# 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