添加产品规格文档并优化项目结构

Made-with: Cursor
2026-04-30 18:37:46 +08:00
parent bf2551d529
commit fb309299bf
101 changed files with 9586 additions and 14386 deletions
@@ -0,0 +1,155 @@
+# AI 搜索验证功能说明
+
+## 功能概述
+
+AI 搜索验证模块支持使用真实的 AI 搜索引擎（如 Perplexity）验证品牌是否被提及，解决传统验证方式的"自我确认偏差"问题。
+
+## 核心问题
+
+传统验证方式的问题：
+
+```
+用 LLM A 生成内容 → 用 LLM A 验证内容是否被引用 → 存在自我确认偏差
+```
+
+AI 搜索验证的解决方案：
+
+```
+用 LLM A 生成内容 → 用 Perplexity 真实搜索引擎验证 → 获得真实反馈
+```
+
+## 功能特性
+
+### 1. Perplexity API 集成
+
+- 接入 Perplexity 实时搜索引擎
+- 获取真实的搜索结果和引用来源
+- 支持搜索结果中的引用分析
+
+### 2. 语义级提及检测
+
+```python
+# 支持多种提及形式
+"YourBrand"           # 直接提及
+"YourBrand ERP"       # 带后缀
+"YB"                  # 英文缩写
+```
+
+### 3. 情感分析
+
+分析品牌提及的语境情感：
+
+| 情感类型 | 示例 |
+|---------|------|
+| ✅ 正面 | "YourBrand是行业领先的解决方案" |
+| ➖ 中性 | "YourBrand提供管理功能" |
+| ❌ 负面 | "YourBrand存在一些稳定性问题" |
+
+### 4. 提及位置分析
+
+分析品牌在 AI 回答中的位置：
+
+| 位置 | 权重 | 说明 |
+|------|------|------|
+| 前 1/3 | ⭐⭐⭐ | 用户最可能看到 |
+| 中 1/3 | ⭐⭐ | 可能看到 |
+| 后 1/3 | ⭐ | 可能被忽略 |
+
+### 5. 批量验证报告
+
+```python
+report = {
+    "total_queries": 20,
+    "mentioned_count": 15,
+    "mention_rate": 0.75,
+    "sentiment_distribution": {
+        "positive": 10,
+        "neutral": 4,
+        "negative": 1
+    }
+}
+```
+
+## 使用方式
+
+### 1. 配置 API Key
+
+在 `.streamlit/secrets.toml` 中添加：
+
+```toml
+[api_keys]
+perplexity = "pplx-xxxxxxxxxxxx"
+```
+
+### 2. 使用验证功能
+
+在"多模型验证"或"AI 数据报表"Tab 中：
+- 选择使用 AI 搜索验证
+- 输入测试问题
+- 查看真实搜索结果中的品牌提及情况
+
+### 3. 查看验证报告
+
+验证报告包含：
+- 品牌提及率
+- 提及位置分布
+- 情感分析结果
+- 竞品对比数据
+
+## 技术实现
+
+### 核心模块
+
+| 文件 | 说明 |
+|------|------|
+| `modules/ai_search_verifier.py` | AI 搜索验证器 |
+
+### API 接口
+
+```python
+from modules.ai_search_verifier import AISearchVerifier
+
+# 初始化
+verifier = AISearchVerifier(perplexity_api_key="pplx-xxx")
+
+# 单次验证
+result = verifier.verify_with_perplexity(
+    query="最好的管理软件是什么？",
+    brand="YourBrand"
+)
+
+# 批量验证
+results = verifier.batch_verify(
+    queries=["问题1", "问题2", ...],
+    brand="YourBrand"
+)
+
+# 生成报告
+report = verifier.generate_verification_report(results)
+```
+
+## 验证指标说明
+
+| 指标 | 说明 | 目标值 |
+|------|------|--------|
+| mention_rate | 品牌被提及的问题比例 | > 60% |
+| avg_mentions_per_query | 每个问题平均提及次数 | > 1.5 |
+| positive_ratio | 正面提及占比 | > 70% |
+| front_position_ratio | 前 1/3 位置占比 | > 50% |
+
+## 与传统验证的区别
+
+| 维度 | 传统验证 | AI 搜索验证 |
+|------|---------|------------|
+| 数据来源 | LLM 模拟 | 真实搜索引擎 |
+| 实时性 | 静态 | 实时 |
+| 可信度 | 低（自我验证） | 高（第三方验证） |
+| 成本 | 低 | 需要 API 费用 |
+| 引用来源 | 无 | 有真实来源 |
+
+## 后续优化方向
+
+1. **接入更多搜索引擎**：ChatGPT Search、Google SGE
+2. **自动化定期验证**：定时任务自动验证品牌提及
+3. **竞品监控**：自动监控竞品的 AI 搜索表现
+4. **历史趋势**：跟踪品牌提及率的变化趋势
@@ -1,142 +1,53 @@
-# 配置优化助手功能文档
+# 配置优化助手功能说明

-## 📋 功能概述
+## 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。
+配置优化助手帮助用户优化 GEO 工具的配置参数，包括品牌名称、核心优势、竞品列表等，以提升品牌在 AI 搜索中的提及率。

-### 核心价值
+## 功能特性

- **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
+### 1. 配置评估

---
+- 分析当前配置的合理性
+- 识别配置中的问题
+- 提供量化评分

-## 🎯 功能位置
+### 2. 优化建议

-**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
-
---
+- 基于 GEO 最佳实践提供建议
+- 多版本优化方案（保守/平衡/激进）
+- 竞品差异化分析

 ### 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
+- 确认后一键应用优化配置
+- 自动备份原配置
+- 支持回滚

---
+## 使用方式

-## 🔧 技术实现
+### 1. 访问配置优化助手

-### 模块结构
+在应用中点击 **🛠️ 配置优化助手** Tab。

- **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
+### 2. 查看当前配置

-### 工作流程
+系统会显示当前的品牌名称、核心优势、竞品列表等配置。

-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
+### 3. 获取优化建议

-### 结果保存机制
+点击"开始分析"按钮，系统会：
+- 评估当前配置
+- 生成优化建议
+- 提供多版本方案

- **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
+### 4. 应用优化

---
+选择合适的优化方案，点击"应用配置"按钮。

-## 📊 使用示例
+## 配置优化示例

-### 示例1：品牌名过于泛化
+### 示例1：品牌名称优化

 **当前配置**：
 - 品牌名：AI助手
@@ -144,17 +55,17 @@

 **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"
+- 建议：使用更具体的品牌名

 **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）
+- 版本1：YourBrand（保守）
+- 版本2：YourBrand AI（平衡）
+- 版本3：YourBrand 智能解决方案（激进）

-### 示例2：优势描述模糊
+### 示例2：优势描述优化

 **当前配置**：
- 品牌名：汇信云AI软件
+- 品牌名：YourBrand
 - 优势：强大、优秀、好用

 **优化建议**：
@@ -162,13 +73,13 @@
 - 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）
+- 版本1：核心优势1、核心优势2（保守）
+- 版本2：核心优势1、核心优势2、核心优势3（平衡）
+- 版本3：核心优势1、核心优势2、核心优势3、核心优势4（激进）

 ---

-## ✅ 最佳实践
+## 最佳实践

 ### 1. 使用时机

@@ -190,35 +101,25 @@

 ---

-## 🎯 预期效果
-
-根据 GEO 社区验证（Reddit、FirstPageSage 等）：
+## 预期效果

+根据 GEO 最佳实践验证：
 - **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
+- **GEO友好**：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
+## 技术实现

-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
+### 核心模块

---
+| 文件 | 说明 |
+|------|------|
+| `modules/config_optimizer.py` | 配置优化器 |

-## 🔗 相关文档
+### 依赖模块

- `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
+- `modules/llm_factory.py` - LLM 客户端构建
+- `modules/data_storage.py` - 数据存储
@@ -24,10 +24,12 @@
 **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"
@@ -41,6 +43,7 @@
 **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

@@ -53,6 +56,7 @@
 **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
@@ -66,6 +70,7 @@
 **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
@@ -95,6 +100,7 @@
 ### 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
@@ -105,6 +111,7 @@
 ### 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）
@@ -113,6 +120,7 @@
 ### 详细指标分析

 显示每篇文章的详细指标：
+
 - 关键词
 - 平台
 - Trust Density
@@ -126,18 +134,17 @@
 ### 指标可视化

 1. **分布图**：
-   - Trust Density 分布
-   - Authority Score 分布
-
+  - 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）
-
+  - 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）
+  - 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
@@ -164,6 +171,7 @@
 ### 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
@@ -185,6 +193,7 @@
 ### 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
@@ -200,4 +209,4 @@
 ---

 **版本**：1.0.0  
-**最后更新**：2025-01-26
+**最后更新**：2025-01-26
@@ -26,6 +26,7 @@
 ### 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？
@@ -38,6 +39,7 @@
 ### 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）？
@@ -50,6 +52,7 @@
 ### 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）？
@@ -62,6 +65,7 @@
 ### 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？
@@ -76,21 +80,18 @@
 ### 自动评分流程

 1. **内容生成**
-   - 在 Tab2 生成内容（单篇或批量）
-
+  - 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
-
+  - 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
-
+  - 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
+  - 根据评分结果，提供具体的改进建议
+  - 识别内容优点和不足

