Pine/ChouJuGEO
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases 1 Wiki Activity

feat: 重构项目结构并添加平台同步基础架构

Browse Source 
- 重构项目目录结构，将功能模块移至 modules/ 目录
- 创建平台同步基础架构，包括发布器基类和 GitHub 发布器
- 新增 UI 状态管理模块 (modules/ui/state.py) 统一管理会话状态
- 更新依赖配置，添加平台同步所需依赖 (httpx, pyperclip)
- 整理文档结构，将所有文档分类移至 docs/ 目录
- 添加 .cursorrules 文件定义项目开发规范
- 清理根目录重复文件，保持项目结构整洁
This commit is contained in:
刘国栋
2026-01-30 10:21:29 +08:00
parent 77d5ec70f8
commit 8f7f082c3d
102 changed files with 33742 additions and 1526 deletions
Download Patch File Download Diff File Expand all files Collapse all files
docs/features/CONFIG_OPTIMIZER_FEATURE.md
+224
View File
@@ -0,0 +1,224 @@
# 配置优化助手功能文档
## 📋 功能概述
配置优化助手是 GEO 工具的核心功能之一，用于分析品牌名称和核心优势是否 GEO 友好，并提供优化建议。这个功能解决了"源头配置不优，后续环节偏差放大"的问题。
### 核心价值
- **源头优化**：在配置阶段就确保品牌名和优势描述符合 GEO 最佳实践
- **提升效果**：优化后的配置可提升品牌提及率 40%+
- **差异化定位**：通过竞品对比分析，强化品牌差异化优势
- **智能指导**：从"被动生成"变成"智能指导"，帮助用户建立竞争优势
---
## 🎯 功能位置
**位置**：Tab10 - 配置优化助手（主内容区）
**入口**：点击顶部Tab栏的"10 配置优化助手"，然后点击"🔍 分析配置优化"按钮
---
## 📚 功能说明
### 1. 分析维度
配置优化助手从以下维度全面评估当前配置：
#### 1.1 品牌名独特性分析
- 是否过于泛化（如"AI助手"、"智能系统"等通用词）
- 是否容易被混淆或误认为是其他品牌
- 是否具有搜索友好性（用户容易搜索到）
- 是否在AI回答中容易被识别和提及
#### 1.2 优势描述分析
- 是否具体、可量化（避免"强大"、"优秀"等模糊词）
- 是否具有差异化（与竞品有明显区别）
- 是否包含E-E-A-T信号（专业性、经验性、权威性、可信度）
- 是否便于AI提取和引用
#### 1.3 竞品对比分析
- 当前配置在竞品中是否具有明显优势
- 哪些方面容易被竞品超越
- 如何强化差异化定位
#### 1.4 GEO友好度评估
- 品牌名是否容易被AI优先提及
- 优势描述是否符合GEO最佳实践
- 整体配置是否有助于提升提及率
---
### 2. 输出内容
#### 2.1 评估总结
- 200-300字的总结
- 概括当前配置的优势和不足
#### 2.2 优化建议
- **品牌名优化建议**：
- 问题：指出当前品牌名的问题
- 建议：给出优化建议
- **优势描述优化建议**：
- 问题：指出当前优势描述的问题
- 建议：给出优化建议
- **差异化强化建议**：
- 竞品对比：与竞品的对比分析
- 差异化策略：如何强化差异化
#### 2.3 推荐版本
提供3个优化后的配置版本（从保守到激进）：
- **版本1（保守优化）**：
- 品牌名：优化后的品牌名
- 优势描述：优化后的优势描述
- 理由：为什么这样优化
- **版本2（平衡优化）**：
- 品牌名：优化后的品牌名
- 优势描述：优化后的优势描述
- 理由：为什么这样优化
- **版本3（激进优化）**：
- 品牌名：优化后的品牌名
- 优势描述：优化后的优势描述
- 理由：为什么这样优化
#### 2.4 预期效果
- 提及率提升预期：预计提升幅度
- GEO友好度提升：预计提升幅度
- 差异化优势：预计强化效果
---
### 3. 一键应用
每个推荐版本都提供"应用版本"按钮，点击后：
- 自动更新全局配置中的品牌名和优势描述
- 提示用户重新点击"应用配置"以生效
- 自动刷新页面
---
## 🔧 技术实现
### 模块结构
- **文件**：`modules/config_optimizer.py`
- **类**：`ConfigOptimizer`
- **主要方法**：
- `optimize_config()`：执行配置优化分析
- `_parse_optimization_result()`：解析优化结果
### 工作流程
1. 用户进入Tab10（配置优化助手）
2. 系统检查配置是否有效
3. 系统检查配置hash，如果配置变化则清除旧结果
4. 用户点击"🔍 分析配置优化"按钮
5. 调用 `ConfigOptimizer.optimize_config()` 方法
6. 使用生成LLM进行分析（临时构建LLM实例）
7. 解析分析结果并存储到 `st.session_state.config_optimization_result`
8. 在主内容区显示优化建议和推荐版本
9. 用户可选择应用推荐版本
### 结果保存机制
- **自动保存**：优化结果保存在 `st.session_state.config_optimization_result` 中，刷新页面后仍可查看
- **配置变化检测**：使用配置hash（品牌名+优势+竞品）检测配置变化
- **自动清除**：当品牌名、优势描述或竞品列表变化时，自动清除旧结果，需要重新分析
---
## 📊 使用示例
### 示例1：品牌名过于泛化
**当前配置**：
- 品牌名：AI助手
- 优势：强大的AI能力
**优化建议**：
- 品牌名问题：过于泛化，无法区分品牌
- 建议：使用更具体的品牌名，如"汇信云AI软件"
**推荐版本**：
- 版本1：汇信云AI软件（保守）
- 版本2：汇信云AI外贸ERP（平衡）
- 版本3：汇信云AI驱动型外贸ERP（激进）
### 示例2：优势描述模糊
**当前配置**：
- 品牌名：汇信云AI软件
- 优势：强大、优秀、好用
**优化建议**：
- 优势描述问题：过于模糊，缺乏具体性
- 建议：使用具体、可量化的优势描述
**推荐版本**：
- 版本1：AI赋能外贸ERP、打造外贸智能新引擎（保守）
- 版本2：AI驱动型ERP、赋能外贸全流程管理（平衡）
- 版本3：AI驱动型ERP、全链路价值闭环、实时知识更新（激进）
---
## ✅ 最佳实践
### 1. 使用时机
- **首次配置**：在开始使用工具前，先进行配置优化
- **效果不佳时**：如果品牌提及率较低，重新优化配置
- **竞品变化时**：当竞品发生变化时，重新评估配置
### 2. 优化策略
- **保守优化**：适合已有一定品牌认知的情况
- **平衡优化**：适合大多数情况，推荐使用
- **激进优化**：适合新品牌或需要快速建立认知的情况
### 3. 应用建议
- 优化后建议重新运行关键词蒸馏和内容创作
- 对比优化前后的验证结果，评估优化效果
- 根据实际效果调整配置
---
## 🎯 预期效果
根据 GEO 社区验证（Reddit、FirstPageSage 等）：
- **提及率提升**：优化后提及率可提升 40%+
- **差异化优势**：通过竞品对比分析，强化品牌差异化定位
- **GEO友好度**：优化后的配置更符合 GEO 最佳实践
- **用户体验**：避免"配置错了还不知道"的痛点
---
## 📝 注意事项
1. **配置有效性**：需要先完成配置并点击"应用配置"才能进行分析
2. **LLM依赖**：需要生成LLM正常工作才能进行分析
3. **成本考虑**：每次分析会消耗一次LLM调用，建议在必要时使用
4. **应用生效**：应用推荐版本后，需要返回侧边栏重新点击"应用配置"才能生效
5. **结果保存**：优化结果会自动保存，刷新页面后仍可查看
6. **配置变化**：当修改品牌名、优势描述或竞品列表后，系统会自动清除旧结果，需要重新分析
---
## 🔗 相关文档
- `docs/analysis/GEO_COMPLIANCE_ANALYSIS.md` - GEO 合规性分析报告
- `README.md` - 项目主文档
- `docs/implementation/FEATURES_COMPLETE_LIST.md` - 完整功能列表
---
**最后更新**：2025-01-27
**功能状态**：✅ 已实现
docs/features/CONTENT_METRICS_FEATURE.md
+203
View File
@@ -0,0 +1,203 @@
# 内容质量指标分析功能说明
## 📋 功能概述
内容质量指标分析模块是 GEO 工具的核心功能之一，用于量化分析生成内容的质量，帮助用户数据驱动优化内容策略。
### 核心价值
- **量化内容质量**：通过 Trust Density、Citation Share、Authority Score、Engagement Potential 等指标量化内容质量
- **数据驱动优化**：基于指标数据识别高质量内容，优化内容生成策略
- **平台对比分析**：对比不同平台的内容质量指标，优化平台选择
- **内容排名**：识别 Top 内容，总结成功经验
## 🎯 功能位置
### Tab6（AI 数据报表）- 内容质量指标分析模块
在 Tab6 中，内容质量指标分析模块位于 ROI 分析与成本优化之后、关键词效果排名之前。
## 📊 指标说明
### 1. Trust Density（信任密度）
**定义**：每100字信任信号数
**计算方式**：
- 统计内容中的信任信号（来源占位、数据点、案例等）
- 计算每100字的信任信号数量
**信任信号包括**：
- 来源占位：如"根据XX报告"、"参考XX研究"、"来自XX数据"
- 数据点：百分比、数量、倍数等（如"80%"、"3倍"、"100个"）
- 案例：如"某企业案例"、"实际测试表明"、"使用中发现"
**目标值**：建议 > 2.0（每100字至少2个信任信号）
---
### 2. Citation Share（引用比例）
**定义**：品牌引用比例（品牌提及次数 / 总提及次数）
**计算方式**：
- 统计内容中品牌名称的提及次数
- 计算品牌提及在总提及中的比例
**目标值**：建议 5-15%（自然提及，不过度）
---
### 3. Authority Score（权威性得分）
**定义**：权威性得分（0-100分）
**计算方式**：
- 来源占位得分（最多30分）：每个来源占位 +5分
- 信任信号密度得分（最多40分）：基于信任信号密度
- 数据点得分（最多30分）：每个数据点 +2分
**目标值**：建议 > 60分
---
### 4. Engagement Potential（参与度潜力）
**定义**：参与度潜力（0-100分）
**计算方式**：
- 标题得分（最多20分）：每个标题 +2分
- 列表得分（最多25分）：每个列表项 +1.5分
- FAQ 得分（最多25分）：每个FAQ对 +3分
- 代码块得分（最多15分）：每个代码块 +5分
- 表格得分（最多10分）：每个表格 +2分
- 引用得分（最多5分）：每个引用 +1分
**目标值**：建议 > 50分
## 🔄 工作流程
### 1. 自动分析
系统会自动分析所有历史文章的内容质量指标：
1. **获取文章**：从数据库获取指定品牌的所有文章
2. **批量分析**：对每篇文章计算各项指标
3. **汇总统计**：计算平均指标值
### 2. 查看指标分析
1. **指标概览**：查看平均 Trust Density、Citation Share、Authority Score、Engagement Potential
2. **详细指标**：查看每篇文章的详细指标数据
3. **可视化分析**：查看指标分布图、热力图、相关性分析
4. **Top 排名**：查看各项指标的 Top 5 内容
### 3. 优化建议
基于指标数据，系统会提供优化建议：
- 低 Trust Density：建议增加来源占位、数据点、案例
- 低 Citation Share：建议自然增加品牌提及
- 低 Authority Score：建议增加来源占位和数据点
- 低 Engagement Potential：建议增加结构化元素（标题、列表、FAQ等）
## 📊 功能模块
### 指标概览
显示关键指标的平均值：
- **平均 Trust Density**：每100字信任信号数
- **平均 Citation Share**：品牌引用比例
- **平均 Authority Score**：权威性得分（0-100）
- **平均 Engagement Potential**：参与度潜力（0-100）
### 详细指标分析
显示每篇文章的详细指标：
- 关键词
- 平台
- Trust Density
- Citation Share (%)
- Authority Score
- Engagement Potential
- 信任信号数
- 来源占位
- 品牌提及
### 指标可视化
1. **分布图**：
- Trust Density 分布
- Authority Score 分布
2. **热力图**：
- 各平台平均指标热力图（按平台对比）
3. **相关性分析**：
- 指标相关性矩阵（分析指标之间的关联）
### Top 内容排名
显示各项指标的 Top 5 内容：
- Top 5 Trust Density
- Top 5 Citation Share
- Top 5 Authority Score
- Top 5 Engagement Potential
### 数据导出
支持导出指标数据为 CSV 文件，包含所有文章的详细指标数据。
## 💡 使用建议
### 1. 定期查看指标
建议每次生成内容后，在 Tab6 查看内容质量指标，了解内容质量趋势。
### 2. 对比平台效果
使用平台指标热力图对比不同平台的内容质量，优化平台选择策略。
### 3. 学习 Top 内容
查看 Top 内容排名，分析高质量内容的特征，总结成功经验。
### 4. 优化内容生成
基于指标数据，调整内容生成策略：
- 低 Trust Density：在 Prompt 中强调添加来源占位和数据点
- 低 Authority Score：使用"证据驱动"优化技巧
- 低 Engagement Potential：使用"对话式设计"或"步骤式指南"优化技巧
## 🔧 技术实现
### 模块位置
- **分析模块**：`modules/content_metrics.py`
- **UI 集成**：`modules/geo_tool.py` Tab6
### 核心类
- `ContentMetricsAnalyzer`：内容质量指标分析器
- `analyze_content()`：分析单篇文章
- `analyze_batch()`：批量分析文章
- `get_metrics_summary()`：获取指标汇总统计
### 指标计算
使用正则表达式模式匹配识别：
