GEO-SCORE · 开源量表
你的网站，
AI 能引用吗
21 项分档检查，合计 100 分。一行命令出结果，报告会写明这次用了多久。量表 MIT 开源、机器可读—— 任何人都能用同一套口径复算你的分数，包括你的竞品。这类工作海外多叫 AEO（Answer Engine Optimization），国内多叫 GEO。
现在就测你自己的站，不用装任何东西：
curl -sL https://raw.githubusercontent.com/jianruntech/geo-score/v1.8.3/cli/geo_score.py \
| python3 - 你的域名.com --brief会跑命令的自己跑。不会的，或者跑完不知道该改什么的，让我们跑一遍并把结果讲给你——不收费。
只依赖标准库，Python 3.8 以上即可。也有 GitHub Action 版本，可在每次发布时卡住回退。
一个工具，三级用法
量表只回答能不能。现在引不引用你、输给了谁，要拿具体问题去问各家 AI——这是第二、三级，用你自己的 API Key； 结果单独报告，从不加进 100 分。
| 级 | 回答什么 | 需要什么 | 命令 |
|---|---|---|---|
| 1 · 打分 | AI 引擎能不能抓取、理解、信任并引用这个站？按公开量表打 0–100 分 | 什么都不要：不要 Key，不用安装 | geo_score.py 你的域名.com |
| 2 · 实测 | 就你关心的那个问题，AI 现在引不引用它？ | OpenAI、Perplexity、Gemini、Anthropic、OpenRouter 任意一家的 API Key | geo_score.py 你的域名.com --ask '你的问题' |
| 3 · 追踪 | 你被引用的频率、输给了哪些竞品和来源、每周怎么变？ | 你的 API Key 和一组固定问题 | geo_score.py watch run |
上面那行 curl | python3 只跑第一级。三级都要用，就从 PyPI 运行 1.8.3：
# 不安装直接运行（需要 uv）
uvx geo-score@1.8.3 你的域名.com
# 或者装好一个 geo-score 命令
pipx install geo-score==1.8.3在 Claude Code 里当 MCP 服务用，或者装成技能：
claude mcp add --scope user geo-score -- uvx geo-score@1.8.3 mcp
npx skills add jianruntech/geo-score三项门槛：不成立，后面全部白写
21 项里有三项是门槛。任何一项得零分，归一化结果直接封顶 40 分—— 不是扣分，是封顶。因为这三件事不成立的时候，后面十八项写得多好都到不了引擎手里。
在 robots.txt 里点名屏蔽了 AI 检索爬虫，内容就不会进入引擎的索引。
这有时是编辑决策——出版社和医疗站选择不被引用，很合理，量表照实记录，不说人家配置错了。
用十个真实检索 UA 逐个探测。有的站对浏览器返回 200、对爬虫返回 403—— 这一类最没人发现，因为在公司内部看，网站是好的。
正文只在 JavaScript 跑完之后才存在的站，爬虫拿到的是一个空壳。 内容是有的、浏览器看得见，但引擎读不到。这一组几乎肯定不是有意的。
324 个知名网站实测，约四分之一 AI 爬虫读不到
榜单是固定的公开名单，370 站列出、324 站测到，按 20 个行业分组，测到不足 10 站的行业不报中位数—— 少于这个数的「行业中位数」说明不了任何事。原始数据在仓库里，你可以自己重跑核对。
| 原因 | 站数 | 性质 |
|---|---|---|
| 在 robots.txt 里点名屏蔽 | 20 | 编辑决策。他们选择不被引用 |
| 正文只在 JS 跑完后存在 | 41 | 几乎肯定不是有意的 |
| 直接给爬虫报错 | 12 | 浏览器 200、爬虫 403，内部看不出来 |
中位数 55 分，区间 11 到 96。 这三组加起来 73 个站，占实测的 23%。旧版工具在四次取样里（样本一次比一次大），这个比例都在 24–25%； 1.5.0 修正了门槛判定（只挡训练爬虫、只回人机验证页、或探测一时没有应答的站不再算进来），所以两者不能直接比。
对做出海的还有一条更直接的：面向中文市场的站中位数 36，其余站 58，差 22 分。 按 95% 置信区间，这个差距在 16 到 30 分之间。拆开看，差得最多的是标题有没有对准提问、有没有能整段引用的答案段；这两项是启发式判断，工具读中文可能偏低，所以请把这个差距当方向，不当精确值。
五个档位：说的是所处阶段，不是判决
外部基准显示，多数商业网站落在 30–55 分之间。 所以拿到四十几分是常态，不是警报——它说明的是「还没针对 AI 检索做过建设」，而不是「网站做得差」。
| 档 | 分数 | 含义 |
|---|---|---|
| 领先 | 83–100 | 已建立优势，重点转向维持与扩大 |
| 基础扎实 | 66–82 | 地基完备，缺口集中在内容深度与品牌资产 |
| 成长期 | 51–65 | 主要项目已在做，差的是系统性与一致性 |
| 起步期 | 31–50 | 基础项有明显缺口，其中多数可在数人天内补齐 |
| 未起步 | 0–30 | 尚未针对 AI 检索做过建设，提升空间最大 |
为什么可以信这个分