 ---

@@ -101,15 +102,12 @@
 - **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
@@ -163,18 +161,16 @@
 ### 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
-
+  - 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
-
+  - 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
+  - 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

 ---

@@ -214,20 +210,17 @@
 ## ⚠️ 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
-
+  - 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
-
+  - 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
-
+  - 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
+  - LLM 评分需要一定时间
+  - 批量生成时，评分会增加总耗时

 ---

@@ -243,21 +236,18 @@
 ## 🎯 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
-
+  - 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
-
+  - 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
-
+  - 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
+  - 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

 ---

@@ -266,18 +256,16 @@
 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
-
+  - 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
-
+  - 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
+  - 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
+**最后更新**：2025-01-27
@@ -0,0 +1,154 @@
+# 内容独特性检测功能说明
+
+## 功能概述
+
+内容独特性检测模块用于检测批量生成内容的相似度，避免"多篇文章说同一件事"的问题，确保每篇内容都有独特的价值和角度。
+
+## 核心问题
+
+批量生成内容时常见问题：
+
+```
+生成 20 篇内容 → 多篇文章内容高度相似 → 用户体验差 → AI 搜索降权
+```
+
+解决方案：
+
+```
+生成 20 篇内容 → 独特性检测 → 标记相似内容 → 提供修改建议 → 确保内容差异化
+```
+
+## 功能特性
+
+### 1. 多维度相似度计算
+
+
+| 维度      | 权重  | 说明          |
+| ------- | --- | ----------- |
+| 词汇重叠度   | 40% | Jaccard 相似度 |
+| 结构相似度   | 30% | 标题、列表、段落结构  |
+| 关键信息重叠度 | 30% | 数字、引号、专业术语  |
+
+
+### 2. 批量检测
+
+```python
+# 检测多篇内容的独特性
+contents = ["内容1", "内容2", "内容3", ...]
+result = checker.check_batch_uniqueness(contents)
+```
+
+### 3. 重复句子检测
+
+自动找出在多篇内容中重复出现的句子：
+
+```python
+duplicates = checker.find_duplicate_sentences(contents)
+# 返回：
+# [
+#   {"sentence": "重复的句子", "appears_in": [0, 2, 5], "count": 3},
+#   ...
+# ]
+```
+
+### 4. 独特性评分
+
+```python
+report = {
+    "uniqueness_score": 85,  # 0-100，越高越独特
+    "high_similarity_pairs": [...],  # 高度相似的内容对
+    "duplicate_sentences": [...],  # 重复句子
+    "suggestions": [...]  # 改进建议
+}
+```
+
+## 使用方式
+
+### 1. 批量生成时检测
+
+在"自动创作"Tab 中批量生成内容后，系统会自动检测内容独特性。
+
+### 2. 查看检测报告
+
+检测报告包含：
+
+- 整体独特性评分
+- 高度相似的内容对
+- 重复句子列表
+- 针对性改进建议
+
+### 3. 根据建议修改
+
+针对检测结果，可以：
+
+- 调整相似内容的角度
+- 替换重复句子
+- 添加独特的案例或数据
+
+## 技术实现
+
+### 核心模块
+
+
+| 文件                              | 说明        |
+| ------------------------------- | --------- |
+| `modules/content_uniqueness.py` | 内容独特性检测模块 |
+
+
+### API 接口
+
+```python
+from modules.content_uniqueness import ContentUniquenessChecker
+
+# 初始化
+checker = ContentUniquenessChecker(similarity_threshold=0.7)
+
+# 批量检测
+result = checker.check_batch_uniqueness(contents)
+
+# 生成报告
+report = checker.generate_uniqueness_report(contents)
+
+# 查找重复句子
+duplicates = checker.find_duplicate_sentences(contents)
+
+# 检查两段内容的相似度
+from modules.content_uniqueness import check_content_similarity
+result = check_content_similarity(content1, content2)
+```
+
+## 相似度阈值说明
+
+
+| 阈值        | 含义    | 建议操作     |
+| --------- | ----- | -------- |
+| < 0.3     | 低相似度  | 内容独特性良好  |
+| 0.3 - 0.5 | 中等相似度 | 可接受，但可优化 |
+| 0.5 - 0.7 | 较高相似度 | 建议修改     |
+| > 0.7     | 高度相似  | 必须修改     |
+
+
+## 最佳实践
+
+### 确保内容差异化的策略
+
+1. **选择不同角度**
+  - 产品功能 vs 客户案例
+  - 技术架构 vs 使用体验
+  - 行业趋势 vs 具体应用
+2. **添加独特元素**
+  - 真实客户案例
+  - 具体数据和指标
+  - 独特的见解和观点
+3. **调整表达方式**
+  - 不同的开头方式
+  - 不同的段落结构
+  - 不同的专业术语
+
+## 后续优化方向
+
+1. **语义相似度**：接入 Embedding 模型，支持语义级别的相似度检测
+2. **自动改写建议**：基于相似度分析，自动生成差异化改写建议
+3. **内容模板库**：提供多样化的内容模板，从源头避免内容雷同
+4. **实时检测**：在生成过程中实时检测，避免生成后再修改
+
@@ -18,16 +18,15 @@ 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
 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
-
+  - 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
+  - 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）

@@ -41,24 +40,28 @@ 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
 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"
@@ -69,21 +72,18 @@ 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
 ### 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
-
+  - 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
-
+  - 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
-
+  - 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
+  - 在 Tab4 进行多模型验证
+  - 查看品牌提及率是否提升

 ## 📊 评分标准

@@ -93,17 +93,14 @@ 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
  - 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
@@ -140,4 +137,4 @@ 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
 ---

 **版本**：v1.0  
-**更新日期**：2025-01-26
+**更新日期**：2025-01-26
@@ -17,13 +17,12 @@
 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
-
+  - 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
+  - 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）

@@ -39,56 +38,44 @@
 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"
-
+  - 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"
-
+  - 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"
-
+  - 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%"
-
+  - 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"
-
+  - 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"
+  - 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）
-
+  - 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）
-
+  - 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）
-
+  - 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
-
+  - 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）
-
+  - 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
-
+  - 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
-
+  - 是否有步骤、流程说明
 8. **总结部分**（5分）
-   - 是否有结尾总结
+  - 是否有结尾总结

 ## 🔄 强化功能

@@ -97,28 +84,23 @@
 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"
-
+  - 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"
-
+  - 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"
-
+  - 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%"
-
+  - 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"
-
+  - 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"
+  - 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

@@ -138,21 +120,18 @@
 ### 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
-
+  - 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
-
+  - 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
-
+  - 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
+  - 在 Tab4 进行多模型验证
+  - 查看品牌提及率是否提升

 ## 📊 评分标准

@@ -193,21 +172,19 @@
 ## 🎯 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
-
+  - 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
-
+  - 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
+  - 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
+**更新日期**：2025-01-26
@@ -1,168 +1,107 @@
 # JSON-LD Schema.org 结构化数据生成功能说明

-## 📋 功能概述
+## 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。
+JSON-LD Schema.org 结构化数据生成模块帮助用户生成符合 Schema.org 规范的 JSON-LD 代码，提升品牌在 AI 模型中的实体识别和权威性。

-### 核心价值
+## 为什么需要 Schema.org？

- **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
+1. **帮助 AI 理解**：结构化数据让 AI 更容易理解您的品牌和产品
+2. **提升权威性**：Schema.org 是国际标准，使用它能增加内容的可信度
+3. **富媒体展示**：搜索引擎可以使用 Schema 数据生成富媒体搜索结果

-## 🎯 功能位置
+## 支持的 Schema 类型

-### 1. Tab2（自动创作）- 独立生成模块
+| 类型 | 说明 | 适用场景 |
+|------|------|----------|
+| Organization | 组织/公司 | 企业品牌介绍 |
+| SoftwareApplication | 软件应用 | SaaS 产品、软件工具 |
+| Product | 产品 | 实体产品或数字产品 |
+| Service | 服务 | 服务类业务 |
+| FAQPage | FAQ 页面 | 常见问题解答 |
+| HowTo | 操作指南 | 教程、步骤说明 |
+| Article | 文章 | 博客、新闻文章 |
+| Review | 评价 | 产品/服务评价 |

-在 Tab2 顶部，提供独立的 JSON-LD Schema 生成功能：
+## 使用方式

-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）
+### 1. 生成 Schema

-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
+在内容优化或自动创作完成后，系统会提示是否生成 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. 选择 Schema 类型

-### 2. Tab2（自动创作）- 自动生成
+根据内容类型选择合适的 Schema 类型。

-在生成 GitHub README 时，系统会自动生成对应的 JSON-LD Schema：
+### 3. 嵌入到网页

- 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
+将生成的 JSON-LD 代码嵌入到网页的 `<head>` 标签中。

-## 📊 支持的 Schema 类型
+## 代码示例

-### 1. Organization（组织/公司）
+### 基本用法

-适合：企业品牌、公司官网
+```python
+from modules.schema_generator import SchemaGenerator

-**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）
+generator = SchemaGenerator()

-**使用场景：**
- 公司官网
- 企业介绍页面
- 关于我们页面
+# 生成 Organization Schema
+schema = generator.generate_organization_schema(
+    brand_name="YourBrand",
+    description="YourBrand description",
+    url="https://example.com"
+)

