刘国栋
7.4 KiB
7.4 KiB
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：
- 自动评分：内容生成完成后自动调用评分系统
- 评分展示：在内容预览区域显示评分结果
- 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
- 内容生成
- 在 Tab2 生成内容（单篇或批量）
- 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
- 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
- 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.pyTab2
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
- 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
- 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
- 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
{
"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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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：
- 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
- 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
- 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