- 信任信号模式
- 来源占位模式
- 结构化元素模式
- 品牌提及模式
## 📝 更新日志
- **2025-01-26**：初始版本发布
- 实现 Trust Density、Citation Share、Authority Score、Engagement Potential 四个核心指标
- 添加指标可视化和 Top 排名功能
- 集成到 Tab6（AI 数据报表）
---
**版本**：1.0.0
**最后更新**：2025-01-26
docs/features/CONTENT_SCORER_FEATURE.md
+283
View File
@@ -0,0 +1,283 @@
# 内容质量评分功能说明
## 📋 功能概述
内容质量评分模块是 GEO 工具的核心功能之一，用于自动评估生成内容的质量，从多个维度进行评分，并提供详细的改进建议，帮助用户优化内容以提升 GEO 效果。
### 核心价值
- **量化内容质量**：通过多维度评分（0-100分）量化内容质量
- **数据驱动优化**：基于评分数据识别内容问题，针对性优化
- **提升 GEO 效果**：确保内容符合 GEO 原则，提升在 AI 模型中的引用率
- **自动化评估**：使用 LLM 自动评估，无需人工检查
## 🎯 功能位置
### Tab2（自动创作）- 内容质量评分
在 Tab2 生成内容后，系统会自动对每篇内容进行质量评分：
1. **自动评分**：内容生成完成后自动调用评分系统
2. **评分展示**：在内容预览区域显示评分结果
3. **详细分析**：展示各维度得分和改进建议
## 📊 评分维度
### 1. 结构化程度（25分）
**评估标准**：
- 是否有清晰的标题层级？
- 是否包含清单、列表、FAQ 等结构化元素？
- 内容层次是否清晰？
- 是否有结论摘要？
**目标**：确保内容结构清晰，便于 AI 模型理解和提取
---
### 2. 品牌提及质量（25分）
**评估标准**：
- 品牌提及次数是否合适（2-4次）？
- 品牌提及位置是否靠前（前1/3优先）？
- 品牌提及是否自然（先通用标准，再品牌适用）？
- 品牌与内容的关联度如何？
**目标**：确保品牌提及自然、有效，提升品牌在 AI 模型中的提及率
---
### 3. 内容权威性（25分）
**评估标准**：
- 是否有数据支撑或案例引用？
- 是否有评估维度或选择标准？
- 是否避免编造数据（使用占位建议）？
- 内容是否专业可信？
**目标**：确保内容权威可信，符合 E-E-A-T 原则
---
### 4. 可引用性（25分）
**评估标准**：
- 信息密度是否高？
- 结论是否先行？
- 是否容易被 AI 提取和引用？
- 是否符合目标平台的格式要求？
**目标**：确保内容容易被 AI 模型提取和引用
---
## 🔄 工作流程
### 自动评分流程
1. **内容生成**
- 在 Tab2 生成内容（单篇或批量）
2. **自动评分**
- 系统自动调用评分系统
- 使用 LLM 对内容进行全面评估
- 生成多维度评分结果
3. **结果展示**
- 显示总分（0-100分）
- 显示各维度得分（结构化、品牌提及、权威性、可引用性）
- 显示详细评估和改进建议
4. **优化建议**
- 根据评分结果，提供具体的改进建议
- 识别内容优点和不足
---
## 📊 评分等级
### 评分等级划分
- **90-100分**：优秀（绿色）
- 内容质量很高，符合 GEO 原则
- 可以直接使用或仅需微调
- **75-89分**：良好（蓝色）
- 内容质量良好，基本符合 GEO 原则
- 建议根据改进建议进行优化
- **60-74分**：中等（橙色）
- 内容质量中等，部分符合 GEO 原则
- 建议重点优化低分维度
- **0-59分**：需改进（红色）
- 内容质量较低，不符合 GEO 原则
- 建议重新生成或大幅优化
---
## 💡 使用建议
### 1. 关注总分和等级
- **优秀（90-100分）**：可以直接使用
- **良好（75-89分）**：根据改进建议优化
- **中等（60-74分）**：重点优化低分维度
- **需改进（0-59分）**：重新生成或大幅优化
### 2. 分析各维度得分
- **结构化得分低**：添加标题、列表、FAQ 等结构化元素
- **品牌提及得分低**：增加品牌提及次数，优化提及位置
- **权威性得分低**：添加数据支撑、案例引用、来源占位
- **可引用性得分低**：提升信息密度，结论先行
### 3. 参考改进建议
- 仔细阅读改进建议
- 根据建议针对性优化内容
- 优化后可以重新评分验证效果
### 4. 对比不同内容
- 对比不同平台内容的评分
- 分析高分内容的特征
- 总结成功经验，应用到其他内容
---
## 🔧 技术实现
### 模块位置
- **评分模块**：`modules/content_scorer.py`
- **UI 集成**：`modules/geo_tool.py` Tab2
### 核心类
- `ContentScorer`：内容质量评分器
- `score_content()`：对内容进行质量评分
- `get_score_level()`：根据总分返回等级和颜色
- `get_quick_assessment()`：快速评估（基于规则，不调用 LLM）
### 评分算法
1. **LLM 评估**：
- 使用 LLM 对内容进行全面评估
- 基于 GEO 原则和最佳实践
- 生成多维度评分和改进建议
2. **结果解析**：
- 解析 LLM 返回的 JSON 格式结果
- 如果解析失败，使用备用方案从文本中提取信息
3. **快速评估**（可选）：
- 基于规则的快速评估
- 不调用 LLM，用于初步评估
- 检查标题、列表、FAQ、品牌提及等基础元素
---
## 📝 评分结果格式
### 评分数据结构
```json
{
"scores": {
"structure": 20, // 结构化得分（0-25）
"brand_mention": 22, // 品牌提及得分（0-25）
"authority": 18, // 权威性得分（0-25）
"citations": 19, // 可引用性得分（0-25）
"total": 79 // 总分（0-100）
},
"details": {
"structure": "内容结构清晰，包含标题和列表...",
"brand_mention": "品牌提及3次，位置靠前...",
"authority": "有数据支撑，但缺少来源占位...",
"citations": "信息密度较高，结论先行..."
},
"improvements": [
"建议添加更多来源占位，提升权威性",
"建议优化品牌提及位置，确保前1/3提及",
"建议添加 FAQ 部分，提升结构化程度"
],
"strengths": [
"内容结构清晰，层次分明",
"品牌提及自然，关联度高"
]
}
```
---
## ⚠️ 注意事项
1. **需要 LLM 配置**
- 内容质量评分需要配置生成 LLM 的 API Key
- 如果 LLM 未配置，评分功能将无法使用
2. **评分准确性**
- 评分结果基于 LLM 的评估，可能存在一定主观性
- 建议结合人工检查，综合判断内容质量
3. **API 成本**
- 每次评分会消耗 API 调用
- 批量生成时，建议关注 API 成本
4. **评分时间**
- LLM 评分需要一定时间
- 批量生成时，评分会增加总耗时
---
## 🔗 相关功能
- **内容生成**：在 Tab2 生成内容后自动评分
- **E-E-A-T 强化**：在 Tab2 和 Tab3 进行 E-E-A-T 强化
- **内容优化**：在 Tab3 优化内容，提升评分
- **多模型验证**：在 Tab4 验证内容效果，与评分结果对比
---
## 🎯 最佳实践
1. **生成后立即评分**
- 内容生成后立即查看评分
- 根据评分结果决定是否需要优化
2. **关注低分维度**
- 重点关注得分较低的维度
- 根据改进建议针对性优化
3. **对比分析**
- 对比不同内容的评分
- 分析高分内容的特征
- 总结成功经验
4. **持续优化**
- 根据评分结果持续优化内容生成策略
- 调整 Prompt 模板，提升内容质量
---
## 📈 预期效果
使用内容质量评分功能后：
1. **提升内容质量**
- 量化内容质量，识别问题
- 针对性优化，提升 GEO 效果
2. **优化生成策略**
- 基于评分数据优化 Prompt 模板
- 提升内容生成质量
3. **数据驱动决策**
- 基于评分数据决定内容是否发布
- 优先发布高质量内容
---
**版本**：1.0.0
**最后更新**：2025-01-27
docs/features/EEAT_FEATURE.md
+143
View File
@@ -0,0 +1,143 @@
# E-E-A-T 强化 + 来源占位功能说明
## 📋 功能概述
E-E-A-T 强化模块是 GEO 工具的核心功能之一，用于提升内容的专业性、经验性、权威性和可信度，从而提升内容在 AI 模型中的引用率和可信度。
### E-E-A-T 含义
- **E**xpertise（专业性）：内容展示深度的专业知识
- **E**xperience（经验性）：包含实际使用经验或案例
- **A**uthoritativeness（权威性）：引用权威来源或数据
- **T**rustworthiness（可信度）：内容诚实、透明、负责任
## 🎯 功能位置
### 1. 文章优化模块（Tab3）
在文章优化完成后，可以：
1. **📊 评估 E-E-A-T**：评估当前内容的 E-E-A-T 水平
- 显示四个维度的得分（每个维度 0-25 分，总分 100 分）
- 提供详细的评估说明
- 检查来源占位情况
- 提供改进建议
2. **✨ 强化 E-E-A-T**：自动优化内容以提升 E-E-A-T
- 增强专业性表述
- 添加经验性描述
- 插入来源占位（数据来源、案例来源、标准来源、专家观点）
- 提升可信度标记
### 2. 内容生成模块（Tab2）
在内容生成后，可以：
1. **📊 评估 E-E-A-T**：评估生成内容的 E-E-A-T 水平
2. **✨ 强化 E-E-A-T**：对生成内容进行 E-E-A-T 强化
## 📚 来源占位类型
系统会自动添加以下类型的来源占位：
### 1. 数据来源占位（至少 2 处）
- 格式："根据XX行业报告"、"XX数据显示"、"据XX统计"
- 示例：
- "根据2024年外贸软件行业报告显示"
- "据公开市场调研数据显示"
### 2. 案例来源占位（至少 1 处）
- 格式："某企业案例"、"参考XX实践"、"XX公司案例"
- 示例：
- "参考某大型外贸企业的实际应用案例"
- "某知名企业的成功实践表明"
### 3. 标准来源占位（至少 1 处）
- 格式："按照XX标准"、"参考XX规范"、"符合XX要求"
- 示例：
- "按照ISO质量管理体系标准"
- "参考行业最佳实践规范"
### 4. 专家观点占位（可选，1 处）
- 格式："行业专家认为"、"XX机构指出"、"权威分析显示"
- 示例：
- "行业专家普遍认为"
- "权威机构分析指出"
## 🔄 工作流程
### 推荐工作流程
1. **生成或优化内容**
- 在 Tab2 生成内容，或在 Tab3 优化现有文章
2. **评估 E-E-A-T**
- 点击"📊 评估 E-E-A-T"按钮
- 查看四个维度的得分
- 查看详细评估和改进建议
3. **强化 E-E-A-T**（如需要）
- 如果评估分数较低（<75分），点击"✨ 强化 E-E-A-T"
- 系统会自动添加来源占位和提升 E-E-A-T 元素
- 查看来源占位清单
4. **验证效果**
- 在 Tab4 进行多模型验证
- 查看品牌提及率是否提升
## 📊 评分标准
### E-E-A-T 评分（总分 100 分）
- **专业性（25分）**
- 使用专业术语和准确的技术描述
- 提供专业见解和分析
- 展示对该领域的专业理解
- **经验性（25分）**
- 包含实际使用经验或案例
- 有第一手体验描述
- 分享实践中的洞察和教训
- **权威性（25分）**
- 引用权威来源或数据
- 提及行业标准、研究报告或官方文档
- 有明确的来源占位建议
- **可信度（25分）**
- 避免编造数据或虚假信息
- 明确标注不确定信息
- 提供可验证的信息
### 评分等级
- **90-100分**：优秀（绿色）
- **75-89分**：良好（蓝色）
- **60-74分**：中等（橙色）
- **0-59分**：需改进（红色）
## 💡 使用建议
1. **优先评估**：在强化前先评估，了解当前水平
2. **针对性强化**：根据评估结果，重点关注低分维度
3. **来源占位**：确保至少添加 2 处数据来源占位
4. **经验性表述**：添加"实际测试"、"使用中发现"等表述
5. **可信度标记**：对不确定信息使用"据公开资料"、"建议参考"等标记
## ⚠️ 注意事项
1. **不编造来源**：所有来源占位都是占位符，不要编造真实的来源名称
2. **保持原意**：E-E-A-T 强化不会改变内容的核心信息和原意
3. **平台适配**：不同平台对来源占位的要求可能不同，请根据平台特点调整
4. **验证效果**：强化后建议在 Tab4 进行验证，确认效果
## 🔗 相关功能
- **内容质量评分**：在 Tab2 内容生成后自动进行
- **多模型验证**：在 Tab4 验证品牌提及率
- **历史记录**：在 Tab5 查看历史优化记录
---
**版本**：v1.0
**更新日期**：2025-01-26
docs/features/FACT_DENSITY_FEATURE.md
+213
View File
@@ -0,0 +1,213 @@
# 事实密度 + 结构化块功能说明
## 📋 功能概述
事实密度 + 结构化块增强模块是 GEO 工具的核心功能之一，用于提升内容的事实信息密度和结构化程度，从而提升内容在 AI 模型中的引用率和可读性。
### 核心价值
- **事实密度**：量化内容中的事实性信息，确保信息丰富、有数据支撑
- **结构化块**：自动检测和优化内容的结构化元素，提升可读性和可引用性
- **智能优化**：自动添加缺失的事实信息和结构化块，保持内容原意
## 🎯 功能位置
### 1. 内容生成模块（Tab2）
在内容生成后，可以：
1. **📊 评估事实密度**：评估生成内容的事实密度和结构化程度
- 显示事实密度得分（0-50分）
- 显示结构化得分（0-50分）
- 提供详细的事实分析和结构化分析
2. **✨ 强化事实密度**：自动优化内容以提升事实密度和结构化
- 添加数据信息、案例信息、标准信息等
- 添加标题层级、清单列表、FAQ等结构化块
### 2. 文章优化模块（Tab3）
在文章优化后，可以：
1. **📊 评估事实密度**：评估优化后文章的事实密度和结构化程度
2. **✨ 强化事实密度**：对优化后的文章进行事实密度和结构化强化
## 📊 评估维度
### 事实密度（50分）
评估内容中包含的事实性信息：
1. **数据信息**（10分）
- 具体数字、百分比、统计数据
- 示例："80%的用户"、"2024年数据显示"
2. **案例信息**（10分）
- 具体案例、实例、应用场景
- 示例："某企业案例"、"实际应用表明"