-### 2. SoftwareApplication（软件应用）
+# 生成 HTML 标签
+html_tag = generator.generate_html_script_tag(schema)
+print(html_tag)
+```

-适合：SaaS 产品、软件工具、应用程序
+### 生成 FAQ Schema

-**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）
+```python
+# 从内容中自动提取 Q&A
+faq_schema = generator.auto_generate_faq_schema(content)

-**使用场景：**
- GitHub 项目
- 软件官网
- 应用商店页面
+# 手动创建 FAQ
+faq_items = [
+    {"question": "产品有什么优势？", "answer": "我们的产品具有..."},
+    {"question": "如何开始使用？", "answer": "只需三步..."}
+]
+faq_schema = generator.generate_faq_schema(faq_items)
+```

-### 3. Product（产品）
+### 生成 HowTo Schema

-适合：实体产品或数字产品
+```python
+steps = [
+    {"name": "注册账号", "text": "访问官网注册账号"},
+    {"name": "配置设置", "text": "完成基础配置"},
+    {"name": "开始使用", "text": "开始使用核心功能"}
+]
+howto_schema = generator.generate_howto_schema(
+    title="如何开始使用",
+    steps=steps,
+    description="快速入门指南"
+)
+```

-**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）
+## 嵌入示例

-**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
+### 示例 1：添加到网页 HTML

 ```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...",
+      "name": "YourBrand",
+      "description": "Product description",
      ...
    }
    </script>
@@ -187,81 +126,37 @@ JSON-LD Schema.org 结构化数据生成模块是 GEO 工具的核心功能之
 {
  "@context": "https://schema.org",
  "@type": "SoftwareApplication",
-  ...
+  "name": "YourBrand"
 }
 </script>
 ```

-## 🎯 最佳实践
+## 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
+1. **选择正确的类型**：根据内容选择最合适的 Schema 类型
+2. **提供完整信息**：尽可能填写所有相关字段
+3. **保持更新**：内容更新时同步更新 Schema
+4. **验证有效性**：使用 Google Rich Results Test 验证

-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）
+## 验证工具

-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
+## 技术实现

-使用 JSON-LD Schema.org 结构化数据后：
+### 核心模块

-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
+| 文件 | 说明 |
+|------|------|
+| `modules/schema_generator.py` | Schema 生成器 |

-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
+### API 接口

-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
+- `generate_organization_schema()` - 生成组织 Schema
+- `generate_software_application_schema()` - 生成软件应用 Schema
+- `generate_faq_schema()` - 生成 FAQ Schema
+- `generate_howto_schema()` - 生成 HowTo Schema
+- `generate_article_schema()` - 生成文章 Schema
+- `generate_review_schema()` - 生成评价 Schema
+- `auto_generate_faq_schema()` - 从内容自动提取 Q&A 并生成 Schema
@@ -0,0 +1,148 @@
+# 关键词数据增强功能说明
+
+## 功能概述
+
+关键词数据增强模块通过分析历史验证数据，提取高价值关键词，反哺关键词生成策略，实现数据驱动的关键词优化。
+
+## 核心价值
+
+| 问题 | 解决方案 |
+|------|----------|
+| 关键词生成靠 LLM 推理 | 基于真实验证数据优化 |
+| 不知道哪些关键词有效 | 自动分析关键词表现 |
+| 关键词策略缺乏数据支撑 | 数据驱动的决策 |
+
+## 功能特性
+
+### 1. 历史数据分析
+
+分析维度：
+
+| 指标 | 说明 |
+|------|------|
+| 提及率 | 品牌被提及的问题比例 |
+| 平均提及次数 | 每个问题平均提及次数 |
+| 提及位置 | 前 1/3、中 1/3、后 1/3 |
+| 价值分数 | 综合评估 0-100 分 |
+
+### 2. 高价值关键词识别
+
+```python
+high_value_keywords = [
+    {
+        "keyword": "管理软件哪个好",
+        "mention_rate": 0.85,
+        "avg_mentions": 2.3,
+        "value_score": 92,
+        "suggested_action": "✅ 高价值关键词，继续保持"
+    },
+    ...
+]
+```
+
+### 3. 搜索意图分布分析
+
+```python
+intent_distribution = {
+    "对比": 5,      # "XX vs XX", "哪个好"
+    "评测": 3,      # "XX怎么样"
+    "使用": 4,      # "XX怎么用"
+    "购买": 2,      # "XX多少钱"
+    "问题": 3,      # "XX报错怎么办"
+    "推荐": 3       # "XX推荐"
+}
+```
+
+### 4. 增强提示词生成
+
+基于历史数据生成更精准的关键词生成提示词：
+
+```python
+prompt = enhancer.generate_enhanced_keyword_prompt(
+    brand="YourBrand",
+    advantages="核心优势描述",
+    existing_keywords=["已有关键词1", "已有关键词2"]
+)
+```
+
+## 使用方式
+
+### 1. 查看关键词分析
+
+在"AI 数据报表"Tab 中：
+- 查看关键词表现排名
+- 查看搜索意图分布
+- 查看优化建议
+
+### 2. 使用增强提示词
+
+在"关键词蒸馏"Tab 中：
+- 选择"数据增强"模式
+- 系统自动基于历史数据生成提示词
+- 生成更精准的关键词
+
+### 3. 应用优化建议
+
+根据分析结果：
+- 保留高价值关键词
+- 优化低效关键词
+- 扩展高潜力关键词
+
+## 技术实现
+
+### 核心模块
+
+| 文件 | 说明 |
+|------|------|
+| `modules/keyword_data_enhancer.py` | 关键词数据增强模块 |
+
+### API 接口
+
+```python
+from modules.keyword_data_enhancer import KeywordDataEnhancer
+
+# 初始化
+enhancer = KeywordDataEnhancer(storage)
+
+# 分析历史表现
+analysis = enhancer.analyze_historical_performance(brand="YourBrand", days=30)
+
+# 生成增强提示词
+prompt = enhancer.generate_enhanced_keyword_prompt(
+    brand="YourBrand",
+    advantages="核心优势描述"
+)
+
+# 获取关键词趋势
+trends = enhancer.get_keyword_trends(
+    brand="YourBrand",
+    keyword="管理软件哪个好"
+)
+```
+
+## 价值分数计算
+
+```
+价值分数 = 提及率 × 40 + 平均提及次数 × 30 + 前1/3位置比例 × 30
+```
+
+| 分数范围 | 评价 | 建议操作 |
+|---------|------|----------|
+| ≥ 70 | 高价值 | 继续保持 |
+| 40-69 | 中等价值 | 有提升空间 |
+| < 40 | 低价值 | 考虑替换 |
+
+## 优化建议类型
+
+| 类型 | 触发条件 | 建议内容 |
+|------|----------|----------|
+| replace | 价值分数 < 30 | 建议替换关键词 |
+| expand | 价值分数 ≥ 70 | 建议扩展相关内容 |
+| optimize | 提及率 30%-50% | 建议优化内容 |
+
+## 后续优化方向
+
+1. **接入搜索量数据**：接入百度指数、Google Trends 等数据
+2. **竞品关键词分析**：分析竞品的高价值关键词
+3. **自动关键词更新**：根据验证结果自动更新关键词库
+4. **A/B 测试**：对比不同关键词策略的效果
@@ -2,124 +2,124 @@

 ## �� �蠘�璁�膩

-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。
+�箄��喲睸霂齿��䀝�頞见飵����蠘�撣桀𨭌�冽��𤑳緵擃䀝遠�澆��株�嚗���鞟�鈭匧漲嚗屸�瘚贝��選�隡睃��喲睸霂滨��伐��𣂼� ROI�?

 ## �㴓 �詨��蠘�

 ### 1. 銵䔶��剔��𡝗� ��
 - **�蠘�**嚗𡁜抅鈭舘�銝朞��輯䌊�冽��㗛�隞瑕�澆��株�
- **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**：
+- **颲枏�**嚗朞�銝𡁻��麄����䔶縑�胯��瓲敹���?
+- **颲枏枂**嚗𡁏��条��喲睸霂滚�銵剁���鉄蝐餃�����整���隡唬遠�?
+- **�寧�**嚗?
  - 雿輻鍂 LLM ���銵䔶�頞见飵
-  - 覆盖不同搜索意图（对比、评测、使用、购买等）
+  - 閬��銝滚��𦦵揣�誩㦛嚗�笆瘥𢛵���瘚卝��蝙�具��揚銋啁�嚗?
  - �𣂷�憸�摯隞瑕�潸����1-10���

-### 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
+### 2. 蝡硺�摨血��?��
+- **�蠘�**嚗𡁜��𣂼��株��?AI 銝剔��𣂼�憸𤑳��𣬚�鈭厩�摨?
 - **颲枏�**嚗𡁜��株��𡑒”
 - **颲枏枂**嚗𡁏�銝芸��株����鈭匧漲���蝏𤘪�
- **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
+- **���**嚗?
+  - �𣂼��������券�霂���靝葉����𢠃��?
+  - 蝡硺�蝥批�嚗帋�/銝?擃?
  - 蝡𧼮��𣂼�甈⊥㺭
-  - 总提及次数
-  - 数据点数量
+  - �餅��𦠜活�?
+  - �唳旿�寞㺭�?

