[← 返回报告列表](./index.html)

# 📊 GEO（Generative Engine Optimization）GitHub 项目调研报告

GitHub 开源项目技术框架与方案分析 | 2026 年 3 月 26 日

**搜索来源:** github.com/search?q=Generative+Engine+Optimization

**相关仓库:** 约 273 个

**报告生成:** 太子 (AI 代理)

**🎯 核心洞察:** GEO 是 SEO 的下一代演进，通过优化内容在 AI 搜索引擎（ChatGPT、Perplexity、Gemini）中的可见性。Princeton 大学研究表明，最高可提升 40% 可见性。 

## 📈 一、项目概览

项目| Stars| 语言| 类型  
---|---|---|---  
gtm-engineer-skills| 542| HTML| Claude Code Skill  
awesome-generative-engine-optimization| 261| —| 资源列表  
awesome-geo| 246| —| 资源列表  
eGEOagents| 72| Python| AI Agent 工具  
Awesome-GEO| 82| —| 研究列表  
GetCito| 66| TypeScript| 开源平台  
GEO (krillinai)| 55| —| 指南  
gego| 43| Go| 品牌追踪  
  
## 🔧 二、核心项目技术分析

### 1\. GetCito — 首个开源 AIO/AEO/GEO 平台

**技术栈:** TypeScript + Next.js 13 + Firebase + Azure OpenAI + Tailwind CSS

  * 多引擎优化（ChatGPT、Perplexity、Gemini 等）
  * 实时监控内容在 AI 搜索引擎中的表现
  * AI 驱动的内容优化建议
  * Firebase 认证 + Firestore 数据库
  * 支持 Vercel Edge 部署



**优势:** 最完整的开源 GEO 平台；多 LLM 支持，带 fallback 机制；移动端 PWA 支持

**劣势:** 需要自行部署，维护成本高；依赖 Firebase + Azure API，需付费；配置复杂

### 2\. eGEOagents — AI Agent GEO 工具

**技术栈:** Python（基于 Claude Code Skill 架构）

核心命令: /geo <url> # 完整 pipeline - 分析、排名、重写、生成 Schema /geo:audit # 仅分析，不改内容 /geo:optimize # 优化本地文件 /geo:batch # 批量处理整个目录 /geo:compete # 竞品分析

**10 个 GEO 特征（基于 E-GEO 论文 arXiv:2511.20867）:**

  * 排名强调（Ranking Emphasis）
  * 用户意图匹配（User Intent）
  * 竞争优势（Competitive Edge）
  * 社会证明（Social Proof）
  * 权威性（Authority）
  * 可扫描性（Scannability）
  * 关键词优化
  * 引用和来源标注
  * 结构化数据（Schema）
  * E-E-A-T 信号



**优势:** 基于学术研究，有理论支撑；一键操作，零学习曲线；自动生成 JSON-LD Schema

**劣势:** 仅支持 Claude Code 环境；无法实时监控效果；重写内容需人工审核

### 3\. gego — 品牌跨 LLM 追踪工具

**技术栈:** Go + SQLite + MongoDB + Docker

**功能:**

  * 跨多 LLM（OpenAI、Anthropic、Ollama、Google、Perplexity）追踪关键词
  * Cron 定时调度自动执行 prompt
  * 自动从响应中提取关键词
  * 监控延迟、token 用量、错误率



架构: SQLite → 存储配置（LLM、调度） MongoDB → 存储分析数据（Prompt、响应）

**优势:** 多 LLM 对比分析能力强；Docker 一键部署；自动关键词提取

**劣势:** 仅用于追踪，不做优化建议；需要自建基础设施；MongoDB 增加部署复杂度

### 4\. 资源列表类项目

**awesome-generative-engine-optimization（261 ⭐）** — 分类最全的资源列表，包含指南、工具、研究论文、案例分析

**awesome-geo（246 ⭐）** — 中文友好（有中文 README）；包含 2026 最新研究（AutoGEO、Search-o1）；有完整的 GEO 检查清单

## 🏗 三、技术框架总结

┌─────────────────────────────────────────────────────────────┐ │ GEO 技术栈分层 │ ├─────────────────────────────────────────────────────────────┤ │ 应用层 │ │ ├── 内容优化: eGEOagents, GetCito │ │ ├── 效果追踪: gego, GetCito Analytics │ │ └── 资源聚合: awesome-* 系列 │ ├─────────────────────────────────────────────────────────────┤ │ 模型层 │ │ ├── LLM: GPT-4, Claude, Gemini, Ollama │ │ ├── RAG: 检索增强生成（AI 搜索核心） │ │ └── Embedding: 文档向量化 │ ├─────────────────────────────────────────────────────────────┤ │ 数据层 │ │ ├── 结构化: SQLite, MongoDB, Firestore │ │ ├── 向量库: FAISS, Pinecone（部分高级方案） │ │ └── 缓存: Redis, Vercel Edge │ └─────────────────────────────────────────────────────────────┘

## ⚖️ 四、各方案优劣势对比

方案| 优势| 劣势| 代表项目  
---|---|---|---  
一键优化| 零门槛、研究支撑| 需 Claude Code 环境| eGEOagents  
全栈平台| 功能完整、可扩展| 部署维护复杂、费用高| GetCito  
追踪分析| 多 LLM 对比、Docker 部署| 仅追踪不优化| gego  
资源聚合| 信息全面| 非工具，参考为主| awesome-*  
  
## 💡 五、核心 GEO 策略

**Princeton 论文验证的核心方法（最高提升 40% 可见性）:**

  * **引用强化** — 添加权威来源引用
  * **统计数字** — 加入具体数据和数字
  * **流畅写作** — 自然语言，避免关键词堆砌
  * **结构化格式** — 使用标题、列表、表格
  * **领域术语** — 适当使用专业词汇
  * **问题-答案格式** — 直接匹配用户提问



**E-GEO 电商研究发现:**

  * 竞争性框架（Competitive Framing）效果最强
  * 10 个 GEO 特征在高排名内容中一致出现
  * 自动优化优于人工启发式方法



## 📊 六、效果评估

**制造业网站** — +2,300% AI 流量 — E-E-A-T 优化 

**汽车零部件** — +200%/月 — Schema + llms.txt 

**Ramp 金融** — 3.2% → 22.2% 可见性 — GEO 全面优化 

## 🚀 七、技术趋势

AutoGEO (ICLR 2026) — 自动学习 GEO 偏好规则 Search-o1 — Agentic RAG + LLM 推理结合 llms.txt 协议 — 新兴 AI 友好站点协议 多模态 GEO — 支持图片/视频 AI 搜索优化

## 🎯 八、选型建议

场景| 推荐  
---|---  
快速优化单个页面| eGEOagents  
企业级 GEO 平台| GetCito  
品牌跨 LLM 监控| gego  
学习 GEO 知识| awesome-generative-engine-optimization  
  
## 🔗 九、主要项目链接

  * [awesome-generative-engine-optimization](https://github.com/amplifying-ai/awesome-generative-engine-optimization) — 261 ⭐
  * [GetCito](https://github.com/ai-search-guru/getcito-worlds-first-open-source-aio-aeo-or-geo-tool) — 66 ⭐
  * [eGEOagents](https://github.com/mverab/eGEOagents) — 72 ⭐
  * [gego](https://github.com/AI2HU/gego) — 43 ⭐
  * [awesome-geo](https://github.com/luka2chat/awesome-geo) — 246 ⭐



_本报告由 AI 自动生成 | 最后更新：2026-03-26_

_任务ID: JJC-20260326-001_