3. **标准信息**（8分）
- 行业标准、规范、要求
- 示例："ISO标准"、"行业规范"
4. **对比信息**（8分）
- 对比数据、差异说明
- 示例："相比传统方案提升30%"
5. **时间信息**（7分）
- 时间节点、时效性
- 示例："2024年"、"最新版本"
6. **来源信息**（7分）
- 数据来源、案例来源
- 示例："根据XX报告"、"参考XX研究"
### 结构化块（50分）
评估内容的结构化元素：
1. **标题层级**（7分）
- 是否有清晰的标题层级（H1/H2/H3）
2. **结论摘要**（7分）
- 是否有开头的结论摘要（80-120字）
3. **清单列表**（7分）
- 是否有清单、列表、要点（- 或 1. 格式）
4. **FAQ部分**（7分）
- 是否有常见问题解答
5. **代码块**（6分）
- 技术内容是否有代码示例（如适用）
6. **对比表格**（6分）
- 是否有对比表格或对比列表
7. **步骤说明**（5分）
- 是否有步骤、流程说明
8. **总结部分**（5分）
- 是否有结尾总结
## 🔄 强化功能
### 事实密度强化
系统会自动添加以下类型的事实信息：
1. **数据信息**
- 在合适位置添加数据占位
- 示例："根据XX数据显示，约XX%的企业"
2. **案例信息**
- 添加实际案例或应用场景（用占位符）
- 示例："某企业案例表明"
3. **标准信息**
- 提及相关标准或规范
- 示例："按照XX标准"、"参考XX规范"
4. **对比信息**
- 添加对比数据或差异说明
- 示例："相比传统方案，提升约XX%"
5. **时间信息**
- 明确时间节点或时效性
- 示例："2024年最新"、"当前版本"
6. **来源信息**
- 标注数据来源
- 示例："根据XX行业报告"、"参考XX研究"
### 结构化块强化
系统会自动添加以下结构化元素：
1. **标题层级**：确保有清晰的标题层级（H1/H2/H3）
2. **结论摘要**：在开头添加结论摘要（80-120字）
3. **清单列表**：将要点整理为清单格式
4. **FAQ部分**：至少3-5个常见问题解答
5. **代码块**：技术内容添加代码示例（如适用）
6. **对比表格**：如有多个选项，用表格或列表对比
7. **步骤说明**：如有流程，用步骤格式说明
8. **总结部分**：在结尾添加总结部分
## 🔄 工作流程
### 推荐工作流程
1. **生成或优化内容**
- 在 Tab2 生成内容，或在 Tab3 优化现有文章
2. **评估事实密度**
- 点击"📊 评估事实密度"按钮
- 查看事实密度和结构化得分
- 查看详细的事实分析和结构化分析
3. **强化事实密度**（如需要）
- 如果评估分数较低（<75分），点击"✨ 强化事实密度"
- 系统会自动添加事实信息和结构化块
- 查看强化详情
4. **验证效果**
- 在 Tab4 进行多模型验证
- 查看品牌提及率是否提升
## 📊 评分标准
### 总分（100分）
- **事实密度**（50分）：评估内容中的事实性信息
- **结构化**（50分）：评估内容的结构化元素
### 评分等级
- **90-100分**：优秀（绿色）
- **75-89分**：良好（蓝色）
- **60-74分**：中等（橙色）
- **0-59分**：需改进（红色）
## 💡 使用建议
1. **优先评估**：在强化前先评估，了解当前水平
2. **针对性强化**：根据评估结果，重点关注低分维度
3. **事实信息**：确保至少添加数据信息、案例信息、来源信息
4. **结构化块**：确保至少包含标题层级、结论摘要、清单列表、FAQ
5. **保持原意**：强化不会改变内容的核心信息和原意
## ⚠️ 注意事项
1. **不编造数据**：所有事实信息使用占位符，不要编造具体数据
2. **保持原意**：事实密度强化不会改变内容的核心信息和原意
3. **平台适配**：不同平台对结构化块的要求可能不同
4. **验证效果**：强化后建议在 Tab4 进行验证，确认效果
## 🔗 相关功能
- **E-E-A-T 强化**：在 Tab2 和 Tab3 中提供
- **内容质量评分**：在 Tab2 内容生成后自动进行
- **多模型验证**：在 Tab4 验证品牌提及率
- **历史记录**：在 Tab5 查看历史优化记录
## 🎯 最佳实践
1. **分阶段优化**：
- 首先生成或优化内容
- 然后评估事实密度和结构化
- 最后根据评估结果进行强化
2. **质量优先**：
- 关注事实密度分析中的各类信息数量
- 确保各类事实信息都有一定数量
- 确保结构化块完整
3. **验证优化**：
- 使用强化后的内容生成内容
- 在 Tab4 验证提及率
- 根据验证结果调整策略
---
**版本**：v1.0
**更新日期**：2025-01-26
docs/features/JSON_LD_SCHEMA_FEATURE.md
+267
View File
@@ -0,0 +1,267 @@
# JSON-LD Schema.org 结构化数据生成功能说明
## 📋 功能概述
JSON-LD Schema.org 结构化数据生成模块是 GEO 工具的核心功能之一，用于生成符合 Schema.org 规范的 JSON-LD 代码，直接提升品牌在 AI 模型中的实体识别和权威性。
### 核心价值
- **直接提升实体识别**：2026 年 AI 模型越来越依赖结构化数据识别实体
- **立竿见影的效果**：用户可直接将代码贴到官网/GitHub，无需等待索引
- **权威性提升**：结构化数据明确标识品牌信息，提升在知识图谱中的权威性
- **符合标准**：使用 Schema.org 标准，被 Google、百度、AI 模型广泛支持
## 🎯 功能位置
### 1. Tab2（自动创作）- 独立生成模块
在 Tab2 顶部，提供独立的 JSON-LD Schema 生成功能：
1. **选择 Schema 类型**
- Organization（组织/公司）
- SoftwareApplication（软件应用）
- Product（产品）
- Service（服务）
- 组合（Organization + SoftwareApplication）
2. **一键生成**
- 点击"🚀 生成 JSON-LD"按钮
- 自动基于品牌信息和优势生成 Schema
3. **查看和下载**
- 查看 JSON-LD 代码
- 查看 HTML Script 标签
- 下载 JSON 文件或 HTML 文件
### 2. Tab2（自动创作）- 自动生成
在生成 GitHub README 时，系统会自动生成对应的 JSON-LD Schema：
- 自动生成 SoftwareApplication 类型的 Schema
- 在内容预览区域显示 JSON-LD 代码
- 提供下载功能
## 📊 支持的 Schema 类型
### 1. Organization（组织/公司）
适合：企业品牌、公司官网
**包含字段：**
- name（名称）
- description（描述）
- url（官网 URL）
- logo（Logo URL）
- foundingDate（成立日期）
- contactPoint（联系方式）
**使用场景：**
- 公司官网
- 企业介绍页面
- 关于我们页面
### 2. SoftwareApplication（软件应用）
适合：SaaS 产品、软件工具、应用程序
**包含字段：**
- name（应用名称）
- description（应用描述）
- url（应用 URL）
- applicationCategory（应用类别）
- operatingSystem（操作系统）
- publisher（发布者）
- featureList（功能列表）
- offers（价格信息）
- aggregateRating（评分信息）
**使用场景：**
- GitHub 项目
- 软件官网
- 应用商店页面
### 3. Product（产品）
适合：实体产品或数字产品
**包含字段：**
- name（产品名称）
- description（产品描述）
- url（产品 URL）
- category（产品类别）
- brand（品牌信息）
- offers（价格信息）
- aggregateRating（评分信息）
**使用场景：**
- 产品详情页
- 电商页面
- 产品介绍页
### 4. Service（服务）
适合：服务类业务
**包含字段：**
- name（服务名称）
- description（服务描述）
- url（服务 URL）
- serviceType（服务类型）
- provider（服务提供者）
- areaServed（服务区域）
- offers（价格信息）
**使用场景：**
- 服务介绍页
- 服务详情页
- 业务介绍页
### 5. 组合 Schema
同时生成 Organization + SoftwareApplication/Product/Service
**优势：**
- 同时标识组织信息和产品/服务信息
- 建立更完整的品牌知识图谱
- 提升权威性
## 🔄 使用方法
### 方法一：独立生成（推荐）
1. **进入 Tab2（自动创作）**
2. **选择 Schema 类型**
- 根据您的业务类型选择（软件产品选 SoftwareApplication，公司选 Organization）
3. **点击"🚀 生成 JSON-LD"**
4. **查看生成的代码**
- JSON-LD 代码：可直接使用
- HTML Script 标签：可直接嵌入网页
5. **下载代码**
- 下载 JSON 文件：用于 GitHub 等平台
- 下载 HTML 文件：用于官网嵌入
### 方法二：自动生成（GitHub README）
1. **在 Tab2 生成 GitHub README 内容**
2. **系统自动生成对应的 JSON-LD Schema**
3. **在内容预览区域查看 JSON-LD 代码**
4. **下载并添加到 GitHub 项目**
## 📝 使用示例
### 示例 1：嵌入官网
```html
<!DOCTYPE html>
<html>
<head>
<title>我的品牌</title>
<!-- 将生成的 HTML Script 标签粘贴到这里 -->
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "SoftwareApplication",
"name": "汇信云AI软件",
"description": "AI赋能外贸ERP...",
...
}
</script>
</head>
<body>
...
</body>
</html>
```
### 示例 2：添加到 GitHub README
在 GitHub 项目的 README.md 文件中，可以添加 JSON-LD Schema 的说明：
```markdown
# 我的项目
项目描述...
<!-- JSON-LD Schema -->
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "SoftwareApplication",
...
}
</script>
```
## 🎯 最佳实践
1. **选择合适的 Schema 类型**
- SaaS 产品：SoftwareApplication
- 企业品牌：Organization
- 实体产品：Product
- 服务业务：Service
2. **完善 Schema 信息**
- 添加官网 URL
- 添加 Logo URL
- 添加联系方式
- 添加功能列表（如适用）
3. **验证 Schema**
- 使用 [Google Rich Results Test](https://search.google.com/test/rich-results) 验证
- 使用 [Schema.org Validator](https://validator.schema.org/) 验证
4. **多平台部署**
- 官网：嵌入 HTML Script 标签
- GitHub：添加到 README.md
- 其他平台：根据平台要求调整
## ⚠️ 注意事项
1. **不要编造信息**
- 所有信息必须真实
- URL 必须可访问
- Logo 必须存在
2. **保持更新**
- 品牌信息变化时及时更新 Schema
- 定期检查 Schema 有效性
3. **遵循规范**
- 使用标准的 Schema.org 类型
- 确保 JSON 格式正确
- 避免使用不支持的属性
4. **测试验证**
- 部署前使用验证工具测试
- 确保 AI 模型能正确解析
## 🔗 相关资源
- [Schema.org 官方文档](https://schema.org/)
- [Google Rich Results Test](https://search.google.com/test/rich-results)
- [Schema.org Validator](https://validator.schema.org/)
- [JSON-LD 规范](https://json-ld.org/)
## 💡 预期效果
使用 JSON-LD Schema.org 结构化数据后：
1. **AI 模型识别**
- AI 模型能更准确地识别品牌实体
- 提升品牌在知识图谱中的权威性
- 改善品牌信息的准确性
2. **搜索引擎优化**
- 提升在 Google、百度等搜索引擎中的展示
- 可能获得 Rich Results（富媒体结果）
- 提升点击率
3. **知识图谱**
- 建立品牌在知识图谱中的节点
- 与其他实体建立关联
- 提升品牌权威性
---
**版本**：v1.0
**更新日期**：2025-01-26
docs/features/KEYWORD_MINING_FEATURE.md
+158
View File
@@ -0,0 +1,158 @@
# 智能关键词挖掘与趋势分析功能文档
## 📋 功能概述
智能关键词挖掘与趋势分析功能帮助用户发现高价值关键词，分析竞争度，预测趋势，优化关键词策略，提升 ROI。
## 🎯 核心功能
### 1. 行业热点挖掘 🌐
- **功能**：基于行业趋势自动挖掘高价值关键词
- **输入**：行业领域、品牌信息、核心优势
- **输出**：挖掘的关键词列表，包含类别、意图、预估价值
- **特点**：
- 使用 LLM 分析行业趋势
- 覆盖不同搜索意图（对比、评测、使用、购买等）
- 提供预估价值评分（1-10分）
### 2. 竞争度分析 📊
- **功能**：分析关键词在 AI 中的提及频率和竞争程度
- **输入**：关键词列表
- **输出**：每个关键词的竞争度分析结果
- **指标**：
- 提及率：品牌在验证结果中的提及频率
- 竞争级别：低/中/高
- 竞品提及次数
- 总提及次数
- 数据点数量
### 3. 趋势预测 📈
- **功能**：基于历史数据预测关键词热度变化趋势
- **输入**：关键词列表、预测天数
- **输出**：每个关键词的趋势预测结果
- **指标**：
- 趋势方向：上升/下降/稳定
- 趋势强度：0-1
- 预测提及率：未来 N 天的预测值
- 置信度：预测的可靠程度
- 当前提及率：当前的实际值
### 4. 价值矩阵分析 💎
- **功能**：分析关键词的价值和竞争度，找到最优投入策略