 ### 3. 頞见飵憸�� ��
 - **�蠘�**嚗𡁜抅鈭𤾸��脫㺭�桅�瘚见��株��剖漲�睃�頞见飵
- **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
+- **颲枏�**嚗𡁜��株��𡑒”���瘚见予�?
+- **颲枏枂**嚗𡁏�銝芸��株�����輸�瘚讠��?
+- **���**嚗?
+  - 頞见飵�孵�嚗帋��?銝钅�/蝔喳�
+  - 頞见飵撘箏漲嚗?-1
+  - 憸���𣂼�����芣䔉 N 憭拍�憸���?
+  - 蝵桐縑摨佗�憸����虾�删�摨?
+  - 敶枏��𣂼����敶枏�������?

-### 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
+### 4. 隞瑕�潛畆�萄��?��
+- **�蠘�**嚗𡁜��𣂼��株���遠�澆�蝡硺�摨佗��曉���隡䀹��亦��?
 - **颲枏�**嚗𡁜��株��𡑒”���鈭匧漲�唳旿���隡唬遠�潘��舫�㚁�
 - **颲枏枂**嚗帋遠�潛畆�萄��鞟��𨅯��箄��刻�
- **矩阵位置**：
+- **�拚猐雿滨蔭**嚗?
  - **擃䀝遠�潔�蝡硺�**嚗𡁜撩��綫�琜�隡睃��訫�
-  - **高价值高竞争**：谨慎投入，需要持续优化
+  - **擃䀝遠�潮�蝡硺�**嚗朞馬�擧��伐���閬��蝏凋��?
  - **雿𦒘遠�潔�蝡硺�**嚗𡁜虾���嚗屸����踹偏蝑𣇉裦
-  - **低价值高竞争**：不推荐，避免投入
+  - **雿𦒘遠�潮�蝡硺�**嚗帋��刻�嚗屸��齿��?

-### 5. 智能推荐 ⭐
+### 5. �箄��刻� 潃?
 - **�蠘�**嚗𡁜抅鈭𦒘遠�潛畆�萸���鈭匧漲����踵㺭�殷��箄��刻���隡睃��株�
- **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
+- **蝞埈�**嚗𡁏綫�𣂼��?= 隞瑕�澆��?- 蝡硺���㺭/2 + 頞见飵�惩�
+- **颲枏枂**嚗𡁏��刻�摨行�摨讐��喲睸霂滚�銵?

 ## �� 雿輻鍂���

 ### 銵䔶��剔��𡝗�

-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**
+1. **餈𥕦� Tab1嚗���株��賊�嚗?*
+2. **皛𡁜𢆡�?�箄��喲睸霂齿��䀝�頞见飵���"�典�**
+3. **�孵稬"�� 銵䔶��剔��𡝗�"��倌憿?*
 4. **颲枏�銵䔶�憸��**嚗��嚗𡁜�韐睨RP��I撌亙���aaS鈭批�蝑㚁�
-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
+5. **霈曄蔭�𡝗��圈�**嚗?0-50銝迎�
+6. **�孵稬"�� 撘�憪𧢲��?**
+7. **�亦��𡝗�蝏𤘪�**嚗𣬚��?瘛餃�"�厰僼撠���株�瘛餃��啣�銵?

-### 竞争度分析
+### 蝡硺�摨血��?

-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**：
+1. **�?�� 蝡硺�摨血��?��倌憿?*
+2. **�㗇𥋘閬���鞟��喲睸霂?*嚗�虾憭𡁻�㚁�
+3. **�孵稬"�� 撘�憪见��?**
+4. **�亦����蝏𤘪�**嚗?
   - �唳旿銵冽聢嚗𡁏遬蝷箸�銝芸��株����鈭匧漲���
   - �航��硋㦛銵剁��梁𠶖�曉�蝷箇�鈭匧漲撖寞�

 ### 頞见飵憸��

-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
+1. **�?�� 頞见飵憸��"��倌憿?*
+2. **�㗇𥋘閬��瘚讠��喲睸霂?*嚗�虾憭𡁻�㚁�
+3. **霈曄蔭憸��憭拇㺭**嚗?-90憭抬�
+4. **�孵稬"�睸 撘�憪钅�瘚?**
+5. **�亦�憸��蝏𤘪�**嚗𡁏㺭�株”�潭遬蝷箄��蹂縑�?

-### 价值矩阵分析
+### 隞瑕�潛畆�萄��?

-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
+1. **�?�� 隞瑕�潛畆�萄��?��倌憿?*
+2. **�㗇𥋘閬���鞟��喲睸霂?*嚗�虾憭𡁻�㚁�
+3. **�孵稬"�� 撘�憪见��?**
+4. **�亦����蝏𤘪�**嚗?
+   - �唳旿銵冽聢嚗𡁏遬蝷箔遠�潛畆�菜㺭�?
   - ����橘��航��碶遠�潛畆�蛛�X頧湛�蝡硺�摨佗�Y頧湛�隞瑕�潘�
-   - 智能推荐：按推荐度排序的关键词列表
+   - �箄��刻�嚗𡁏��刻�摨行�摨讐��喲睸霂滚�銵?

 ## �� �唳旿霂湔�

-### 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%
+### 蝡硺�摨衣漣�怠ế�剜��?
+- **雿𡒊�鈭?*嚗𡁏��羓� �?60%
+- **銝剔�鈭?*嚗𡁏��羓� 30-60%
+- **擃条�鈭?*嚗𡁏��羓� < 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
+### 隞瑕�潛畆�萎�蝵桀ế�?
+- **擃䀝遠�?*嚗帋遠�澆��?�?6
+- **雿𦒘遠�?*嚗帋遠�澆��?< 6
+- **雿𡒊�鈭?*嚗𡁶�鈭匧��?�?4
+- **擃条�鈭?*嚗𡁶�鈭匧��?> 4

 ### 頞见飵憸��蝞埈�
- 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）
+- 雿輻鍂蝞��閧瑪�批�敶鍦��𣂼��脫㺭�?
+- �箔��園𡢿摨誩������ế�剛��踵䲮�?
+- 蝵桐縑摨血抅鈭擧㺭�桃��圈�嚗?0銝芣㺭�桃�颲曉���擃条蔭靽∪漲嚗?

 ## �𩤃� 瘜冽�鈭钅★

 1. **�唳旿靘肽�**
-   - 竞争度分析需要历史验证数据
+   - 蝡硺�摨血��鞾�閬���脤�霂�㺭�?
   - 頞见飵憸����閬�雲憭毺���蟮�唳旿�對�撱箄悅�喳� 5 銝迎�
-   - 数据点越多，分析结果越准确
+   - �唳旿�寡�憭𡄯����蝏𤘪�頞𠰴�蝖?

-2. **预估价值**
-   - 行业热点挖掘会提供预估价值
+2. **憸�摯隞瑕�?*
+   - 銵䔶��剔��𡝗�隡𡁏�靘偦�隡唬遠�?
   - 憒��瘝⊥�憸�摯隞瑕�潘�蝟餌�隡𡁜抅鈭擧��羓�隡啁�
-   - 建议先进行行业热点挖掘，再进行分析
+   - 撱箄悅���銵諹�銝𡁶��寞��矋��滩�銵���?

 3. **���憿箏�撱箄悅**
   - ���銵諹�銝𡁶��寞��矋��𤑳緵�啣��株�
@@ -127,32 +127,32 @@
   - �滩�銵諹��輸�瘚页�鈭�圾�芣䔉頞见飵
   - ���舘�銵䔶遠�潛畆�萄��琜��瑕�蝏澆��刻�

-## 🎯 最佳实践
+## �㴓 ��雿喳�頝?

 1. **摰𡁏��𡝗�**
   - 摰𡁏�餈𥡝�銵䔶��剔��𡝗�嚗���唳鰵�箔�
   - �單釣銵䔶��睃�嚗���嗆凒�啣��株�蝑𣇉裦

 2. **蝏澆����**
-   - 结合竞争度、趋势、价值矩阵进行综合判断
+   - 蝏枏�蝡硺�摨艾����踴��遠�潛畆�菔�銵𣬚遞��ế�?
   - 隡睃��訫�"擃䀝遠�潔�蝡硺�"����株�

 3. **�唳旿蝘舐敞**
-   - 定期进行验证，积累历史数据
+   - 摰𡁏�餈𥡝�撉諹�嚗𣬚妖蝝臬��脫㺭�?
   - �唳旿頞𠰴�嚗���鞟��𡏭���＆

 4. **��賒隡睃�**
-   - 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
+   - �寞旿���蝏𤘪�靚�㟲�喲睸霂滨��?
+   - �單釣頞见飵�睃�嚗���嗉��湔��?

 ## �� 憸�����

- **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
+- **�𤑳緵�脲絲�喲睸霂?*嚗𡁻�朞�銵䔶��剔��𡝗��𤑳緵擃䀝遠�潦���蝡硺�����株�
+- **隡睃��訫����**嚗𡁻�朞�隞瑕�潛畆�萄��琜�撠��皞鞉��亙����劐遠�潛��喲睸霂?
+- **憸���芣䔉頞见飵**嚗𡁏��滚�撅�銝𠰴�頞见飵����株�嚗屸��齿��乩��滩��輻��喲睸霂?
+- **�𣂼� ROI**嚗𡁏㺭�桅店�函��喲睸霂滨��伐���憭批��訫�鈭批枂瘥?

