Geo Analyzer

🚀 GEO Analyzer

GEO Analyzer可对内容进行分析，以提升其在AI搜索中的可见性。它能衡量对被ChatGPT、Claude、Perplexity和Google AI Overviews引用真正重要的因素。

🚀 快速开始

GEO Analyzer会检查内容是否包含AI系统在选择引用来源时所依据的信号。

✨ 主要特性

• 声明密度：每100个单词中可提取的事实数量。
• 信息密度：单词数量与预测的AI覆盖范围之比。
• 答案前置：关键信息出现的速度。
• 语义三元组：结构化的（主语、谓语、宾语）关系。
• 实体识别：AI可以引用的命名实体。
• 句子结构：适合AI解析的最佳长度。

分析过程在本地使用Claude Sonnet 4.5进行语义提取，无需外部服务，数据不会离开你的设备。

📦 安装指南

Claude桌面版

将以下内容添加到claude_desktop_config.json文件中：

{
  "mcpServers": {
    "geo-analyzer": {
      "command": "npx",
      "args": ["-y", "@houtini/geo-analyzer@latest"],
      "env": {
        "ANTHROPIC_API_KEY": "sk-ant-..."
      }
    }
  }
}

配置文件位置：

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

保存后重启Claude桌面版。

要求

• Node.js 20+
• Anthropic API密钥（console.anthropic.com）

💻 使用示例

分析已发布的URL

Analyse https://example.com/article for "topic keywords"

主题上下文有助于评估相关性，但不是必需的：

Analyse https://example.com/article

直接分析文本

粘贴要分析的内容（最少500个字符）：

Analyse this content for "sim racing wheels":

[Your content here]

摘要模式

获取精简输出，不包含详细建议：

Analyse https://example.com/article with output_format=summary

📚 详细文档

输出

分数（0 - 10）

关键指标

• 信息密度：
  • 带有覆盖范围预测的单词数量。
  • 最佳范围：800 - 1500个单词。
  • 少于1000个单词的页面：约61%的AI覆盖范围。
  • 超过3000个单词的页面：约13%的AI覆盖范围。
• 答案前置：
  • 前100/300个单词中的声明和实体。
  • 第一个声明的位置。
  • 表示答案即时性的分数。
• 声明密度：
  • 目标：每100个单词中有4个以上的声明。
  • 可提取的事实、统计数据、测量值。
• 句子长度：
  • 目标：平均15 - 20个单词。
  • 与Google约15.5个单词的提取块相匹配。

建议

按优先级排序的建议，包括：

• 内容中的具体位置。
• 前后示例。
• 基于研究的理由。

工具

analyze_url

获取并分析已发布的网页。

analyze_text

直接分析粘贴的内容。

故障排除

• "ANTHROPIC_API_KEY is required"：将API密钥添加到配置文件的env部分。
• "Cannot find module" after config change：完全重启Claude桌面版。
• "Content too short"：进行有意义的分析最少需要500个字符。
• Paywalled content returns errors：分析器只能访问公开可用的页面。

性能

• URL分析：约8 - 10秒。
• 文本分析：约5 - 7秒。
• 成本：每次分析约0.14美元（Sonnet 4.5）。

从v1.x迁移

v2.0版本移除了外部依赖项。更新你的配置： 旧版（v1.x）：

{
  "env": {
    "GEO_WORKER_URL": "https://...",
    "JINA_API_KEY": "jina_..."
  }
}

新版（v2.x）：

{
  "env": {
    "ANTHROPIC_API_KEY": "sk-ant-..."
  }
}

开发

git clone https://github.com/houtini-ai/geo-analyzer.git
cd geo-analyzer
npm install
npm run build

研究基础

分析方法基于同行评审的研究和实证研究：

MIT GEO论文（2024）

Aggarwal等人的 "GEO: Generative Engine Optimization" - ACM SIGKDD 应用的关键发现：

• 每100个单词的声明密度目标为4个以上。
• 最佳句子长度为15 - 20个单词。
• 专注于可提取性可使AI引用率提高40%。 arxiv.org/abs/2311.09735

Dejan AI基础研究（2025）

对7060个查询和2275个页面的实证分析 应用的关键发现：

• 每个查询的总基础预算约为2000个单词。
• 排名第1的来源获得531个单词（占预算的28%）。
• 排名第5的来源获得266个单词（占预算的13%）。
• 平均提取块：15.5个单词。
• 少于1000个单词的页面：61%的覆盖范围。
• 超过3000个单词的页面：13%的覆盖范围。 dejan.ai/blog/how-big-are-googles-grounding-chunks
  dejan.ai/blog/googles-ranking-signals

📄 许可证

本项目采用MIT许可证 - Houtini.ai