- **输入**：关键词列表、竞争度数据、预估价值（可选）
- **输出**：价值矩阵分析结果和智能推荐
- **矩阵位置**：
- **高价值低竞争**：强烈推荐，优先投入
- **高价值高竞争**：谨慎投入，需要持续优化
- **低价值低竞争**：可考虑，适合长尾策略
- **低价值高竞争**：不推荐，避免投入
### 5. 智能推荐 ⭐
- **功能**：基于价值矩阵、竞争度、趋势数据，智能推荐最优关键词
- **算法**：推荐分数 = 价值分数 - 竞争分数/2 + 趋势加分
- **输出**：按推荐度排序的关键词列表
## 🚀 使用指南
### 行业热点挖掘
1. **进入 Tab1（关键词蒸馏）**
2. **滚动到"智能关键词挖掘与趋势分析"部分**
3. **点击"🌐 行业热点挖掘"标签页**
4. **输入行业领域**（如：外贸ERP、AI工具、SaaS产品等）
5. **设置挖掘数量**（10-50个）
6. **点击"🚀 开始挖掘"**
7. **查看挖掘结果**，点击"添加"按钮将关键词添加到列表
### 竞争度分析
1. **在"📊 竞争度分析"标签页**
2. **选择要分析的关键词**（可多选）
3. **点击"📊 开始分析"**
4. **查看分析结果**：
- 数据表格：显示每个关键词的竞争度指标
- 可视化图表：柱状图展示竞争度对比
### 趋势预测
1. **在"📈 趋势预测"标签页**
2. **选择要预测的关键词**（可多选）
3. **设置预测天数**（7-90天）
4. **点击"🔮 开始预测"**
5. **查看预测结果**：数据表格显示趋势信息
### 价值矩阵分析
1. **在"💎 价值矩阵分析"标签页**
2. **选择要分析的关键词**（可多选）
3. **点击"💎 开始分析"**
4. **查看分析结果**：
- 数据表格：显示价值矩阵数据
- 散点图：可视化价值矩阵（X轴：竞争度，Y轴：价值）
- 智能推荐：按推荐度排序的关键词列表
## 📊 数据说明
### 竞争度级别判断标准
- **低竞争**：提及率 ≥ 60%
- **中竞争**：提及率 30-60%
- **高竞争**：提及率 < 30%
### 价值矩阵位置判断
- **高价值**：价值分数 ≥ 6
- **低价值**：价值分数 < 6
- **低竞争**：竞争分数 ≤ 4
- **高竞争**：竞争分数 > 4
### 趋势预测算法
- 使用简单线性回归分析历史数据
- 基于时间序列的斜率判断趋势方向
- 置信度基于数据点数量（10个数据点达到最高置信度）
## ⚠️ 注意事项
1. **数据依赖**
- 竞争度分析需要历史验证数据
- 趋势预测需要足够的历史数据点（建议至少 5 个）
- 数据点越多，分析结果越准确
2. **预估价值**
- 行业热点挖掘会提供预估价值
- 如果没有预估价值，系统会基于提及率估算
- 建议先进行行业热点挖掘，再进行分析
3. **分析顺序建议**
- 先进行行业热点挖掘，发现新关键词
- 然后进行竞争度分析，了解竞争情况
- 再进行趋势预测，了解未来趋势
- 最后进行价值矩阵分析，获得综合推荐
## 🎯 最佳实践
1. **定期挖掘**
- 定期进行行业热点挖掘，发现新机会
- 关注行业变化，及时更新关键词策略
2. **综合分析**
- 结合竞争度、趋势、价值矩阵进行综合判断
- 优先投入"高价值低竞争"的关键词
3. **数据积累**
- 定期进行验证，积累历史数据
- 数据越多，分析结果越准确
4. **持续优化**
- 根据分析结果调整关键词策略
- 关注趋势变化，及时调整投入
## 📈 预期效果
- **发现蓝海关键词**：通过行业热点挖掘发现高价值、低竞争的关键词
- **优化投入分配**：通过价值矩阵分析，将资源投入到最有价值的关键词
- **预测未来趋势**：提前布局上升趋势的关键词，避免投入下降趋势的关键词
- **提升 ROI**：数据驱动的关键词策略，最大化投入产出比
---
**创建日期**：2025-01-26
**版本**：1.0.0
docs/features/MULTIMODAL_FEATURE.md
+247
View File
@@ -0,0 +1,247 @@
# 多模态提示生成功能说明
## 📋 功能概述
多模态提示生成模块是 GEO 工具的高级功能，用于为内容生成详细的配图描述和视频脚本描述，提升内容的视觉吸引力和传播效果。
### 核心价值
- **提升内容吸引力**：详细的配图描述帮助创作更吸引人的视觉内容
- **平台适配**：针对不同平台（小红书、抖音、微信公众号、B站）生成适配的配图描述
- **视频脚本支持**：为B站等视频平台生成详细的画面描述和镜头语言
- **品牌融入**：配图描述自然融入品牌元素，保持内容一致性
## 🎯 功能位置
### Tab2（自动创作）- 内容生成后
在生成单篇内容后，可以：
1. **🎨 生成配图/视频描述**：一键生成详细的配图描述或视频脚本描述
2. **📸 配图描述详情**：查看每个配图的详细描述（风格、色调、构图、关键元素等）
3. **🎬 视频脚本描述**：查看视频片段的画面描述、镜头语言、音效建议等
## 🔄 工作流程
### 配图描述生成流程
1. **内容生成**
- 在 Tab2 生成内容（小红书、抖音、微信公众号等支持配图的平台）
- 内容中应包含配图占位符（【配图：xxx】）
2. **生成配图描述**
- 点击"🎨 生成配图/视频描述"按钮
- 系统自动识别内容中的配图占位符
- 为每个配图位置生成详细的配图描述
3. **查看配图描述**
- 查看每个配图的详细描述
- 了解配图的风格、色调、构图、关键元素等
- 根据描述进行图片创作或使用AI生图工具
### 视频脚本描述生成流程
1. **内容生成**
- 在 Tab2 生成 B站视频脚本内容
2. **生成视频脚本描述**
- 点击"🎨 生成配图/视频描述"按钮
- 系统自动识别为视频平台
- 为内容片段生成详细的画面描述
3. **查看视频脚本描述**
- 查看每个片段的画面描述
- 了解镜头类型、镜头运动、转场、音效建议等
- 根据描述进行视频拍摄或制作
## 📊 配图描述内容
### 描述维度
1. **详细描述**
- 图片应该包含的主要元素（人物、物品、场景等）
- 图片的风格（写实、插画、图表、截图等）
- 图片的色调和氛围（明亮、专业、温馨等）
- 图片的构图（居中、左右布局、上下布局等）
2. **平台适配**
- **小红书**：生活化、美观、有吸引力
- **抖音**：视觉冲击力强、简洁明了
- **微信公众号**：专业、清晰、符合文章风格
- **B站**：适合视频封面、有动感
3. **品牌融入**
- 如果内容涉及品牌，配图应自然融入品牌元素
- 但不要过于商业化，保持自然
### 输出格式
每个配图描述包含：
- **位置**：在内容中的位置描述
- **原始提示**：内容中的原始配图提示
- **详细描述**：50-150字的详细配图描述
- **风格**：写实/插画/图表/截图等
- **色调**：明亮/专业/温馨/商务等
- **构图**：居中/左右/上下等
- **关键元素**：图片应包含的主要元素列表
- **平台特定要求**：针对平台的特定要求
## 🎬 视频脚本描述内容
### 描述维度
1. **画面描述**
- 画面应该展示的内容（场景、人物、物品、动作等）
- 画面类型（实拍、动画、截图、演示等）
- 画面节奏（快切、慢镜头、定格等）
2. **镜头语言**
- 镜头类型（特写、中景、全景等）
- 镜头运动（推拉、摇移、跟随等）
- 画面转场（切换、淡入淡出、划入等）
3. **音效和字幕**
- 建议的音效（背景音乐、音效等）
- 字幕要点（关键信息、强调内容）
4. **时长建议**
- 该片段的建议时长（秒）
### 输出格式
每个视频片段描述包含：
- **时间戳**：片段的时间范围（如"00:30-01:00"）
- **画面描述**：详细的画面内容描述
- **镜头类型**：特写/中景/全景等
- **镜头运动**：推拉/摇移/跟随/固定等
- **转场**：切换/淡入淡出/划入等
- **音效建议**：背景音乐、音效等建议
- **字幕要点**：关键信息列表
- **建议时长**：片段时长（秒）
## 🖼️ 生图API集成（可选功能）
### 支持的生图模型
模块已集成以下生图API支持（可选使用）：
1. **OpenAI DALL-E 3**
- 需要：OpenAI API Key
- 特点：高质量、支持中文提示词
- 使用：`generate_image_with_dalle()`
2. **Stable Diffusion**
- 需要：本地部署或API服务
- 特点：开源、可定制
- 使用：`generate_image_with_stable_diffusion()`
3. **通义万相（阿里云）**
- 需要：阿里云 API Key
- 特点：国内服务、速度快
- 使用：`generate_image_with_tongyi()`
### 使用生图API
```python
from multimodal_prompt import MultimodalPromptGenerator
generator = MultimodalPromptGenerator()
# 使用 DALL-E 3 生成图片
result = generator.generate_image_with_dalle(
description="一个专业的外贸ERP软件界面截图",
api_key="your-openai-api-key",
size="1024x1024",
quality="hd"
)
if result["success"]:
image_url = result["image_url"]
# 使用图片URL
```
## 💡 使用建议
### 配图描述使用
1. **内容创作时添加占位符**
- 在生成内容时，系统会自动在某些平台添加配图占位符
- 也可以手动在内容中添加【配图：xxx】格式的占位符
2. **生成详细描述**
- 内容生成后，点击"生成配图/视频描述"按钮
- 系统会为每个占位符生成详细的配图描述
3. **使用描述创作图片**
- 根据详细描述，使用设计工具或AI生图工具创作图片
- 或使用集成的生图API直接生成图片
### 视频脚本使用
1. **生成B站视频脚本**
- 在 Tab2 选择"B站（视频脚本）"平台生成内容
2. **生成视频脚本描述**
- 内容生成后，点击"生成配图/视频描述"按钮
- 系统会自动识别为视频平台并生成画面描述
3. **使用描述制作视频**
- 根据画面描述进行视频拍摄或制作
- 参考镜头语言、转场、音效建议等
## ⚠️ 注意事项
1. **需要 LLM**：多模态提示生成功能需要配置生成 LLM 的 API Key
2. **API 调用**：生成过程会调用 LLM API，注意 API 费用
3. **配图占位符**：内容中需要包含【配图：xxx】格式的占位符才能生成配图描述
4. **平台识别**：系统会自动识别平台类型（配图平台或视频平台）
5. **生图API**：生图API功能是可选的，需要额外配置API Key
## 🔗 相关功能
- **内容生成**：在 Tab2 生成包含配图占位符的内容
- **内容质量评分**：在 Tab2 评估内容质量
- **E-E-A-T 强化**：在 Tab2 强化内容的专业性
## 🎯 最佳实践
1. **合理使用占位符**
- 在关键位置添加配图占位符（如开头、重点段落、结尾）
- 占位符提示要简洁明了（如"【配图：产品界面】"）
2. **平台适配**
- 不同平台的配图风格不同，系统会自动适配
- 小红书：生活化、美观
- 抖音：视觉冲击力强
- 微信公众号：专业、清晰
3. **品牌融入**
- 配图描述会自然融入品牌元素
- 但不要过于商业化，保持自然
4. **使用AI生图工具**
- 根据详细描述使用AI生图工具（如DALL-E、Midjourney等）
- 或使用集成的生图API直接生成图片
5. **视频制作**
- 根据视频脚本描述进行视频拍摄或制作
- 参考镜头语言、转场、音效建议等
## 📈 预期效果
### 短期效果
- **提升内容吸引力**：详细的配图描述帮助创作更吸引人的视觉内容
- **提升传播效果**：图文并茂的内容更容易被用户分享
- **提升专业度**：详细的视频脚本描述提升视频制作的专业度
### 长期效果
- **建立视觉风格**：通过统一的配图描述建立品牌视觉风格
- **提升内容质量**：多模态内容提升整体内容质量
- **增强品牌识别**：品牌元素自然融入配图，增强品牌识别度
---
**版本**：v1.0
**更新日期**：2025-01-26
docs/features/NEGATIVE_MONITOR_FEATURE.md
+228
View File
@@ -0,0 +1,228 @@
# 负面防护监控功能说明
## 📋 功能概述
负面防护监控模块是 GEO 工具的重要功能之一，用于自动生成负面查询、监控品牌在负面查询中的提及情况、生成澄清模板，并提供风险预警机制，帮助用户及时发现和处理负面风险。
### 核心价值
- **风险防护**：社区讨论显示负面风险上升，及时监控可减少损失 40%
- **自动检测**：自动生成负面查询，无需手动输入
- **智能分析**：负面情感检测和风险等级评估
- **快速响应**：自动生成澄清模板，快速回应负面信息
## 🎯 功能位置
### Tab4（多模型验证）- 负面防护监控模块
在 Tab4 中，负面防护监控模块位于验证表单之前，提供负面查询生成和监控功能。
### Tab6（AI 数据报表）- 负面监控报告模块
在 Tab6 中，负面监控报告模块位于竞品对比分析之后、数据导出之前，提供完整的负面监控报告。
## 📊 功能模块
### 1. 负面查询生成
**功能说明**：
- 自动生成负面查询列表
- 支持 15 种负面查询模板
- 可自定义生成数量（3-10 个）
**负面查询模板包括**：
- {brand} 缺点
- {brand} 问题
- {brand} 不足
- {brand} 缺陷
- {brand} 不好
- {brand} 差评
- {brand} 投诉
- {brand} 负面
- {brand} 不推荐
- {brand} 避坑
- {brand} 坑
- {brand} 不值得
- {brand} 失败
- {brand} 错误
- {brand} 风险
**使用方式**：
1. 在 Tab4 中启用"负面监控"开关
2. 设置负面查询数量（3-10 个）
3. 点击"生成负面查询"
4. 系统自动生成负面查询列表
5. 可选择"添加到验证查询"，将负面查询添加到验证流程
---
### 2. 负面情感检测
**功能说明**：
- 自动检测 AI 响应中的负面情感
- 识别负面关键词和短语
- 计算负面程度得分（0-1）
**检测内容**：
- 负面关键词：缺点、问题、不足、缺陷、不好、差评等
- 负面短语：不好、不行、不适合、不推荐、有问题、存在缺陷等
- 负面程度：基于负面关键词数量和文本长度计算
---
### 3. 风险等级评估
**功能说明**：
- 自动评估每个负面查询的风险等级
- 风险等级：高、中、低
- 提供风险说明和优化建议
**风险等级判断**：
- **高风险**：负面查询中未提及品牌，可能存在负面信息或品牌被忽略
- **中风险**：
- 负面查询中提及品牌，需要关注并准备澄清内容