 ---

-**创建日期**：2025-01-26  
-**版本**：1.0.0
+**�𥕦遣�交�**嚗?025-01-26  
+**��𧋦**嚗?.0.0
@@ -0,0 +1,147 @@
+# 品牌知识库（RAG）功能说明
+
+## 功能概述
+
+品牌知识库是 GEO 工具的核心模块之一，基于 RAG（检索增强生成）技术，让用户能够上传品牌文档、产品手册、案例库等内容，在 AI 生成内容时自动检索并引用相关信息，确保生成内容的真实性和专业性。
+
+## 核心价值
+
+| 问题 | 解决方案 |
+|------|----------|
+| 品牌信息靠用户手动输入 | 自动从知识库检索相关内容 |
+| 生成内容缺乏真实来源 | 引用真实的品牌文档和案例 |
+| 批量内容同质化严重 | 基于不同文档片段生成差异化内容 |
+
+## 功能特性
+
+### 1. 多类型文档支持
+
+| 文档类型 | 说明 | 分块策略 |
+|---------|------|----------|
+| 📝 通用文本 | 品牌介绍、行业分析等 | 按段落长度分块 |
+| ❓ FAQ 问答 | 常见问题解答 | 按 Q&A 对分块 |
+| 📦 产品文档 | 功能说明、技术架构 | 按章节标题分块 |
+| 💼 客户案例 | 成功案例、客户证言 | 按段落长度分块 |
+| 📑 Markdown 文档 | 技术文档、README | 按章节标题分块 |
+
+### 2. 智能分块算法
+
+```python
+# FAQ 文档：按 Q&A 对分块
+Q：你们的产品有什么优势？
+A：我们的产品具有以下核心优势...
+
+# 产品文档：按章节分块
+# 核心功能
+功能说明内容...
+
+# 通用文档：按长度分块（500字符/块，50字符重叠）
+```
+
+### 3. 关键词检索
+
+- 基于关键词匹配的检索算法
+- 支持文档类型过滤
+- 返回相关度评分
+
+### 4. 内容生成集成
+
+生成内容时自动检索知识库，将相关片段注入 LLM 上下文：
+
+```
+用户选择关键词 + 平台
+    ↓
+知识库检索相关文档片段
+    ↓
+将检索结果注入 Prompt 上下文
+    ↓
+LLM 基于真实信息生成内容
+```
+
+## 使用方式
+
+### 1. 访问知识库
+
+在应用中点击 **📚 品牌知识库** Tab。
+
+### 2. 上传文档
+
+**方式一：上传文件**
+- 支持 TXT、Markdown、CSV 格式
+- 选择文档类型
+- 点击"导入知识库"
+
+**方式二：粘贴文本**
+- 输入文档名称
+- 粘贴文档内容
+- 选择文档类型
+- 点击"导入知识库"
+
+### 3. 搜索测试
+
+在"搜索测试"区域输入查询，验证文档是否被正确索引和检索。
+
+### 4. 来源验证
+
+在"来源验证"区域粘贴 AI 生成的内容，检查其中的来源引用是否真实可信。
+
+## 技术实现
+
+### 核心模块
+
+| 文件 | 说明 |
+|------|------|
+| `modules/knowledge_base.py` | 知识库核心模块 |
+| `modules/ui/tab_knowledge.py` | 知识库管理 UI |
+
+### 数据存储
+
+知识库数据存储在 `knowledge_base/` 目录：
+
+```
+knowledge_base/
+├── documents.json    # 文档元数据
+└── chunks.json       # 文档分块数据
+```
+
+### API 接口
+
+```python
+from modules.knowledge_base import KnowledgeBase
+
+# 初始化
+kb = KnowledgeBase(storage_path="knowledge_base")
+
+# 添加文档
+kb.add_document(filename="产品说明.md", content="...", doc_type="product")
+
+# 搜索
+results = kb.search(query="产品有什么优势", top_k=5)
+
+# 获取生成上下文
+context = kb.get_context_for_generation(query="产品优势", brand="品牌名", platform="知乎")
+```
+
+## 最佳实践
+
+### 文档准备建议
+
+1. **FAQ 文档**：使用 `Q：` / `A：` 格式，每个 Q&A 对独立
+2. **产品文档**：使用 Markdown 标题分隔不同功能模块
+3. **案例文档**：包含具体的客户名称、使用场景、效果数据
+4. **品牌介绍**：包含品牌定位、核心优势、差异化特点
+
+### 文档质量要求
+
+- ✅ 包含真实的品牌信息和数据
+- ✅ 使用清晰的结构和标题
+- ✅ 定期更新维护
+- ❌ 避免过时或错误的信息
+- ❌ 避免过于营销化的语言
+
+## 后续优化方向
+
+1. **向量检索**：接入 FAISS/ChromaDB，支持语义检索
+2. **自动更新**：支持从官网/文档自动同步更新
+3. **多语言支持**：支持中英文混合检索
+4. **检索质量评估**：自动评估检索结果的相关性
@@ -0,0 +1,130 @@
+# LLM 工厂模块说明
+
+## 模块概述
+
+LLM 工厂模块提供统一的 LLM（大语言模型）客户端构建接口，支持多种 LLM 提供商的初始化和管理。
+
+## 支持的 LLM 提供商
+
+| 提供商 | 模型 | 说明 |
+|-------|------|------|
+| DeepSeek | deepseek-chat | 深度求索 |
+| OpenAI | gpt-4o-mini, gpt-4 | OpenAI GPT 系列 |
+| 通义千问 | qwen-max, qwen-turbo | 阿里云 |
+| Groq | llama3-70b-8192 | Groq 推理加速 |
+| Moonshot | moonshot-v1-128k | Kimi |
+| 豆包 | 自定义 | 字节跳动 |
+| 文心一言 | ernie-bot-turbo | 百度 |
+
+## 使用方式
+
+### 基本用法
+
+```python
+from modules.llm_factory import build_llm
+
+# 构建 LLM 实例
+llm = build_llm(
+    provider="DeepSeek",
+    api_key="sk-xxx",
+    model="deepseek-chat",
+    temperature=0.7
+)
+
+# 使用 LLM
+response = llm.invoke("你好")
+```
+
+### 获取默认模型
+
+```python
+from modules.llm_factory import get_default_model
+
+model = get_default_model("DeepSeek")
+# 返回: "deepseek-chat"
+```
+
+### 获取支持的提供商列表
+
+```python
+from modules.llm_factory import get_supported_providers
+
+providers = get_supported_providers()
+# 返回: ["DeepSeek", "OpenAI (GPT)", "Tongyi (通义千问)", ...]
+```
+
+## 技术实现
+
+### 核心文件
+
+| 文件 | 说明 |
+|------|------|
+| `modules/llm_factory.py` | LLM 工厂模块 |
+| `modules/chat_doubao.py` | 豆包聊天模型封装 |
+
+### 设计模式
+
+采用工厂模式，统一管理多种 LLM 提供商：
+
+```
+build_llm(provider, api_key, model, temperature)
+    ├── DeepSeek → ChatDeepSeek
+    ├── OpenAI → ChatOpenAI
+    ├── Tongyi → ChatTongyi
+    ├── Groq → ChatGroq
+    ├── Moonshot → ChatMoonshot
+    ├── 豆包 → ChatDoubao (自定义)
+    └── 文心一言 → QianfanChatEndpoint
+```
+
+### 缓存机制
+
+在 `geo_tool.py` 中使用 Streamlit 的 `@st.cache_resource` 装饰器缓存 LLM 实例：
+
+```python
+@st.cache_resource(show_spinner=False)
+def build_llm(provider, api_key, model, temperature):
+    from modules.llm_factory import build_llm as _build_llm
+    return _build_llm(provider, api_key, model, temperature)
+```
+
+## 特殊配置
+
+### 豆包 API Key 格式
+
+豆包使用特殊的 API Key 格式：
+
+```
+access_key:secret_key:endpoint_id
+```
+
+示例：
+```
+AKLTxxx:SKxxx:ep-xxx
+```
+
+### 文心一言 API Key 格式
+
+文心一言使用百度千帆平台的 API Key：
+
+```
+app_key:app_secret
+```
+
+## 错误处理
+
+模块提供清晰的错误提示：
+
+```python
+try:
+    llm = build_llm("Unknown", api_key, model, temperature)
+except ValueError as e:
+    print(e)  # "不支持的 LLM 提供商: Unknown"
+```
+
+## 后续优化方向
+
+1. **负载均衡**：支持多个 API Key 轮询使用
+2. **自动降级**：主提供商失败时自动切换到备用
+3. **成本优化**：根据任务复杂度自动选择合适的模型
+4. **性能监控**：记录每个提供商的响应时间和成功率
@@ -1,24 +1,24 @@
-# 多模态提示生成功能说明
+# 憭𡁏芋���蝷箇��𣂼��質秩�?