一个测量工具最该被质疑的是它自己准不准。所以下面这几件事都写在仓库里，公开可查。
- 阈值不是拍的。 校准记录 写清每一档的分界怎么定，对齐了四个公开基准，也包括一次公开承认—— 发布前我们对分数分布的预测区间是错的，实测把它推翻了，记录里保留了两个数。
- 复现精度实测过。 2026-10-12 用当前 1.8.0 版本在美国机房把整个榜单同一天跑了三遍、逐站比对：317 个站里，99% 落在 ±5 以内，81% 两次分数完全一样（9 月用旧版本测是 96% 和 45%）。 所以单个站的分数请按 ±5 读，中位数是稳的。还会动的，主要是知识图谱查询，以及对爬虫时放时挡的站的门槛检查。 全部数据
- 分数能不能预测被引用：先登记、再检验，结果照实公开。 按随 1.8.1、1.8.2 事先登记的方案，第一波检验（2026-10-12 至 14 日；16 个类别、83 个网站、一家开联网搜索的 AI 的 1,280 个回答）没有检出分数和被引用之间的关系（平均秩相关 T = 0.07，p = 0.51）；这个设计能检出的 T 至少要有 0.29，没检出不等于没有。 结果、偏离和局限
- 我们自己抓到的 bug 也写在里面。 比如 307/308 重定向在 Python 3.11 以下不被跟随，导致同一个站的分数取决于谁的 Python 在跑； 又比如请求头里英文优先，会让部分中文站交回它的国际版。 第二个改请求头解决不了，所以做法是记录而不隐藏：结果里会注明实际测的是哪个域名。
- 我们自己的榜单页也被同一套量表测。 当前 89 分，档位「领先」。分数和缺口都公开——包括还差的那几项。
测出问题之后，该怎么办？
量表只回答一件事：引擎能不能引用你。它会不会引用， 取决于竞争和提问意图，任何站外审计都观察不到——所以我们不承诺排名，也不承诺引用量。 仓库里也刻意不给修改建议：打分开源，改法是我们的活。
- 免费 AIV 速览。我们跑一遍，然后做量表做不了的那部分：哪些缺口是真的、哪些不用管，先修哪一环、值不值得修。分数本身你可以自己跑一遍复核——开源的意义就在这。
- GEO 诊断 · ¥5,888 起。AIV 基线报告 + 海外竞品差距 + 30 天行动清单。 报告本身就是能力证明——你拿着它自己改也行。
- 全链路陪跑 + AIV 看板。按月对比，用同一个分数说话。 边界写在明处：不做代运营、不按 ROI 抽成、不承诺替代人力。
常见问题
geo-score 的分数准吗
看你问的是哪一种准。同一个站重复测：2026-10-12 同日复测，99% 的站两次相差不超过 5 分。 别人能不能复算：21 项规则、权重和依据全部开源，同样的页面谁跑都是同一个分。 和人工对不对得上：按同一套规则，84 对检查项里 80% 档位一致，不过只比了 5 个站，样本还小。
能不能预测被引用事先登记的检验第一波没有检出关系（T = 0.07，p = 0.51，只有一家 AI 的回答）；这个设计能检出的 T 至少要有 0.29，没检出不等于没有。结果和偏离
这和 SEO 是一回事吗
不是同一个问题。传统 SEO 问的是我排第几；回答引擎不排名—— 它检索段落、拼装答案、标注来源。
所以能被引用的前提变了：正文要在 HTML 里、开头一段要能独立成立、 数字要带出处、作者要可核。这些事 SEO 工具基本不测，因为在排名逻辑里它们不重要。
结论SEO 做得好的站，AIV 不一定高；反过来也成立。榜单上两种情况都不少。
分数低说明我的网站差吗
大多数情况下不说明。榜单中位数只有 55 分，四十几分是常态。 分数低通常意味着「没有针对 AI 检索做过建设」，而不是「网站做得差」—— 这两件事的修法完全不同。
被门槛封顶到 40 分的站尤其要看清原因：如果是正文只在 JS 跑完后存在， 那你的内容其实是好的，只是引擎读不到；如果是 robots.txt 点名屏蔽，那可能本来就是你们的决定。
为什么仓库里不给修改建议
刻意的。开源的是测量口径——量表、检查项、判据、原始数据， 目的是让分数可核验、可复算、可被质疑。
而怎么改、先改哪一项、投多少人天、谁来落地，是我们的交付内容。 把这两件事分开，量表才能被别人当中立标准用，包括被我们的竞品用。
我能自己复算榜单上的分数吗
能，这是设计目标。量表机器可读，每一档都写明「8 个采样页里命中几个」， 所以两个人测同一个站，算术上会一致。原始数据、跑分脚本、生成页面的脚本都在仓库里。
注意单次重跑有 ±5 的自然波动（采样页会变、站点的 bot 防护会变）。 要对比两个站，差距小于 5 分不要当结论。
榜单上没有我的站，能加吗
能。仓库里有专门的提交入口，要求先自己跑一遍并贴出结果那一行。 我们特别缺的是行业和语种覆盖薄的站——非英语站、受监管行业、平台、媒体。
提醒分数会公开，包括低分。这一点在提交模板里写明了， 而且不是自己的站也可以提名——所有检查都只跑公开网址。
量表都开源了，为什么还要找你们做免费速览？
因为量表只出数字，不出判断。你自己跑一遍拿到的分和我们跑的是同一个——这正是它开源的意义：我们给你的每一分你都能复核。速览多出来的是量表做不了的三件事。一，读结果：单次重跑有 ±5 的自然波动，门槛项会随站点的屏蔽策略翻转，哪些缺口是真的、哪些不用管，要有人看。二，放回你的生意里：九个环节先做哪一环，量表根本不知道你是做什么的。三，说清值不值得修、要多少工作量——打分我们开源了，改法是我们的活。会自己跑命令的，直接跑；不会的，或者跑完不知道下一步的，找我们，不收费。