- 未提及品牌，可能影响品牌可见性
- **低风险**：品牌正常提及，无负面信息
---
### 4. 澄清模板生成
**功能说明**：
- 自动生成澄清模板，回应负面信息
- 包含问题概述、实际情况、品牌优势、建议、联系方式等
- 支持下载为 Markdown 文件
**模板结构**：
1. 问题概述
2. 实际情况（关于常见误解）
3. 品牌优势
4. 建议（查看文档、联系客服、参考案例、试用体验）
5. 联系方式
**使用方式**：
1. 在 Tab4 的负面监控分析结果中
2. 展开高风险查询详情
3. 点击"生成澄清模板"
4. 查看和编辑澄清模板
5. 下载为 Markdown 文件
---
### 5. 预警机制
**功能说明**：
- 自动检测异常情况并发出预警
- 预警等级：高、中、低
- 提供具体的预警信息和优化建议
**预警条件**：
- 平均提及次数低于阈值（默认 0.3）
- 发现高风险负面查询
- 发现中风险负面查询
---
### 6. 负面监控报告
**功能说明**：
- 在 Tab6 中生成完整的负面监控报告
- 包含风险统计、预警信息、优化建议
- 支持下载为 JSON 文件
**报告内容**：
- 报告概览：总查询数、高风险数、平均提及次数、平均负面得分
- 预警信息：高风险、中风险预警
- 优化建议：基于分析结果提供优化建议
- 高风险/中风险查询列表
## 🔄 工作流程
### 1. 启用负面监控
1. 在 Tab4 中启用"负面监控"开关
2. 设置负面查询数量
3. 点击"生成负面查询"
### 2. 验证负面查询
1. 将负面查询添加到验证查询中
2. 点击"开始验证"
3. 系统自动验证负面查询的提及情况
4. 自动进行负面情感检测和风险评估
### 3. 查看分析结果
1. 在 Tab4 中查看负面监控分析结果
2. 查看风险等级统计
3. 查看详细分析结果
4. 查看高风险查询详情
### 4. 生成澄清模板
1. 展开高风险查询详情
2. 点击"生成澄清模板"
3. 查看和编辑澄清模板
4. 下载为 Markdown 文件
### 5. 查看完整报告
1. 在 Tab6 中查看负面监控报告
2. 查看报告概览和预警信息
3. 查看优化建议
4. 下载完整报告为 JSON 文件
## 💡 使用建议
### 1. 定期监控
建议每月至少进行一次负面监控，及时发现和处理负面风险。
### 2. 重点关注高风险查询
优先处理高风险负面查询，及时生成澄清内容。
### 3. 优化内容策略
基于负面监控报告，优化内容策略，提升品牌在负面查询中的提及率。
### 4. 建立响应机制
建立负面信息响应机制，快速生成澄清内容并发布。
## 🔧 技术实现
### 模块位置
- **监控模块**：`modules/negative_monitor.py`
- **UI 集成**：`modules/geo_tool.py` Tab4、Tab6
### 核心类
- `NegativeMonitor`：负面防护监控器
- `generate_negative_queries()`：生成负面查询
- `detect_negative_sentiment()`：检测负面情感
- `analyze_negative_mentions()`：分析负面提及
- `generate_clarification_template()`：生成澄清模板
- `generate_negative_report()`：生成负面监控报告
### 检测算法
- **负面关键词匹配**：使用关键词列表匹配负面词汇
- **负面短语模式匹配**：使用正则表达式匹配负面短语
- **负面程度计算**：基于负面关键词数量和文本长度计算
## 📝 更新日志
- **2025-01-26**：初始版本发布
- 实现负面查询生成功能
- 实现负面情感检测和风险等级评估
- 实现澄清模板生成功能
- 实现预警机制
- 实现负面监控报告
- 集成到 Tab4（多模型验证）和 Tab6（AI 数据报表）
---
**版本**：1.0.0
**最后更新**：2025-01-26
docs/features/OPTIMIZATION_TECHNIQUES_FEATURE.md
+251
View File
@@ -0,0 +1,251 @@
# 高级优化技巧选择器功能文档
## 📋 功能概述
高级优化技巧选择器允许用户选择特定的优化技巧，动态调整内容生成和文章优化的策略，让内容更符合 GEO 原则，提升在 AI 模型中的可见性和引用率。
## 🎯 核心价值
- **提升内容质量**：社区验证显示可提升内容可见性 35%
- **灵活定制**：根据内容类型和目标选择最适合的技巧
- **多技巧组合**：支持同时应用多个技巧，形成组合效果
- **数据驱动**：基于社区最佳实践，ROI 高
## 🎨 支持的优化技巧
### 1. 📊 证据驱动（Evidence-Driven）
- **描述**：添加数据、案例、来源等证据支撑，提升内容可信度
- **适用场景**：
- 技术博客、专业文章
- 需要权威性的内容
- 对比评测类内容
- **效果**：提升内容可信度，增加 AI 引用概率
### 2. 💬 对话式设计（Conversational）
- **描述**：采用问答式、互动式结构，提升内容可读性和参与度
- **适用场景**：
- 知乎问答
- 教程类内容
- 用户指南
- **效果**：提升用户参与度，增强内容可读性
### 3. 📖 故事化叙述（Storytelling）
- **描述**：使用案例故事、用户故事，让内容更生动、更易记忆
- **适用场景**：
- 微信公众号长文
- 案例分享
- 用户故事
- **效果**：增强内容吸引力，提升记忆点
### 4. ⚖️ 对比式结构（Comparative）
- **描述**：通过优势对比、功能对比，突出品牌优势
- **适用场景**：
- 产品对比
- 功能评测
- 选择指南
- **效果**：清晰展示优势，帮助用户决策
### 5. 📝 步骤式指南（Step-by-Step）
- **描述**：提供清晰的操作步骤、使用教程，提升实用性
- **适用场景**：
- 使用教程
- 操作指南
- 技术文档
- **效果**：提升内容实用性，增强可操作性
### 6. 📈 数据丰富（Data-Rich）
- **描述**：大量使用数据、统计、图表，提升内容权威性
- **适用场景**：
- 行业报告
- 数据分析
- 市场研究
- **效果**：提升内容权威性，增强说服力
### 7. 🔬 案例研究（Case Study）
- **描述**：深入分析案例，展示实际应用效果
- **适用场景**：
- 成功案例
- 应用实践
- 效果展示
- **效果**：展示实际效果，增强可信度
### 8. ❓ FAQ 聚焦（FAQ-Focused）
- **描述**：以常见问题为核心，提供全面解答
- **适用场景**：
- 常见问题解答
- 用户指南
- 帮助文档
- **效果**：全面解答用户疑问，提升内容完整性
## 🚀 使用指南
### 在内容生成中使用（Tab2）
1. **进入 Tab2（自动创作）**
2. **选择生成模式**（单篇生成或批量生成）
3. **选择关键词和平台**
4. **选择优化技巧**（可多选）：
- 点击"选择优化技巧"下拉框
- 选择一个或多个技巧
- 查看技巧说明（点击技巧名称或展开"查看技巧说明"）
5. **点击"生成内容"**
6. **系统会根据选择的技巧动态调整生成策略**
### 在文章优化中使用（Tab3）
1. **进入 Tab3（文章优化）**
2. **输入或上传文章内容**
3. **选择目标平台**
4. **选择优化技巧**（可多选）：
- 点击"选择优化技巧"下拉框
- 选择一个或多个技巧
- 查看技巧说明
5. **点击"开始优化"**
6. **系统会根据选择的技巧动态调整优化策略**
## 💡 技巧选择建议
### 按内容类型选择
- **技术博客/CSDN**：
- 证据驱动 + 步骤式指南 + 数据丰富
- **知乎问答**：
- 对话式设计 + FAQ 聚焦 + 证据驱动
- **微信公众号**：
- 故事化叙述 + 对比式结构 + 案例研究
- **GitHub README**：
- 步骤式指南 + 数据丰富 + FAQ 聚焦
- **小红书/抖音**：
- 故事化叙述 + 对话式设计
### 按目标选择
- **提升权威性**：证据驱动 + 数据丰富 + 案例研究
- **提升可读性**：对话式设计 + 故事化叙述
- **提升实用性**：步骤式指南 + FAQ 聚焦
- **突出优势**：对比式结构 + 案例研究
### 技巧组合建议
- **基础组合**：证据驱动 + 对话式设计（适合大多数内容）
- **专业组合**：证据驱动 + 数据丰富 + 案例研究（适合专业内容）
- **用户友好组合**：对话式设计 + 步骤式指南 + FAQ 聚焦（适合教程类内容）
- **营销组合**：故事化叙述 + 对比式结构 + 案例研究（适合营销内容）
## 📊 技巧效果说明
### 证据驱动
- 自动添加数据占位、案例支撑、来源引用
- 确保每个主要观点都有证据支撑
- 提升内容可信度
### 对话式设计
- 使用问题引入、问答结构
- 增强互动感和参与度
- 提升内容可读性
### 故事化叙述
- 用故事引入，增强代入感
- 使用经典故事结构
- 提升内容吸引力
### 对比式结构
- 多维度对比，突出优势
- 使用表格清晰展示
- 帮助用户决策
### 步骤式指南
- 清晰步骤，详细说明
- 提供操作示例
- 提升实用性
### 数据丰富
- 高数据密度（每100字1-2个数据点）
- 数据多样性
- 提升权威性
### 案例研究
- 完整案例结构
- 量化结果
- 展示实际效果
### FAQ 聚焦
- 8-12个常见问题
- 详细解答
- 全面覆盖用户疑问
## ⚠️ 注意事项
1. **技巧选择**
- 建议选择 2-3 个技巧，避免过多导致内容混乱
- 根据内容类型和目标选择合适的技巧
- 某些技巧可能不适用于某些平台（如故事化叙述不太适合技术文档）
2. **技巧组合**
- 某些技巧可以很好地组合（如证据驱动 + 数据丰富）
- 某些技巧可能冲突（如对话式设计 + 步骤式指南在某些场景下可能重复）
- 建议先测试单个技巧，再尝试组合
3. **平台适配**
- 不同平台适合不同的技巧组合
- 建议根据平台特性选择技巧
- 可以生成多个版本，对比效果
4. **内容长度**
- 应用多个技巧可能会增加内容长度
- 系统会自动控制长度，但建议关注最终效果
- 可以根据需要调整技巧选择
## 🎯 最佳实践
1. **先测试单个技巧**
- 先尝试单个技巧，了解效果
- 再尝试技巧组合
2. **根据平台选择**
- 不同平台适合不同的技巧
- 参考"技巧选择建议"部分
3. **结合验证**
- 生成内容后，在 Tab4 进行验证
- 对比不同技巧组合的效果
- 找到最适合的技巧组合
4. **持续优化**
- 根据验证结果调整技巧选择
- 建立自己的最佳实践库
- 记录哪些技巧组合效果最好
## 📈 预期效果
- **提升内容质量**：社区验证显示可提升 35%
- **提升可见性**：让内容更"answer-ready"，更容易被 AI 引用
- **提升用户参与度**：对话式设计和故事化叙述增强用户参与
- **提升权威性**：证据驱动和数据丰富提升内容权威性
- **提升实用性**：步骤式指南和 FAQ 聚焦提升内容实用性
## 🔄 工作流程建议
### 推荐工作流程
1. **选择关键词和平台**
2. **根据平台特性选择优化技巧**（参考技巧选择建议）
3. **生成内容**
4. **查看生成结果**，评估是否符合预期
5. **在 Tab4 进行验证**，查看提及率
6. **根据验证结果调整技巧选择**
7. **建立最佳实践**，记录效果最好的技巧组合
### 优化迭代流程
1. **首次生成**：使用推荐的技巧组合
2. **验证效果**：在 Tab4 验证提及率
3. **调整技巧**：根据效果调整技巧选择
4. **再次生成**：使用新的技巧组合
5. **对比效果**：对比不同版本的效果
6. **确定最佳组合**：找到效果最好的技巧组合
---
**创建日期**：2025-01-26
**版本**：1.0.0
docs/features/RESOURCE_RECOMMENDER_FEATURE.md
+228
View File
@@ -0,0 +1,228 @@
# 资源推荐模块功能说明
## 📋 功能概述
资源推荐模块是 GEO 工具的辅助功能，用于提供 GEO 相关的资源推荐，包括代理服务、工具、论文指南和社区资源，帮助用户发现相关工具和资源，增强工具生态。
### 核心价值
- **增强工具生态**：提供 GEO 相关资源，完善工具生态
- **发现相关工具**：帮助用户发现有用的 GEO 工具和资源
- **学习资源**：提供论文、指南等学习资源
- **社区连接**：连接 GEO 社区，促进交流
## 🎯 功能位置
### Tab8（GEO 资源库）
在 Tab8 中，提供完整的资源库展示界面，包含资源统计、搜索功能、分类浏览等。
## 📊 功能模块
### 1. GEO 代理列表
**功能说明**：
- 推荐专业的 GEO 代理服务
- 包含代理名称、描述、评分、功能特性、链接
**当前代理**：
- **KrillinAI**：专业的 GEO 代理服务，提供高质量的内容生成和优化
- **AutoGPT**：自动化 AI 代理，支持 GEO 内容创作
- **AgentGPT**：基于 GPT 的智能代理，支持 GEO 策略执行
**显示信息**：
- 代理名称和评分
- 详细描述
- 分类标签
- 功能特性列表
- 访问链接
---
### 2. 工具推荐
**功能说明**：
- 推荐 GEO 相关的工具和服务
- 包含工具名称、描述、评分、功能特性、链接
**工具分类**：
- **SEO 工具**：Google Search Console、Bing Webmaster Tools
- **技术工具**：Schema.org Validator、Rich Results Test
- **性能工具**：PageSpeed Insights
**显示信息**：
- 工具名称和评分
- 详细描述
- 分类标签
- 功能特性列表
- 访问链接
---
### 3. 论文/指南链接
**功能说明**：
- 提供 GEO 相关的论文、指南、文档链接
- 包含标题、描述、分类、日期、重要性
**资源分类**：
- **官方指南**：Google E-E-A-T Guidelines
- **技术文档**：Schema.org Documentation
- **策略指南**：GEO Strategy Guide
- **最佳实践**：AI Search Optimization
- **技术指南**：LLM Prompt Engineering
**重要性等级**：
- 🔥 **高**：核心资源，必读
- ⭐ **中**：重要资源，推荐阅读
- 📌 **低**：参考资源，可选阅读
**显示信息**：
- 标题和重要性图标
- 详细描述
- 分类、日期、重要性
- 访问链接
---
### 4. 社区资源
**功能说明**：
- 提供 GEO 相关的社区和论坛链接
- 包含社区名称、描述、评分、链接
**当前社区**：
- **GEO Reddit Community**：GEO 相关讨论和经验分享