 ## �� �蠘�璁�膩

-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。
+憭𡁏芋���蝷箇��鞉芋�埈糓 GEO 撌亙����蝥批��踝��其�銝箏�摰寧��鞱祕蝏���滚㦛�讛膩�諹�憸𤏸��祆�餈堆��𣂼���捆���閫匧𢙺撘訫��䔶��剜��栶�?

-### 核心价值
+### �詨�隞瑕�?

- **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
+- **�𣂼���捆�詨��?*嚗朞祕蝏���滚㦛�讛膩撣桀𨭌�𥕢��游𢙺撘蓥犖���閫匧�摰?
+- **撟喳蝱���**嚗𡁻�撖嫣���像�堆�撠讐滯銋艾����喋��凝靽∪�隡堒噡��蝡辷�����������暹�餈?
 - **閫���𡁏𧋦�舀�**嚗帋蛹B蝡嗵�閫��撟喳蝱���霂衣���𤫇�Ｘ�餈啣��𨅯仍霂剛�
- **品牌融入**：配图描述自然融入品牌元素，保持内容一致性
+- **����滚�**嚗𡁻��暹�餈啗䌊�嗉��亙����蝝𩤃�靽脲���捆銝��湔�?

 ## �㴓 �蠘�雿滨蔭

-### Tab2（自动创作）- 内容生成后
+### Tab2嚗�䌊�典�雿頣�- ��捆����?

 �函��𣂼�蝭��摰孵�嚗�虾隞伐�

-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）
+1. **�綫 ����滚㦛/閫���讛膩**嚗帋��桃��鞱祕蝏���滚㦛�讛膩�𤥁�憸𤏸��祆�餈?
+2. **�𤦉 �滚㦛�讛膩霂行�**嚗𡁏䰻�𧢲�銝芷��曄�霂衣��讛膩嚗���潦��𠧧靚�����整����桀�蝝删�嚗?
 3. **�𤁗 閫���𡁏𧋦�讛膩**嚗𡁏䰻�贝�憸𤑳�畾萇��駁𢒰�讛膩���憭渲祗閮���𨺗��遣霈桃�

 ## �� 撌乩�瘚��
@@ -26,64 +26,64 @@
 ### �滚㦛�讛膩���瘚��

 1. **��捆���**
-   - 在 Tab2 生成内容（小红书、抖音、微信公众号等支持配图的平台）
+   - �?Tab2 �����捆嚗��蝥Ｖ髡����喋��凝靽∪�隡堒噡蝑㗇𣈲����曄�撟喳蝱嚗?
   - ��捆銝剖���鉄�滚㦛�牐�蝚佗��鞾��橘�xxx�𡢅�

 2. **����滚㦛�讛膩**
   - �孵稬"�綫 ����滚㦛/閫���讛膩"�厰僼
-   - 系统自动识别内容中的配图占位符
+   - 蝟餌��芸𢆡霂����捆銝剔��滚㦛�牐�蝚?
   - 銝箸�銝芷��曆�蝵桃��鞱祕蝏���滚㦛�讛膩

 3. **�亦��滚㦛�讛膩**
-   - 查看每个配图的详细描述
+   - �亦�瘥譍葵�滚㦛��祕蝏��餈?
   - 鈭�圾�滚㦛����潦��𠧧靚�����整����桀�蝝删�
   - �寞旿�讛膩餈𥡝��曄��𥕢��碶蝙�杗I�笔㦛撌亙�

 ### 閫���𡁏𧋦�讛膩���瘚��

 1. **��捆���**
-   - 在 Tab2 生成 B站视频脚本内容
+   - �?Tab2 ��� B蝡躰�憸𤏸��砍�摰?

 2. **���閫���𡁏𧋦�讛膩**
   - �孵稬"�綫 ����滚㦛/閫���讛膩"�厰僼
-   - 系统自动识别为视频平台
+   - 蝟餌��芸𢆡霂��銝箄�憸穃像�?
   - 銝箏�摰寧�畾萇��鞱祕蝏���駁𢒰�讛膩

 3. **�亦�閫���𡁏𧋦�讛膩**
-   - 查看每个片段的画面描述
+   - �亦�瘥譍葵��挾��𤫇�Ｘ�餈?
   - 鈭�圾�𨅯仍蝐餃����憭渲��具��蓮�箝��𨺗��遣霈桃�
-   - 根据描述进行视频拍摄或制作
+   - �寞旿�讛膩餈𥡝�閫���齿��硋�雿?

 ## �� �滚㦛�讛膩��捆

 ### �讛膩蝏游漲

 1. **霂衣��讛膩**
-   - 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）
+   - �曄�摨磰砲��鉄��蜓閬��蝝𩤃�鈭箇��������㦤�舐�嚗?
+   - �曄�����潘��坔�����颯��㦛銵具��⏛�曄�嚗?
+   - �曄���𠧧靚��瘞𥕦凒嚗��鈭柴���銝𠾼��萱擐函�嚗?
   - �曄�����橘�撅�葉��椰�喳�撅����銝见�撅�蝑㚁�

 2. **撟喳蝱���**
-   - **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
+   - **撠讐滯銋?*嚗𡁶�瘣餃����閫�����詨��?
+   - **�㚚𨺗**嚗朞�閫匧��餃�撘箝���瘣��鈭?
+   - **敺桐縑�砌��?*嚗帋�銝𠾼����啜��泵���蝡𣳇��?
+   - **B蝡?*嚗𡁻���閫��撠�𢒰����冽�

 3. **����滚�**
   - 憒����捆瘨匧����嚗屸��曉��芰��滚�������
-   - 但不要过于商业化，保持自然
+   - 雿��閬��鈭𤾸�銝𡁜�嚗䔶���䌊�?

 ### 颲枏枂�澆�

-每个配图描述包含：
+瘥譍葵�滚㦛�讛膩��鉄嚗?
 - **雿滨蔭**嚗𡁜銁��捆銝剔�雿滨蔭�讛膩
- **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
+- **�笔��鞟內**嚗𡁜�摰嫣葉���憪钅��暹�蝷?
+- **霂衣��讛膩**嚗?0-150摮㛖�霂衣��滚㦛�讛膩
+- **憌擧聢**嚗𡁜�摰?�垍𤫇/�曇”/�芸㦛蝑?
+- **�脰�**嚗𡁏�鈭?銝㮖�/皜拚成/��𦛚蝑?
+- **��㦛**嚗𡁜�銝?撌血𢰧/銝𠹺�蝑?
+- **�喲睸���**嚗𡁜㦛�����鉄��蜓閬��蝝惩�銵?
 - **撟喳蝱�孵�閬��**嚗𡁻�撖孵像�啁��孵�閬��

 ## �𤁗 閫���𡁏𧋦�讛膩��捆
@@ -91,39 +91,39 @@
 ### �讛膩蝏游漲

 1. **�駁𢒰�讛膩**
-   - 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）
+   - �駁𢒰摨磰砲撅閧內���摰對��箸艶��犖�押�������𢆡雿𦦵�嚗?
+   - �駁𢒰蝐餃�嚗���溻��𢆡�颯��⏛�整���蝷箇�嚗?
+   - �駁𢒰���嚗�翰������𨅯仍����潛�嚗?

 2. **�𨅯仍霂剛�**
-   - 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）
+   - �𨅯仍蝐餃�嚗�鸌�踺��葉�胯����舐�嚗?
+   - �𨅯仍餈𣂼𢆡嚗�綫�剹���蝘颯����讐�嚗?
+   - �駁𢒰頧砍㦤嚗���Ｕ��楚�交楚�箝����亦�嚗?

-3. **音效和字幕**
-   - 建议的音效（背景音乐、音效等）
+3. **�單����撟?*
+   - 撱箄悅��𨺗����峕艶�喃���𨺗���嚗?
   - 摮堒�閬��嚗���桐縑�胯��撩靚��摰對�

 4. **�園鵭撱箄悅**
-   - 该片段的建议时长（秒）
+   - 霂亦�畾萇�撱箄悅�園鵭嚗��嚗?

 ### 颲枏枂�澆�

-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"）
+瘥譍葵閫����挾�讛膩��鉄嚗?
+- **�園𡢿�?*嚗𡁶�畾萇��園𡢿��凒嚗��"00:30-01:00"嚗?
 - **�駁𢒰�讛膩**嚗朞祕蝏���駁𢒰��捆�讛膩
- **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
+- **�𨅯仍蝐餃�**嚗𡁶鸌�?銝剜艶/�冽艶蝑?
+- **�𨅯仍餈𣂼𢆡**嚗𡁏綫�?��宏/頝罸�/�箏�蝑?
+- **頧砍㦤**嚗𡁜��?瘛∪�瘛∪枂/�鍦�蝑?
 - **�單�撱箄悅**嚗朞��舫𨺗銋僐��𨺗���撱箄悅
- **字幕要点**：关键信息列表
+- **摮堒�閬��**嚗𡁜��桐縑�臬�銵?
 - **撱箄悅�園鵭**嚗𡁶�畾菜𧒄�選�蝘𡜐�

-## 🖼️ 生图API集成（可选功能）
+## �䲰儭?�笔㦛API���嚗�虾�匧��踝�

-### 支持的生图模型
+### �舀�����暹芋�?

-模块已集成以下生图API支持（可选使用）：
+璅∪�撌脤��𣂷誑銝讠��適PI�舀�嚗�虾�劐蝙�剁�嚗?

