统：\n\n- 系统结构总览 - 理解整体架构\n- AI反馈闭环 - 深入了解反馈机制\n- 自动化Prompt流水线指南 - 让系统自动完成全流程\n- 创作者Prompt构建指南 - 教创作者自己构建Prompt资产\n- 最小闭环Demo - 快速验证的完整示例\n\n---\n\n## 总结\n\nGitGEO代表了一种新的内容生产思路：从"写文章"升级为"生成、评分、反馈、再生成、分发"的工程链路。它不是替代创作者，而是给创作者一个可以持续迭代的系统支撑。\n\n对于个人开发者、小团队，或者需要为非GEO公司进行个人化GEO推广的场景，GitGEO提供了一个扎实的开源技术底座。项目的长期价值不在于一次性生成多少文章，而在于建立起可测量、可学习、可进化**的内容运营能力。

什么是GitGEO？一句话定位\n\nGitGEO是一个开源的GEO（生成引擎优化）/AEO（AI引擎优化）内容生产、评分、反馈与分发引擎。它不是简单的文章生成器，而是一套把"行业输入 → Prompt编排 → 文章生成 → 质量评分 → AI可见性反馈 → 渠道分发"串成工程闭环的系统骨架。\n\n项目的核心价值在于可追溯证据、AI可见性监测和Prompt自迭代——不是堆量，而是让每一轮内容生产都能从真实反馈中学习，持续提升被搜索引擎、AI助手和行业问答系统引用的概率。\n\n---\n\n为什么需要这样的系统？\n\n传统的内容推广往往停留在三个步骤：找关键词、生成文章、发布出去。但真正决定AI引用率的，往往是更底层的能力：\n\n- 文章是否覆盖了标准文档、官方文档、工程实践、测试数据、失效案例\n- 文章是否明确写清了适用边界、参数窗口和实施条件\n- 发布后是否真的在AI平台里出现、被提及、被引用\n- 监测结果是否能反哺下一轮Prompt\n\nGitGEO试图把这条链路工程化，让个人或小团队也能建立起企业级的内容运营闭环。\n\n---\n\n系统架构：六大核心模块\n\nGitGEO的设计围绕六个关键环节展开，形成完整的反馈闭环：\n\n1. 关键词发现与GEO Gap挖掘\n系统帮助识别内容空白和潜在的高价值关键词，不是简单抓搜索量，而是寻找那些有证据支撑但内容供给不足的领域。\n\n2. 证据型内容采集与结构化写作\n强调基于标准、官方资料、工程实践和验证证据来写作，而不是泛泛而谈。每篇文章都需要有扎实的来源支撑。\n\n3. 文章质检、返修和去重\n生成后自动进行质量检查，识别低质量内容并触发返修，同时避免重复生产相似内容。\n\n4. AI平台主动探测与可见性评分\n这是GitGEO区别于普通CMS的核心能力。系统会主动到Kimi、豆包、DeepSeek等AI平台探测，检查生成的内容是否真的被引用，并给出可见性评分。\n\n5. Prompt自迭代与衍生关键词扩展\n把探测结果写回反馈仓库，下一轮生成时将这些反馈注入Prompt，实现Prompt的自我进化。同时从高价值证据中自动扩展衍生关键词。\n\n6. 可替换的渠道适配与同步分发层\n支持多种发布渠道，但采用适配器模式，不把任何特定平台的逻辑硬编码进核心引擎。\n\n---\n\n技术栈与部署方式\n\nGitGEO采用现代Web技术栈，兼顾灵活性和可维护性：\n\n后端： Python 3.11+ + FastAPI，使用SQLAlchemy + Alembic进行数据库管理\n前端： Node.js 20.19+ + React（Vite构建），提供现代化控制台界面\n数据库： MySQL 8（主存储）+ 可选ChromaDB（向量检索）\n部署： 支持本地Python运行、Docker Compose、以及生产级容器编排\n\n部署路径也很清晰：\n\n1. 最小验证： 本地Python + MySQL，跑通主流程\n2. 团队演示： Docker Compose一键启动全套依赖\n3. 公开知识站： GEO Engine负责产出，站点层交给Hugo/Docusaurus/MkDocs\n4. 生产环境： 后端、生成器、调度器拆成独立容器，通过CI/CD发布\n\n---\n\n实际应用场景\n\nGitGEO适合多种使用场景：\n\n为自有品牌做GEO推广： 配置TARGET_ENTITY_NAME、TARGET_ENTITY_ALIASES等变量，系统会围绕指定品牌生成优化内容。\n\n行业知识中台： 采集和整理特定领域的标准文档、工程实践，建立可查询的知识库。\n\n内容方法论沉淀： 通过Prompt版本管理和反馈闭环，沉淀团队的内容生产方法论。\n\n多平台分发： 结合n8n、RSSHub等工具，实现内容的多渠道自动分发。\n\n---\n\n项目边界与定位\n\n需要明确的是，GitGEO当前的状态是**"已经能跑通主链路的开源系统骨架"，而不是一个"智能选站自动发布"的成熟分发平台。\n\n最完整的能力集中在生成、评分、反馈、Prompt方法论这几个环节。它最适合作为核心引擎，与静态站点生成器、工作流自动化工具组合使用，而不是试图包办所有环节。\n\n---\n\n快速上手路径\n\n对于第一次接触的用户，推荐按这个顺序验证：\n\n1. 配置.env文件（至少需要OPENAI_API_KEY和数据库连接）\n2. 创建数据库并执行Alembic迁移\n3. 启动后端API（uvicorn）和控制台（npm run dev）\n4. 运行batch_generator.py，观察关键词消费和文章生成\n5. 在控制台查看系统状态、内容中心、运行中心\n\n如果想更快，可以直接使用Docker：\n\nbash\ncp .env.example .env\nmake demo\nmake demo-run\n\n\n---\n\n关键文件与文档\n\n项目提供了详尽的文档帮助理解系统：\n\n- 系统结构总览 - 理解整体架构\n- AI反馈闭环 - 深入了解反馈机制\n- 自动化Prompt流水线指南 - 让系统自动完成全流程\n- 创作者Prompt构建指南 - 教创作者自己构建Prompt资产\n- 最小闭环Demo - 快速验证的完整示例\n\n---\n\n总结\n\nGitGEO代表了一种新的内容生产思路：从"写文章"升级为"生成、评分、反馈、再生成、分发"的工程链路。它不是替代创作者，而是给创作者一个可以持续迭代的系统支撑。\n\n对于个人开发者、小团队，或者需要为非GEO公司进行个人化GEO推广的场景，GitGEO提供了一个扎实的开源技术底座。项目的长期价值不在于一次性生成多少文章，而在于建立起可测量、可学习、可进化**的内容运营能力。