- **AI SEO Discord**：AI SEO 和 GEO 技术交流社区
**显示信息**：
- 社区名称和评分
- 详细描述
- 分类标签
- 访问链接
---
### 5. 资源搜索
**功能说明**：
- 支持关键词搜索所有资源
- 可搜索代理、工具、论文、社区
- 实时显示搜索结果
**搜索范围**：
- 资源名称
- 资源描述
- 功能特性（代理和工具）
---
### 6. 分类浏览
**功能说明**：
- 使用标签页分类浏览资源
- 四个分类：代理、工具、论文、社区
- 每个分类独立展示
---
### 7. 资源统计
**功能说明**：
- 显示资源总数和分类统计
- 格式：共 X 个资源（代理 X | 工具 X | 论文 X | 社区 X）
## 🔄 使用方式
### 1. 打开资源库
1. 点击顶部导航栏的"8 GEO 资源库"标签页
2. 进入资源库主界面
### 2. 浏览资源
1. 选择分类标签页（代理、工具、论文、社区）
2. 浏览该分类下的所有资源
3. 点击链接访问资源
### 3. 搜索资源
1. 在搜索框输入关键词
2. 系统自动搜索所有资源
3. 查看搜索结果
### 4. 查看资源详情
每个资源卡片显示：
- 名称和评分
- 详细描述
- 分类信息
- 功能特性（如适用）
- 访问链接
## 💡 使用建议
### 1. 定期查看
建议定期查看资源库，发现新的工具和资源。
### 2. 按需搜索
使用搜索功能快速找到需要的资源。
### 3. 分类浏览
根据需求选择相应的分类标签页浏览。
### 4. 收藏重要资源
将重要的资源链接收藏，方便后续使用。
## 🔧 技术实现
### 模块位置
- **推荐模块**：`modules/resource_recommender.py`
- **UI 集成**：`modules/geo_tool.py` Tab8
### 核心类
- `ResourceRecommender`：资源推荐器
- `get_agents()`：获取代理列表
- `get_tools()`：获取工具列表
- `get_papers()`：获取论文/指南列表
- `get_communities()`：获取社区列表
- `search_resources()`：搜索资源
- `get_resource_summary()`：获取资源统计
### 数据结构
资源数据结构：
```python
{
"name": "资源名称",
"description": "资源描述",
"url": "资源链接",
"category": "资源分类",
"rating": "评分（可选）",
"features": ["功能1", "功能2"]（可选）,
"date": "日期（论文）"（可选）,
"importance": "重要性（论文）"（可选）
}
```
## 📝 更新日志
- **2025-01-26**：初始版本发布
- 实现 GEO 代理列表（3 个代理）
- 实现工具推荐（5 个工具）
- 实现论文/指南链接（5 个资源）
- 实现社区资源（2 个社区）
- 实现资源搜索功能
- 实现分类浏览（4 个标签页）
- 集成到 Tab8（GEO 资源库），提供完整的展示界面
---
**版本**：1.0.0
**最后更新**：2025-01-26
docs/features/ROI_ANALYSIS_FEATURE.md
+260
View File
@@ -0,0 +1,260 @@
# ROI 分析与成本优化功能说明
## 📋 功能概述
ROI 分析与成本优化模块是 GEO 工具的核心功能之一，用于量化 GEO 投入产出比，优化成本结构，帮助用户数据驱动决策。
### 核心价值
- **量化价值**：帮助用户了解 GEO 投入产出比，清楚看到投入产出
- **优化成本**：识别哪些关键词/平台 ROI 最高，优化预算分配
- **数据驱动**：基于数据分析提供成本优化建议
- **预算管理**：成本预警和未来成本预测
## 🎯 功能位置
### Tab6（AI 数据报表）- ROI 分析与成本优化模块
在 Tab6 中，ROI 分析与成本优化模块位于话题集群分析之后、关键词效果排名之前。
## 🔄 工作流程
### 1. 自动成本记录
系统会自动记录所有 API 调用成本：
1. **内容生成**：生成关键词、内容时自动记录成本
2. **内容验证**：验证品牌提及率时自动记录成本
3. **内容优化**：优化文章时自动记录成本
4. **其他操作**：语义扩展、话题聚类等操作也会记录成本
### 2. 查看成本分析
1. **成本概览**：查看总成本、总 Token 数、API 调用次数
2. **成本趋势**：查看每日成本趋势图
3. **成本分布**：按提供商、操作类型、关键词、平台统计成本
4. **ROI 分析**：查看 ROI 比率、估算价值、关键词 ROI 排名
### 3. 获取优化建议
系统会根据成本数据自动生成优化建议：
- 高成本提供商替代建议
- 负 ROI 关键词识别
- 操作类型成本优化建议
### 4. 未来成本预测
基于历史数据预测未来成本：
- 预计日均成本
- 预计 30 天总成本
- 预测置信度
## 📊 功能模块
### 成本概览
显示关键成本指标：
- **总成本(CNY)**：人民币总成本
- **总成本(USD)**：美元总成本
- **总Token数**：累计使用的 Token 数量
- **API调用次数**：累计 API 调用次数
### 成本趋势图
可视化展示每日成本趋势：
- 折线图显示每日成本变化
- 帮助识别成本波动模式
- 支持时间范围筛选
### 成本分布分析
#### 按提供商统计
- 饼图展示各提供商的成本占比
- 识别高成本提供商
- 提供替代建议
#### 按操作类型统计
- 柱状图展示各操作类型的成本分布
- 识别高成本操作
- 优化操作策略
#### 按关键词统计
- 统计每个关键词的成本
- 识别高成本关键词
- 优化关键词策略
#### 按平台统计
- 统计各内容平台的成本
- 识别高成本平台
- 优化平台选择
### ROI 分析
#### ROI 指标
- **总投入成本**：累计投入的总成本
- **总提及次数**：品牌被提及的总次数
- **估算价值**：基于提及次数估算的价值
- **ROI 比率**：投资回报率百分比
- **ROI 价值**：净收益（价值 - 成本）
#### 关键词 ROI 排名
- 按 ROI 排序的关键词列表
- 显示每个关键词的成本、提及次数、估算价值、ROI
- 识别高 ROI 和负 ROI 关键词
### 成本优化建议
系统自动生成优化建议，包括：
1. **提供商优化**
- 识别高成本提供商
- 建议使用更经济的替代方案
- 估算可节省成本
2. **关键词优化**
- 识别负 ROI 关键词
- 建议暂停或优化低 ROI 关键词
- 列出具体关键词
3. **操作类型优化**
- 识别高成本操作
- 建议减少验证频率或使用更便宜的模型
- 估算可节省成本
### 未来成本预测
基于历史数据预测未来成本：
- **预计日均成本**：基于历史数据计算的日均成本
- **预计30天总成本**：未来 30 天的总成本预测
- **预测置信度**：基于数据点数量的置信度评估
## 💰 成本计算
### Token 估算
系统使用简化的方法估算 Token 数量：
- **中文**：约 1.5 字符 = 1 token
- **英文**：约 4 字符 = 1 token
- **混合文本**：按比例计算
### 定价配置
系统内置了各平台的 API 定价配置（每 1K tokens，USD）：
- **DeepSeek**：$0.14/1M input, $0.28/1M output
- **OpenAI GPT-4**：$30/1M input, $60/1M output
- **OpenAI GPT-4 Turbo**：$10/1M input, $30/1M output
- **OpenAI GPT-3.5 Turbo**：$0.5/1M input, $1.5/1M output
- **通义千问**：$2/1M input, $8/1M output (qwen-plus)
- **Groq**：免费
- **Moonshot (Kimi)**：$12/1M (moonshot-v1-8k)
- **豆包**：$0.8/1M input, $2/1M output (doubao-pro-4k)
- **文心一言**：$12/1M (ernie-4.0)
**注意**：这些是示例价格，实际价格可能不同。可以在 `modules/roi_analyzer.py` 中更新定价配置。
### 成本计算公式
```
成本(USD) = (输入Token数 / 1000) × 输入价格 + (输出Token数 / 1000) × 输出价格
成本(CNY) = 成本(USD) × 汇率（默认 7.2）
```
## 📈 ROI 计算
### ROI 估算方法
系统使用简化的方法估算 ROI：
1. **提及价值估算**
- 每次品牌提及的价值 = 固定值（默认 ¥10，可配置）
- 总价值 = 提及次数 × 每次提及价值
2. **ROI 计算**
- ROI 比率 = (估算价值 - 总成本) / 总成本 × 100%
- ROI 价值 = 估算价值 - 总成本
3. **关键词 ROI**
- 每个关键词的成本和提及次数单独统计
- 计算每个关键词的 ROI
**注意**：ROI 估算是简化的方法，实际价值可能因行业、品牌等因素而异。用户可以根据实际情况调整 `mention_value_per_mention` 参数。
## 💡 使用建议
### 1. 定期查看成本
- 建议每周查看一次成本分析
- 关注成本趋势变化
- 及时发现异常成本
### 2. 优化高成本操作
- 关注成本分布分析
- 识别高成本提供商、操作类型
- 根据优化建议调整策略
### 3. 关注 ROI 指标
- 定期查看 ROI 分析
- 识别高 ROI 和负 ROI 关键词
- 优化低 ROI 关键词的策略
### 4. 使用成本预测
- 基于历史数据预测未来成本
- 合理规划预算
- 注意预测置信度
### 5. 导出数据
- 定期导出成本数据
- 生成成本分析报告
- 用于内部汇报和决策
## ⚠️ 注意事项
1. **Token 估算精度**：系统使用简化的方法估算 Token 数量，可能与实际值有差异
2. **定价配置**：内置定价是示例价格，需要根据实际情况更新
3. **ROI 估算**：ROI 估算是简化的方法，实际价值可能因行业而异
4. **数据积累**：需要积累一定数据后才能进行准确的分析和预测
5. **汇率**：默认使用 7.2 的汇率，可以在 `ROIAnalyzer` 初始化时调整
## 🔗 相关功能
- **数据持久化**：成本数据自动保存到数据库
- **AI 数据报表**：在 Tab6 查看完整的成本分析
- **历史记录**：在 Tab5 查看历史数据
## 🎯 最佳实践
1. **定期监控**：每周查看一次成本分析，及时发现问题
2. **优化策略**：根据成本分布和 ROI 分析优化内容策略
3. **预算规划**：使用成本预测功能合理规划预算
4. **数据导出**：定期导出成本数据，用于内部汇报
5. **调整配置**：根据实际情况更新定价配置和 ROI 估算参数
## 📈 预期效果
### 短期效果
- **成本透明**：清楚了解每次操作的成本
- **优化决策**：基于数据优化内容策略
- **预算控制**：合理控制 API 调用成本
### 长期效果
- **成本优化**：持续优化成本结构，提升 ROI
- **数据积累**：积累历史数据，提升分析准确性
- **策略优化**：基于 ROI 数据优化整体内容策略
---
**版本**：v1.0
**更新日期**：2025-01-26
docs/features/SEMANTIC_EXPANSION_FEATURE.md
+165
View File
@@ -0,0 +1,165 @@
# 语义足迹扩展功能说明
## 📋 功能概述
语义足迹扩展模块是 GEO 工具的关键功能之一，用于基于现有关键词，通过语义相似度扩展出更多相关关键词，从而提升关键词覆盖面，扩大内容投放的搜索意图覆盖范围。
### 核心价值
- **提升覆盖面**：从不同角度扩展关键词，覆盖更多搜索意图
- **语义相关性**：确保扩展的关键词与原始关键词在语义上相关
- **多样性**：生成同义词、场景词、问题词、功能词、长尾词等多种类型
- **智能去重**：自动过滤重复和过于相似的关键词
## 🎯 功能位置
### 关键词蒸馏模块（Tab1）
在生成关键词后，可以：
1. **🚀 开始语义扩展**：基于现有关键词进行语义扩展
- 设置扩展数量（10-100 个）
- 选择合并策略（追加/替换/交替）
- 一键扩展关键词
2. **📊 扩展统计**：查看扩展结果统计
- 扩展总数
- 各类扩展数量（同义、场景、问题、功能、长尾）
3. **📈 覆盖面分析**：分析扩展效果
- 扩展比例
- 唯一关键词数量
- 关键词类别分布
## 🔄 扩展策略
系统采用多种扩展策略，确保关键词的多样性和覆盖面：
### 1. 同义扩展
使用同义词替换关键词中的核心词
- **示例**：
- "外贸ERP软件" → "外贸管理系统"、"外贸业务软件"
- "CRM系统" → "客户关系管理系统"、"客户管理软件"
### 2. 场景扩展
添加使用场景或应用场景
- **示例**：
- "外贸ERP" → "小型企业外贸ERP"、"跨境电商ERP"
- "CRM系统" → "销售团队CRM"、"客服CRM系统"
### 3. 问题扩展
转换为问题形式
- **示例**：
- "外贸ERP推荐" → "外贸ERP哪个好"、"如何选择外贸ERP"
- "CRM系统" → "CRM系统怎么选"、"什么CRM系统好用"
### 4. 功能扩展
突出不同功能点
- **示例**：
- "外贸ERP" → "外贸订单管理软件"、"外贸库存管理ERP"
- "CRM系统" → "客户跟进CRM"、"销售数据分析CRM"
### 5. 长尾扩展
生成更具体的长尾词
- **示例**：
- "外贸ERP" → "适合小企业的外贸ERP软件"、"支持多语言的外贸ERP系统"
- "CRM系统" → "免费版CRM系统推荐"、"云端CRM系统对比"
## 📊 合并策略
### 1. 追加（推荐）
在现有关键词后添加扩展关键词
- **适用场景**：希望保留所有原始关键词
- **结果**：原始关键词 + 扩展关键词
### 2. 替换
用扩展关键词替换现有关键词
- **适用场景**：希望用扩展关键词完全替换原始列表
- **结果**：仅包含扩展关键词
### 3. 交替
交替插入原始关键词和扩展关键词
- **适用场景**：希望混合原始和扩展关键词
- **结果**：原始关键词和扩展关键词交替排列
## 🔄 工作流程
### 推荐工作流程
1. **生成初始关键词**
- 在 Tab1 使用"AI生成"、"托词工具"或"混合模式"生成关键词
2. **语义扩展**
- 设置扩展数量（建议 20-50 个）
- 选择合并策略（推荐"追加"）
- 点击"🚀 开始语义扩展"
3. **查看扩展结果**
- 查看扩展统计信息
- 查看覆盖面分析
- 查看扩展详情（可选）
4. **使用扩展后的关键词**
- 在 Tab2 使用扩展后的关键词生成内容
- 在 Tab4 使用扩展后的关键词进行验证