 1. **OpenAI DALL-E 3**
   - ��閬��OpenAI API Key
@@ -135,9 +135,9 @@
   - �寧�嚗𡁜�皞僐��虾摰𡁜�
   - 雿輻鍂嚗䫤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
+3. **�帋�銝�㮾嚗�燵�䔶�嚗?*
+   - ��閬���輸�鈭?API Key
+   - �寧�嚗𡁜𤙴����～���笔漲敹?
   - 雿輻鍂嚗䫤generate_image_with_tongyi()`

 ### 雿輻鍂�笔㦛API
@@ -166,7 +166,7 @@ if result["success"]:

 1. **��捆�𥕢��嗆溶�惩�雿滨泵**
   - �函��𣂼�摰寞𧒄嚗𣬚頂蝏煺��芸𢆡�冽�鈭𥕦像�唳溶�𣳇��曉�雿滨泵
-   - 也可以手动在内容中添加【配图：xxx】格式的占位符
+   - 銋笔虾隞交��典銁��捆銝剜溶�𨬭�鞾��橘�xxx�烐聢撘讐��牐�蝚?

 2. **���霂衣��讛膩**
   - ��捆����𠬍��孵稬"����滚㦛/閫���讛膩"�厰僼
@@ -178,70 +178,70 @@ if result["success"]:

 ### 閫���𡁏𧋦雿輻鍂

-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
+1. **���B蝡躰�憸𤏸��?*
+   - �?Tab2 �㗇𥋘"B蝡辷�閫���𡁏𧋦嚗?撟喳蝱�����捆

 2. **���閫���𡁏𧋦�讛膩**
   - ��捆����𠬍��孵稬"����滚㦛/閫���讛膩"�厰僼
-   - 系统会自动识别为视频平台并生成画面描述
+   - 蝟餌�隡朞䌊�刻��思蛹閫��撟喳蝱撟嗥��鞟𤫇�Ｘ�餈?

 3. **雿輻鍂�讛膩�嗡�閫��**
-   - 根据画面描述进行视频拍摄或制作
+   - �寞旿�駁𢒰�讛膩餈𥡝�閫���齿��硋�雿?
   - �����憭渲祗閮���蓮�箝��𨺗��遣霈桃�

 ## �𩤃� 瘜冽�鈭钅★

-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）
+1. **��閬?LLM**嚗𡁜�璅⊥���蝷箇��𣂼��賡�閬��蝵桃��?LLM �?API Key
+2. **API 靚�鍂**嚗𡁶��鞱�蝔衤�靚�鍂 LLM API嚗峕釣�?API 韐寧鍂
+3. **�滚㦛�牐�蝚?*嚗𡁜�摰嫣葉��閬���怒�鞾��橘�xxx�烐聢撘讐��牐�蝚行��賜��鞾��暹�餈?
+4. **撟喳蝱霂��**嚗𡁶頂蝏煺��芸𢆡霂��撟喳蝱蝐餃�嚗���曉像�唳�閫��撟喳蝱嚗?
 5. **�笔㦛API**嚗𡁶��適PI�蠘��臬虾�厩�嚗屸�閬��憭㚚�蝵唧PI Key

 ## �� �詨��蠘�

 - **��捆���**嚗𡁜銁 Tab2 �����鉄�滚㦛�牐�蝚衣���捆
 - **��捆韐券�霂��**嚗𡁜銁 Tab2 霂�摯��捆韐券�
- **E-E-A-T 强化**：在 Tab2 强化内容的专业性
+- **E-E-A-T 撘箏�**嚗𡁜銁 Tab2 撘箏���捆���銝𡁏�?

-## 🎯 最佳实践
+## �㴓 ��雿喳�頝?

-1. **合理使用占位符**
+1. **���雿輻鍂�牐�蝚?*
   - �典��桐�蝵格溶�𣳇��曉�雿滨泵嚗��撘�憭氬����寞挾�賬���撠橘�
-   - 占位符提示要简洁明了（如"【配图：产品界面】"）
+   - �牐�蝚行�蝷箄�蝞�瘣��鈭��憒?�鞾��橘�鈭批��屸𢒰�?嚗?

 2. **撟喳蝱���**
   - 銝滚�撟喳蝱����暸��潔��䕘�蝟餌�隡朞䌊�券���
-   - 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
+   - 撠讐滯銋佗���暑�硔���閫?
+   - �㚚𨺗嚗朞�閫匧��餃�撘?
+   - 敺桐縑�砌��瘀�銝㮖�����?

 3. **����滚�**
-   - 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
+   - �滚㦛�讛膩隡朞䌊�嗉��亙����蝝?
+   - 雿��閬��鈭𤾸�銝𡁜�嚗䔶���䌊�?

 4. **雿輻鍂AI�笔㦛撌亙�**
   - �寞旿霂衣��讛膩雿輻鍂AI�笔㦛撌亙�嚗��DALL-E��idjourney蝑㚁�
   - �碶蝙�券��鞟��笔㦛API�湔𦻖����曄�

 5. **閫���嗡�**
-   - 根据视频脚本描述进行视频拍摄或制作
+   - �寞旿閫���𡁏𧋦�讛膩餈𥡝�閫���齿��硋�雿?
   - �����憭渲祗閮���蓮�箝��𨺗��遣霈桃�

 ## �� 憸�����

 ### �剜����

- **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
+- **�𣂼���捆�詨��?*嚗朞祕蝏���滚㦛�讛膩撣桀𨭌�𥕢��游𢙺撘蓥犖���閫匧�摰?
 - **�𣂼�隡䭾偘���**嚗𡁜㦛��僎�����捆�游捆�栞◤�冽���澈
- **提升专业度**：详细的视频脚本描述提升视频制作的专业度
+- **�𣂼�銝㮖�摨?*嚗朞祕蝏��閫���𡁏𧋦�讛膩�𣂼�閫���嗡����銝𡁜漲

 ### �踵����

- **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
+- **撱箇�閫��憌擧聢**嚗𡁻�朞�蝏煺�����暹�餈啣遣蝡见��諹�閫厰��?
+- **�𣂼���捆韐券�**嚗𡁜�璅⊥���摰寞���㟲雿枏�摰寡捶�?
+- **憓𧼮撩���霂��**嚗𡁜����蝝㰘䌊�嗉��仿��橘�憓𧼮撩���霂��摨?

 ---

 **��𧋦**嚗鯝1.0  
-**更新日期**：2025-01-26
+**�湔鰵�交�**嚗?025-01-26
@@ -2,164 +2,164 @@

 ## �� �蠘�璁�膩

-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。
+霂凋�頞唾蕨�拙�璅∪��?GEO 撌亙�����桀��賭�銝�嚗𣬚鍂鈭𤾸抅鈭𡒊緵�匧��株�嚗屸�朞�霂凋��訾撮摨行�撅訫枂�游��詨��喲睸霂㵪�隞舘�峕�����株�閬���ｇ��拙之��捆�閙𦆮���蝝Ｘ��曇��𤥁��氬�?

-### 核心价值
+### �詨�隞瑕�?

- **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
+- **�𣂼�閬���?*嚗帋�銝滚�閫鍦漲�拙��喲睸霂㵪�閬���游��𦦵揣�誩㦛
+- **霂凋��詨��?*嚗𡁶＆靽脲�撅閧��喲睸霂滢��笔��喲睸霂滚銁霂凋�銝羓㮾�?
+- **憭𡁏甅�?*嚗𡁶��𣂼�銋㕑���㦤�航���䔮憸䁅�����質���鵭撠曇�蝑匧�蝘滨掩�?
 - **�箄��駁�**嚗朞䌊�刻�皛日�憭滚�餈���訾撮����株�

 ## �㴓 �蠘�雿滨蔭

-### 关键词蒸馏模块（Tab1）
+### �喲睸霂滩𡢄擐𤩺芋�梹�Tab1嚗?

-在生成关键词后，可以：
+�函��𣂼��株��𠬍��臭誑嚗?

-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）
+1. **�� 撘�憪贝祗銋㗇�撅?*嚗𡁜抅鈭𡒊緵�匧��株�餈𥡝�霂凋��拙�
+   - 霈曄蔭�拙��圈�嚗?0-100 銝迎�
+   - �㗇𥋘��僎蝑𣇉裦嚗�蕭�?�踵揢/鈭斗𤜯嚗?
   - 銝��格�撅訫��株�

-2. **📊 扩展统计**：查看扩展结果统计
+2. **�� �拙�蝏蠘恣**嚗𡁏䰻�𧢲�撅閧��𦦵�霈?
   - �拙��餅㺭
   - ��掩�拙��圈�嚗��銋剹��㦤�胯��䔮憸塩����賬��鵭撠橘�

-3. **📈 覆盖面分析**：分析扩展效果
+3. **�� 閬���Ｗ��?*嚗𡁜��鞉�撅閙��?
   - �拙�瘥𥪯�
-   - 唯一关键词数量
-   - 关键词类别分布
+   - �臭��喲睸霂齿㺭�?
+   - �喲睸霂滨掩�怠�撣?