## 📈 扩展效果评估
### 扩展统计指标
- **扩展总数**：成功扩展的关键词数量
- **同义扩展**：使用同义词扩展的数量
- **场景扩展**：添加场景的扩展数量
- **问题扩展**：转换为问题形式的数量
- **功能扩展**：突出功能的扩展数量
- **长尾扩展**：生成长尾词的数量
### 覆盖面分析
- **扩展比例**：扩展关键词数量 / 原始关键词数量
- **唯一关键词**：去重后的唯一关键词数量
- **类别分布**：各类关键词的分布情况
## 💡 使用建议
1. **先生成基础关键词**：使用 AI 生成或托词工具生成初始关键词
2. **适度扩展**：建议扩展数量为原始关键词的 0.5-2 倍
3. **使用追加策略**：保留原始关键词，追加扩展关键词
4. **检查扩展质量**：查看扩展详情，确保扩展关键词质量
5. **验证效果**：在 Tab4 使用扩展后的关键词进行验证
## ⚠️ 注意事项
1. **需要 LLM**：语义扩展功能需要配置生成 LLM 的 API Key
2. **API 调用**：扩展过程会调用 LLM API，注意 API 费用
3. **扩展质量**：扩展质量取决于 LLM 的能力和 Prompt 设计
4. **去重机制**：系统会自动去重，但可能仍有少量相似关键词
5. **数量限制**：一次最多处理 50 个原始关键词进行扩展
## 🔗 相关功能
- **关键词生成**：在 Tab1 生成初始关键词
- **内容生成**：在 Tab2 使用扩展后的关键词生成内容
- **多模型验证**：在 Tab4 验证扩展后的关键词效果
- **历史记录**：在 Tab5 查看历史关键词记录
## 🎯 最佳实践
1. **分阶段扩展**：
- 首先生成 20-30 个核心关键词
- 然后扩展 30-50 个相关关键词
- 最后根据效果决定是否继续扩展
2. **质量优先**：
- 关注扩展统计中的各类扩展数量
- 确保各类扩展都有一定数量，保持多样性
3. **验证优化**：
- 使用扩展后的关键词生成内容
- 在 Tab4 验证提及率
- 根据验证结果调整扩展策略
---
**版本**：v1.0
**更新日期**：2025-01-26
docs/features/TECHNICAL_CONFIG_FEATURE.md
+180
View File
@@ -0,0 +1,180 @@
# 技术配置生成功能说明
## 📋 功能概述
技术配置生成模块是 GEO 工具的重要功能之一，用于生成 robots.txt、sitemap.xml 等技术配置文件，帮助搜索引擎更好地发现和索引内容，提升内容收录效果。
### 核心价值
- **加速内容收录**：社区测试显示可提升 20-30% 的收录效果
- **控制爬虫访问**：通过 robots.txt 控制搜索引擎爬虫的访问权限
- **提升索引效率**：通过 sitemap.xml 帮助搜索引擎快速发现所有页面
- **简化配置流程**：自动化生成技术配置文件，无需手动编写
## 🎯 功能位置
### Tab2（自动创作）- 技术配置生成模块
在 Tab2 中，技术配置生成模块位于 JSON-LD Schema.org 结构化数据生成之后、内容生成之前。
## 📊 功能模块
### 1. robots.txt 生成
**功能说明**：
- 生成标准的 robots.txt 文件
- 控制搜索引擎爬虫的访问权限
- 配置允许和禁止爬取的路径
- 自动添加 sitemap 链接
**配置选项**：
- **网站基础 URL**：您的网站基础 URL（如 https://example.com）
- **允许爬取的路径**：每行一个路径（如 /、/blog、/docs）
- **禁止爬取的路径**：每行一个路径（如 /admin、/private、/api）
**默认配置**：
- 默认禁止路径：/admin、/private、/api、/_next、/static
- 自动生成 sitemap URL
**使用说明**：
1. 输入网站基础 URL
2. 配置允许和禁止的路径（可选）
3. 点击"生成 robots.txt"
4. 下载文件并上传到网站根目录
---
### 2. sitemap.xml 生成
**功能说明**：
- 生成符合标准的 sitemap.xml 文件
- 支持基于关键词生成
- 支持基于历史文章生成
- 自动设置更新频率和优先级
**数据源选项**：
- **基于关键词生成**：使用【1 关键词蒸馏】中生成的关键词
- **基于历史文章生成**：使用【2 自动创作】中生成的历史文章
**配置选项**：
- **网站基础 URL**：您的网站基础 URL（如 https://example.com）
- **更新频率**：weekly（每周更新，默认）
- **优先级**：0.8（默认）
**URL 生成规则**：
- 关键词转换为 URL 友好格式（小写、连字符分隔）
- 移除特殊字符
- 基于平台信息生成路径（如适用）
**使用说明**：
1. 输入网站基础 URL
2. 选择数据源（基于关键词或历史文章）
3. 点击"生成 sitemap.xml"
4. 下载文件并上传到网站根目录
5. 在 Google Search Console 中提交 sitemap
## 🔄 工作流程
### robots.txt 生成流程
1. **输入配置**：
- 输入网站基础 URL
- 配置允许/禁止路径（可选）
2. **生成文件**：
- 点击"生成 robots.txt"按钮
- 系统自动生成标准格式的 robots.txt
3. **下载使用**：
- 下载生成的 robots.txt 文件
- 上传到网站根目录（如 https://example.com/robots.txt）
### sitemap.xml 生成流程
1. **选择数据源**：
- 选择"基于关键词生成"：使用关键词列表
- 选择"基于历史文章生成"：使用历史文章数据
2. **输入配置**：
- 输入网站基础 URL
3. **生成文件**：
- 点击"生成 sitemap.xml"按钮
- 系统自动生成符合标准的 sitemap.xml
4. **下载使用**：
- 下载生成的 sitemap.xml 文件
- 上传到网站根目录（如 https://example.com/sitemap.xml）
- 在 Google Search Console 中提交 sitemap
## 💡 使用建议
### 1. robots.txt 最佳实践
- **允许重要路径**：确保允许爬取重要内容路径（如 /、/blog、/docs）
- **禁止敏感路径**：禁止爬取管理后台、API 接口等敏感路径
- **定期更新**：根据网站结构变化更新 robots.txt
### 2. sitemap.xml 最佳实践
- **及时更新**：每次发布新内容后更新 sitemap.xml
- **提交到搜索引擎**：在 Google Search Console、Bing Webmaster Tools 中提交 sitemap
- **保持 URL 格式一致**：确保 sitemap 中的 URL 格式与网站实际 URL 一致
### 3. 技术配置组合使用
- **robots.txt + sitemap.xml**：组合使用效果最佳
- **JSON-LD Schema + 技术配置**：结构化数据 + 技术配置可进一步提升收录效果
## 🔧 技术实现
### 模块位置
- **生成模块**：`modules/technical_config_generator.py`
- **UI 集成**：`modules/geo_tool.py` Tab2
### 核心类
- `TechnicalConfigGenerator`：技术配置文件生成器
- `generate_robots_txt()`：生成 robots.txt
- `generate_sitemap_xml()`：生成 sitemap.xml
- `generate_sitemap_from_articles()`：基于文章生成 sitemap
- `sanitize_url_path()`：清理 URL 路径
### 文件格式
**robots.txt 格式**：
```
User-agent: *
Allow: /
Allow: /blog
Disallow: /admin
Disallow: /private
Sitemap: https://example.com/sitemap.xml
```
**sitemap.xml 格式**：
```xml
<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
<url>
<loc>https://example.com/keyword-1</loc>
<lastmod>2025-01-26</lastmod>
<changefreq>weekly</changefreq>
<priority>0.8</priority>
</url>
</urlset>
```
## 📝 更新日志
- **2025-01-26**：初始版本发布
- 实现 robots.txt 生成功能
- 实现 sitemap.xml 生成功能
- 支持基于关键词和历史文章生成 sitemap
- 集成到 Tab2（自动创作）
---
**版本**：1.0.0
**最后更新**：2025-01-26
docs/features/TONGYI_WANXIANG_IMAGE_GENERATION.md
+254
View File
@@ -0,0 +1,254 @@
# 通义万相图片生成功能说明
## 📋 功能概述
通义万相图片生成功能是 GEO 工具的高级功能，用于为文章内容自动生成高质量配图，并智能嵌入到 Markdown 格式的文章中，实现"图文结合"的完整内容输出。
### 核心价值
- **2026 年 AI 搜索多模态化趋势**：图文结合内容更容易被优先抽取和展示
- **通义万相中文理解极强**：直接用中文 Prompt 效果最佳，人物/文字渲染优秀，合规性高
- **一键完成全流程**：文本 → 配图 Prompt → 生成图片 → 嵌入文章
- **智能插入位置**：自动推荐最佳图片插入位置，避免生硬插入
## 🎯 功能位置
### Tab2（自动创作）- 内容生成后
在生成内容后，可以：
1. **🎨 生成配图/视频描述**：一键生成详细的配图描述
2. **🖼️ 生成配图（通义万相）**：基于配图描述生成实际图片
3. **📄 图文结合版本**：查看并下载包含图片的完整 Markdown 文章
## ⚙️ 配置要求
### 1. 获取通义万相 API Key
1. 访问 [阿里云 DashScope](https://dashscope.console.aliyun.com/)
2. 开通通义万相服务
3. 获取 API Key（免费额度每天 100-300 张）
### 2. 在工具中配置
1. 打开侧边栏 **⚙️ 全局配置**
2. 找到 **🖼️ 通义万相（图片生成）** 部分
3. 输入你的 API Key
4. 点击 **应用配置**
## 🔄 使用流程
### 方式一：基于配图占位符生成
1. **生成内容**
- 在 Tab2 生成内容（小红书、抖音、微信公众号等支持配图的平台）
- 内容中应包含配图占位符（【配图：xxx】）
2. **生成配图描述**
- 点击"🎨 生成配图/视频描述"按钮
- 系统自动识别内容中的配图占位符
- 为每个配图位置生成详细的配图描述
3. **生成图片**
- 点击"🎨 生成配图（通义万相）"按钮
- 系统为每个配图描述生成对应的图片（每张约需 5-15 秒）
- 自动将图片嵌入到 Markdown 文章中
4. **查看和下载**
- 查看生成的图片预览
- 查看完整的图文结合版本（Markdown 格式）
- 下载 .md 文件或直接复制发布
### 方式二：直接生成配图（无需占位符）
1. **生成内容**
- 在 Tab2 生成任意内容
2. **直接生成配图**
- 即使没有配图占位符，也可以直接生成配图
- 选择生成数量（1-2 张）
- 点击"🎨 直接生成配图"按钮
- 系统会基于文章内容自动生成合适的配图
3. **查看和下载**
- 查看生成的图片预览
- 查看完整的图文结合版本
- 下载或复制发布
## 📊 功能特性
### 1. 高质量中文 Prompt 生成
- 自动分析文章主题、核心观点和品牌元素
- 生成 60-120 字的详细中文 Prompt
- 根据文章调性自动判断风格（科技感/写实/插画/未来主义）
- 自然融入品牌元素，确保合规
### 2. 智能图片插入位置
- 自动推荐最佳插入点（标题后、关键段落后、结尾总结图等）
- 避免生硬插入，提升阅读体验
- 支持手动调整插入位置
### 3. 图片嵌入 Markdown
- 自动将图片 URL 嵌入到 Markdown 格式中
- 格式：`![alt_text](image_url)`
- 支持多张图片智能分布
- 保持文章原有结构和格式
### 4. 图片预览和管理
- 实时预览生成的图片
- 显示每张图片的 Prompt 和 URL
- 支持下载图片或上传到图床
- 一键替换原内容为图文版本
## 💡 使用建议
### 配图数量建议
- **小红书**：3-5 张配图，生活化、美观
- **知乎**：2-3 张配图，专业、清晰
- **微信公众号**：2-4 张配图，符合文章风格
- **CSDN**：1-3 张配图，技术图表、流程图
- **B站**：1-2 张配图，适合视频封面
### Prompt 优化建议
- 系统会自动生成高质量的 Prompt，但也可以手动修改
- 建议在生成前先查看配图描述，确认是否符合预期
- 如需重新生成，可以修改 Prompt 后手动调用
### 图片保存建议
- 图片 URL 为阿里云临时链接，建议：
- 及时下载保存
- 上传到图床（如七牛云、又拍云等）
- 避免链接失效导致图片丢失
### 平台适配建议
系统会根据平台自动选择最合适的图片比例：
- **文章类平台（16:9 横图）**：
- 知乎、微信公众号、CSDN、头条号、百家号、网易号、企鹅号、新浪新闻、搜狐号、一点号、东方财富、原创力文档、邦阅网、新浪博客、简书、GitHub
- 尺寸：1344*768（16:9比例，适合文章配图）
- **社交类平台（1:1 方图）**：
- 小红书、QQ空间
- 尺寸：1024*1024（1:1比例，适合社交分享）
- **短视频平台（9:16 竖图）**：
- 抖音图文
- 尺寸：768*1344（9:16比例，适合竖屏展示）
- **视频类平台（16:9 横图）**：
- B站
- 尺寸：1344*768（16:9比例，适合视频封面）
**注意**：系统会自动根据选择的平台设置合适的图片比例，无需手动配置。
## ⚠️ 注意事项
1. **API Key 安全**
- API Key 存储在本地 `config.json` 文件中（已在 .gitignore 中）
- 不要将 API Key 提交到代码仓库
2. **生成时间**
- 每张图片生成约需 5-15 秒
- 批量生成时请耐心等待
- 建议显示加载提示，避免重复点击
3. **免费额度**
- 通义万相免费额度每天 100-300 张
- 超出后需要付费使用
- 建议合理控制生成数量
4. **图片链接**
- 图片 URL 为临时链接，可能有时效性
- 建议及时下载或上传到图床
- 避免依赖临时链接长期使用
5. **合规性**
- 系统会自动过滤敏感词
- 如生成失败，可能是内容不合规
- 建议修改 Prompt 后重新生成
## 🔧 技术实现
### API 调用
使用阿里云 DashScope SDK：
```python
from dashscope import ImageSynthesis
dashscope.api_key = api_key
response = ImageSynthesis.call(
model="wanx-v1",
prompt=prompt,
n=1,
size="1024*1024"
)
```
### Prompt 生成
使用 LLM 生成高质量中文 Prompt：
```python
prompt = multimodal_gen.generate_tongyi_image_prompt(
content=content,
brand=brand,
llm_chain=llm_chain
)
```
### 图片嵌入
自动将图片嵌入到 Markdown 中：
```python
final_content = multimodal_gen.embed_images_in_markdown(
content=original_content,
image_data=generated_images
)
```
## 📚 相关文档
- [多模态提示生成功能](./MULTIMODAL_FEATURE.md)
- [平台同步功能](../implementation/PLATFORM_SYNC_IMPLEMENTATION.md)
- [快速开始指南](../guides/QUICK_START_GUIDE.md)
## 🆘 常见问题
### Q: 为什么生成失败？
A: 可能的原因：
- API Key 未配置或配置错误
- 免费额度已用完
- Prompt 内容不合规
- 网络连接问题
### Q: 图片链接失效怎么办？
A: 建议：
- 及时下载图片保存
- 上传到图床服务
- 使用永久链接替换临时链接
### Q: 可以生成多少张图片？
A:
- 免费额度每天 100-300 张
- 建议单篇文章生成 1-5 张
- 超出额度需要付费
### Q: 如何修改图片 Prompt？
A:
- 在生成配图描述后，可以查看和修改 Prompt
- 修改后可以重新生成图片
- 建议保持 Prompt 与文章内容相关
docs/features/TOPIC_CLUSTER_FEATURE.md
+227
View File
@@ -0,0 +1,227 @@
# 话题集群生成功能说明
## 📋 功能概述
话题集群生成模块是 GEO 工具的高级功能，用于将关键词聚类为话题集群，系统化规划内容策略，发现内容盲区，建立完整的内容矩阵。
### 核心价值
- **从"点"到"面"的覆盖**：从单篇内容优化（点）到系统化覆盖整个话题领域（面）
- **发现内容盲区**：识别哪些话题集群缺少内容，帮助用户发现内容空白点
- **系统化内容规划**：基于话题集群生成内容规划建议，建立完整的内容矩阵
- **话题关联分析**：分析话题之间的关联关系，发现跨话题的内容机会
## 🎯 功能位置
### 关键词蒸馏模块（Tab1）
在生成关键词或进行语义扩展后，可以：
1. **🚀 生成话题集群**：基于现有关键词生成话题集群
- 设置话题集群数量（3-10 个）
- 一键生成话题集群
2. **📊 话题集群统计**：查看话题集群统计信息
- 话题总数
- 关键词总数
- 平均关键词/话题
- 最大话题关键词数
3. **📋 话题集群列表**：查看每个话题集群的详细信息
- 话题名称和描述
- 包含的关键词列表
- 优先级标识
4. **🔗 话题关联关系**：查看话题之间的关联关系
- 关联强度（强/弱）
- 关联类型（功能相关/场景相关等）
5. **📈 话题网络图**：可视化展示话题集群的网络关系
- 节点大小表示关键词数量
- 连线表示话题关联
6. **💡 内容规划建议**：基于话题集群生成内容规划建议
- 内容盲区分析
- 内容优先级
- 详细内容建议
### AI 数据报表模块（Tab6）
在历史关键词基础上，可以：
1. **🚀 生成话题集群分析**：基于历史关键词生成话题集群分析
- 设置话题集群数量（3-10 个）
- 一键生成话题集群分析
2. **📈 话题分布图**：可视化展示各话题集群的关键词数量分布
3. **📊 覆盖情况分析**：分析话题集群的覆盖情况
- 识别覆盖盲区
- 分析话题分布
4. **💡 内容规划建议**：基于历史数据生成内容规划建议
- 内容盲区分析
- 内容优先级
- 详细内容建议
## 🔄 工作流程
### 推荐工作流程
1. **生成关键词**
- 在 Tab1 使用"AI生成"、"托词工具"或"混合模式"生成关键词
- 可选：进行语义扩展，增加关键词覆盖面
2. **生成话题集群**
- 设置话题集群数量（建议 5-7 个）
- 点击"🚀 生成话题集群"
- 查看话题集群统计和列表
3. **分析话题关联**
- 查看话题关联关系表
- 查看话题网络图，了解话题之间的关联
4. **查看内容规划建议**
- 查看内容盲区分析，发现内容空白点
- 查看内容优先级，了解哪些话题需要优先创作
- 查看详细内容建议，获取具体的内容创作指导
5. **系统化内容创作**
- 根据内容规划建议，系统化创作内容
- 优先覆盖高优先级、低覆盖的话题
- 建立完整的内容矩阵
### 历史数据分析流程（Tab6）
1. **生成话题集群分析**
- 在 Tab6 点击"🚀 生成话题集群分析"
- 基于历史关键词自动生成话题集群
2. **分析覆盖情况**
- 查看话题分布图，了解各话题的覆盖情况
- 识别覆盖盲区，发现需要加强的话题
3. **优化内容策略**
- 根据内容规划建议，调整内容创作策略
- 优先覆盖高价值、低覆盖的话题
## 📊 话题聚类算法
### 语义相似性聚类
系统使用 LLM 进行语义相似性聚类，将语义相似的关键词归为同一话题集群：
1. **语义分析**：分析关键词的语义含义
2. **相似度计算**：计算关键词之间的语义相似度
3. **聚类分组**：将相似的关键词归为同一话题集群
4. **话题命名**：为每个话题集群生成有代表性的名称
### 备用聚类算法
如果 LLM 聚类失败，系统会使用基于规则的简单聚类算法：
1. **字符串相似度**：使用 SequenceMatcher 计算关键词之间的字符串相似度
2. **阈值聚类**：将相似度超过阈值的关键词归为同一集群
3. **简单命名**：从关键词中提取核心词作为话题名称
## 📈 可视化展示
### 话题网络图
- **节点**：表示话题集群，节点大小表示关键词数量
- **连线**：表示话题之间的关联关系
- **布局**：使用圆形布局，便于查看话题关系
### 话题分布图
- **柱状图**：展示各话题集群的关键词数量分布
- **颜色映射**：使用颜色深浅表示关键词数量
## 💡 内容规划建议
### 内容盲区分析
系统会识别以下类型的内容盲区：
1. **完全空白**：该话题集群完全没有内容
2. **内容不足**：该话题集群内容较少，需要补充
3. **关联缺失**：话题之间的关联内容缺失
### 内容优先级
系统会根据以下因素确定内容优先级：
1. **话题重要性**：话题的关键词数量和覆盖范围
2. **覆盖度**：当前话题的内容覆盖情况
3. **关联度**：话题与其他话题的关联程度
### 内容建议
为每个话题集群提供：
1. **内容类型**：建议的内容类型（文章、指南、案例等）
2. **发布平台**：建议的发布平台（博客、知乎、小红书等）
3. **关键词策略**：如何围绕话题使用关键词
4. **内容创意**：具体的内容创作建议
## ⚠️ 注意事项
1. **需要 LLM**：话题集群生成功能需要配置生成 LLM 的 API Key
2. **API 调用**：聚类过程会调用 LLM API，注意 API 费用
3. **关键词数量**：建议至少 20 个关键词，才能生成有意义的话题集群
4. **聚类质量**：聚类质量取决于 LLM 的能力和 Prompt 设计
5. **数量限制**：一次最多处理 100 个关键词进行聚类
## 🔗 相关功能
- **关键词生成**：在 Tab1 生成初始关键词
- **语义扩展**：在 Tab1 扩展关键词覆盖面
- **内容生成**：在 Tab2 使用话题集群中的关键词生成内容
- **多模型验证**：在 Tab4 验证话题集群中的关键词效果
- **历史记录**：在 Tab5 查看历史关键词记录
- **AI 数据报表**：在 Tab6 进行话题集群分析
## 🎯 最佳实践
1. **分阶段聚类**：
- 首先生成 30-50 个核心关键词
- 然后进行语义扩展，增加到 50-100 个关键词
- 最后生成话题集群，系统化规划内容
2. **合理设置集群数量**：
- 关键词较少（<30）：设置 3-5 个话题集群
- 关键词中等（30-70）：设置 5-7 个话题集群
- 关键词较多（>70）：设置 7-10 个话题集群
3. **关注内容盲区**：
- 优先查看内容盲区分析
- 优先覆盖高优先级、低覆盖的话题
- 系统化补充内容空白点
4. **利用话题关联**：
- 查看话题关联关系，发现跨话题的内容机会
- 创作关联话题的内容，提升整体覆盖面
5. **定期分析**：
- 在 Tab6 定期进行话题集群分析
- 基于历史数据优化内容策略
- 持续发现和补充内容盲区
## 📊 预期效果
### 短期效果
- **发现内容盲区**：快速识别哪些话题缺少内容
- **系统化规划**：建立清晰的内容创作计划
- **提升效率**：避免重复创作相似内容
### 长期效果
- **完整覆盖**：系统化覆盖整个话题领域
- **提升权威性**：建立完整的内容矩阵，提升品牌权威性
- **持续优化**：基于数据分析持续优化内容策略
---
**版本**：v1.0
**更新日期**：2025-01-26
docs/features/WORKFLOW_AUTOMATION_FEATURE.md
+188
View File
@@ -0,0 +1,188 @@
# 智能工作流自动化功能文档
## 📋 功能概述
智能工作流自动化功能允许用户创建自定义工作流，一键完成从关键词生成到验证的完整流程，大幅提升工作效率。
## 🎯 核心功能
### 1. 自定义工作流
- 支持创建包含多个步骤的工作流
- 步骤类型包括：
- **关键词生成**：自动生成关键词
- **内容创作**：为关键词生成多平台内容
- **内容优化**：优化现有内容
- **验证**：验证品牌提及率
- **条件检查**：根据条件触发后续操作
### 2. 工作流模板
- 保存常用工作流为模板
- 从模板快速创建工作流
- 模板复用，提升效率
### 3. 批量处理
- 一次性处理多个关键词
- 自动为多个平台生成内容
- 批量验证关键词效果
### 4. 条件触发
- 当提及率低于阈值时自动优化
- 支持自定义条件和动作
- 灵活的工作流控制
### 5. 执行历史
- 记录所有工作流执行记录
- 查看执行状态和结果
- 错误日志和调试信息
## 🚀 使用指南
### 创建工作流
1. **进入工作流管理**
- 在 Tab7（工作流自动化）中，点击"创建工作流"标签页
2. **从模板创建（推荐）**
- 选择预设的工作流模板
- 输入工作流名称
- 点击"创建"按钮
3. **自定义工作流**
- 输入工作流名称
- 添加步骤：
- 选择步骤类型（关键词生成、内容创作、验证等）
- 配置步骤参数
- 点击"添加步骤"
- 重复添加多个步骤
- 点击"创建工作流"按钮
### 执行工作流
1. **在工作流列表中**
- 找到要执行的工作流
- 点击"▶️ 执行"按钮
- 等待执行完成
2. **查看执行结果**
- 执行完成后会显示成功或失败信息
- 点击"查看执行结果"展开详情
- 在"执行历史"标签页查看所有历史记录
### 工作流步骤配置
#### 关键词生成步骤
- **参数**：
- `num_keywords`: 生成关键词数量（默认：10）
- `generation_mode`: 生成模式（AI生成/托词工具/混合模式）
#### 内容创作步骤
- **参数**：
- `platforms`: 目标平台列表（如：["知乎", "小红书"]）
#### 验证步骤
- **参数**：
- `verify_models`: 验证模型列表（如：["DeepSeek", "OpenAI"]）
- `max_keywords`: 最多验证的关键词数量（默认：20）
#### 条件检查步骤
- **参数**：
- `condition_type`: 条件类型（如：`mention_rate`）
- `threshold`: 阈值（如：0.5 表示 50%）
- `action`: 动作（`skip` 跳过后续步骤，`continue` 继续执行）
## 📊 工作流示例
### 示例1：完整流程工作流
```
1. 关键词生成（10个，AI生成）
2. 内容创作（知乎、小红书）
3. 验证（DeepSeek、OpenAI）
4. 条件检查（提及率 < 50% 时跳过）
```
### 示例2：快速验证工作流
```
1. 关键词生成（20个，混合模式）
2. 验证（所有可用模型）
```
### 示例3：内容优化工作流
```
1. 内容创作（微信公众号）
2. 内容优化（通用优化）
3. 验证（DeepSeek）
```
## 🔧 技术实现
### 架构设计
- **WorkflowExecutor**: 工作流执行引擎
- **WorkflowManager**: 工作流管理器
- **DataStorage**: 数据持久化（SQLite）
### 数据存储
- `workflows` 表：存储工作流配置
- `workflow_executions` 表：存储执行记录
- `workflow_templates` 表：存储工作流模板
### 执行流程
1. 用户点击"执行"按钮
2. WorkflowManager 创建工作流执行器
3. 执行器按顺序执行每个步骤
4. 每个步骤调用相应的回调函数
5. 结果保存到数据库
6. 返回执行结果
## ⚠️ 注意事项
1. **API 成本**
- 工作流执行会消耗 API 调用
- 建议在批量处理前估算成本
- 可以使用 `max_keywords` 参数限制验证数量
2. **执行时间**
- 复杂工作流可能需要较长时间
- 建议在非高峰期执行
- 可以分步骤执行，避免超时
3. **错误处理**
- 如果某个步骤失败，工作流会停止
- 查看执行日志了解失败原因
- 可以修改工作流配置后重试
4. **数据依赖**
- 确保已配置必要的 API Key
- 确保有足够的关键词数据
- 确保品牌和优势信息已填写
## 🎯 最佳实践
1. **从简单开始**
- 先创建简单的工作流测试
- 逐步增加复杂度
2. **使用模板**
- 保存常用工作流为模板
- 从模板快速创建新工作流
3. **定期检查**
- 查看执行历史
- 分析执行结果
- 优化工作流配置
4. **条件触发**
- 使用条件检查步骤
- 根据结果自动调整流程
## 📈 未来增强
- [ ] 定时任务支持（使用 APScheduler）
- [ ] 工作流可视化编辑器
- [ ] 更多条件类型支持
- [ ] 工作流性能优化
- [ ] 工作流分享功能
---
**创建日期**：2025-01-26
**版本**：1.0.0