 ## �� �拙�蝑𣇉裦

 蝟餌���鍂憭𡁶��拙�蝑𣇉裦嚗𣬚＆靽嘥��株�����瑟�批�閬���ｇ�

 ### 1. �䔶��拙�
-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"
+雿輻鍂�䔶�霂齿𤜯�Ｗ��株�銝剔��詨�霂?
+- **蝷箔�**嚗?
+  - "憭𤥁晴ERP頧臭辣" �?"憭𤥁晴蝞∠�蝟餌�"�?憭𤥁晴銝𡁜𦛚頧臭辣"
+  - "CRM蝟餌�" �?"摰Ｘ��喟頂蝞∠�蝟餌�"�?摰Ｘ�蝞∠�頧臭辣"

 ### 2. �箸艶�拙�
-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"
+瘛餃�雿輻鍂�箸艶�硋��典㦤�?
+- **蝷箔�**嚗?
+  - "憭𤥁晴ERP" �?"撠誩�隡��憭𤥁晴ERP"�?頝典��萄�ERP"
+  - "CRM蝟餌�" �?"���桀𣪧�𡝬RM"�?摰Ｘ�CRM蝟餌�"

 ### 3. �桅��拙�
-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"
+頧祆揢銝粹䔮憸睃耦撘?
+- **蝷箔�**嚗?
+  - "憭𤥁晴ERP�刻�" �?"憭𤥁晴ERP�芯葵憟?�?憒���㗇𥋘憭𤥁晴ERP"
+  - "CRM蝟餌�" �?"CRM蝟餌��𦒘��?�?隞�銋㇃RM蝟餌�憟賜鍂"

 ### 4. �蠘��拙�
-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"
+蝒�枂銝滚��蠘��?
+- **蝷箔�**嚗?
+  - "憭𤥁晴ERP" �?"憭𤥁晴霈Ｗ�蝞∠�頧臭辣"�?憭𤥁晴摨枏�蝞∠�ERP"
+  - "CRM蝟餌�" �?"摰Ｘ�頝蠘�CRM"�?���格㺭�桀��𤦊RM"

 ### 5. �踹偏�拙�
-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"
+����游�雿梶��踹偏霂?
+- **蝷箔�**嚗?
+  - "憭𤥁晴ERP" �?"���撠譍�銝𡁶�憭𤥁晴ERP頧臭辣"�?�舀�憭朞祗閮����韐睨RP蝟餌�"
+  - "CRM蝟餌�" �?"�滩晶�㇃RM蝟餌��刻�"�?鈭𤑳垢CRM蝟餌�撖寞�"

 ## �� ��僎蝑𣇉裦

 ### 1. 餈賢�嚗�綫�琜�
 �函緵�匧��株��擧溶�䭾�撅訫��株�
 - **��鍂�箸艶**嚗𡁜��𥕢��蹱��匧�憪见��株�
- **结果**：原始关键词 + 扩展关键词
+- **蝏𤘪�**嚗𡁜�憪见��株� + �拙��喲睸霂?

 ### 2. �踵揢
-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
+�冽�撅訫��株��踵揢�唳��喲睸霂?
+- **��鍂�箸艶**嚗𡁜��𤤿鍂�拙��喲睸霂滚��冽𤜯�Ｗ�憪见�銵?
+- **蝏𤘪�**嚗帋���鉄�拙��喲睸霂?

 ### 3. 鈭斗𤜯
-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
+鈭斗𤜯�鍦��笔��喲睸霂滚��拙��喲睸霂?
+- **��鍂�箸艶**嚗𡁜��𥟇毽���憪见��拙��喲睸霂?
 - **蝏𤘪�**嚗𡁜�憪见��株��峕�撅訫��株�鈭斗𤜯�鍦�

 ## �� 撌乩�瘚��

 ### �刻�撌乩�瘚��

-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
+1. **����嘥��喲睸霂?*
+   - �?Tab1 雿輻鍂"AI���"�?�䁅�撌亙�"�?瘛瑕�璅∪�"����喲睸霂?

 2. **霂凋��拙�**
-   - 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"
+   - 霈曄蔭�拙��圈�嚗�遣霈?20-50 銝迎�
+   - �㗇𥋘��僎蝑𣇉裦嚗�綫�?餈賢�"嚗?
+   - �孵稬"�� 撘�憪贝祗銋㗇�撅?

 3. **�亦��拙�蝏𤘪�**
   - �亦��拙�蝏蠘恣靽⊥�
-   - 查看覆盖面分析
+   - �亦�閬���Ｗ��?
   - �亦��拙�霂行�嚗�虾�㚁�

-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
+4. **雿輻鍂�拙��𡒊��喲睸霂?*
+   - �?Tab2 雿輻鍂�拙��𡒊��喲睸霂滨��𣂼�摰?
+   - �?Tab4 雿輻鍂�拙��𡒊��喲睸霂滩�銵屸�霂?

 ## �� �拙����霂�摯

 ### �拙�蝏蠘恣���

- **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
+- **�拙��餅㺭**嚗𡁏����撅閧��喲睸霂齿㺭�?
+- **�䔶��拙�**嚗帋蝙�典�銋㕑��拙���㺭�?
 - **�箸艶�拙�**嚗𡁏溶�惩㦤�舐��拙��圈�
- **问题扩展**：转换为问题形式的数量
+- **�桅��拙�**嚗朞蓮�Ｖ蛹�桅�敶Ｗ���㺭�?
 - **�蠘��拙�**嚗𡁶��箏��賜��拙��圈�
- **长尾扩展**：生成长尾词的数量
+- **�踹偏�拙�**嚗𡁶��鞾鵭撠曇���㺭�?

-### 覆盖面分析
+### 閬���Ｗ��?

- **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
+- **�拙�瘥𥪯�**嚗𡁏�撅訫��株��圈� / �笔��喲睸霂齿㺭�?
+- **�臭��喲睸霂?*嚗𡁜縧�滚���𣈲銝��喲睸霂齿㺭�?
+- **蝐餃����**嚗𡁜�蝐餃��株����撣���?

 ## �働 雿輻鍂撱箄悅

-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
+1. **����𣂼抅蝖��喲睸霂?*嚗帋蝙�?AI ����𡝗�霂滚極�瑞��𣂼�憪见��株�
+2. **��漲�拙�**嚗𡁜遣霈格�撅閙㺭�譍蛹�笔��喲睸霂滨� 0.5-2 �?
 3. **雿輻鍂餈賢�蝑𣇉裦**嚗帋��坔�憪见��株�嚗諹蕭�䭾�撅訫��株�
-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
+4. **璉��交�撅閗捶�?*嚗𡁏䰻�𧢲�撅閗祕���蝖桐��拙��喲睸霂滩捶�?
+5. **撉諹����**嚗𡁜銁 Tab4 雿輻鍂�拙��𡒊��喲睸霂滩�銵屸�霂?

 ## �𩤃� 瘜冽�鈭钅★

-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
+1. **��閬?LLM**嚗朞祗銋㗇�撅訫��賡�閬��蝵桃��?LLM �?API Key
+2. **API 靚�鍂**嚗𡁏�撅閗�蝔衤�靚�鍂 LLM API嚗峕釣�?API 韐寧鍂
 3. **�拙�韐券�**嚗𡁏�撅閗捶�誩��喃� LLM ����𥕦� Prompt 霈曇恣
-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
+4. **�駁��箏�**嚗𡁶頂蝏煺��芸𢆡�駁�嚗䔶��航�隞齿�撠煾��訾撮�喲睸霂?
+5. **�圈��𣂼�**嚗帋�甈⊥�憭𡁜��?50 銝芸�憪见��株�餈𥡝��拙�

 ## �� �詨��蠘�

- **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
+- **�喲睸霂滨��?*嚗𡁜銁 Tab1 ����嘥��喲睸霂?
+- **��捆���**嚗𡁜銁 Tab2 雿輻鍂�拙��𡒊��喲睸霂滨��𣂼�摰?
+- **憭𡁏芋�钅�霂?*嚗𡁜銁 Tab4 撉諹��拙��𡒊��喲睸霂齿��?
+- **��蟮霈啣�**嚗𡁜銁 Tab5 �亦���蟮�喲睸霂滩扇敶?

-## 🎯 最佳实践
+## �㴓 ��雿喳�頝?

-1. **分阶段扩展**：
+1. **��𧫴畾菜�撅?*嚗?
   - 擐硋���� 20-30 銝芣瓲敹���株�
   - �嗅��拙� 30-50 銝芰㮾�喳��株�
-   - 最后根据效果决定是否继续扩展
+   - ���擧覔�格��𨅯�摰𡁏糓�衣誧蝏剜�撅?

-2. **质量优先**：
+2. **韐券�隡睃�**嚗?
   - �單釣�拙�蝏蠘恣銝剔���掩�拙��圈�
-   - 确保各类扩展都有一定数量，保持多样性
+   - 蝖桐���掩�拙��賣�銝�摰𡁏㺭�𧶏�靽脲�憭𡁏甅�?

-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
+3. **撉諹�隡睃�**嚗?
+   - 雿輻鍂�拙��𡒊��喲睸霂滨��𣂼�摰?
+   - �?Tab4 撉諹��𣂼��?
   - �寞旿撉諹�蝏𤘪�靚�㟲�拙�蝑𣇉裦

 ---

 **��𧋦**嚗鯝1.0  
-**更新日期**：2025-01-26
+**�湔鰵�交�**嚗?025-01-26