GEO 检测：通过 DeepSeek 接口查询品牌可见度

GEO（Generative Engine Optimization）是 AI 时代的新概念，类似于传统 SEO。其核心思路是：通过 AI 平台的 API 接口，向模型提出用户可能提问的问题，然后从返回的答案中统计品牌被提及的次数，从而衡量品牌在 AI 生成内容中的可见度。

本文以 DeepSeek 为例，介绍简单的实现流程。

---

1. 获取 API Key

访问 DeepSeek 开放平台的 API Keys 管理页面，点击「创建 API Key」，按提示完成创建并记录生成的 Key，用于后续调用。

---

2. 调用 DeepSeek API 获取回答

使用 Python 调用 DeepSeek 的 Chat API，将提问的问题作为输入，获取接口返回的答案：

from openai import OpenAI

client = OpenAI(
    api_key="sk-APIKEY",
    base_url="https://api.deepseek.com",
)
modelId = "deepseek-v4-pro"

def chat(prompt: str, model: str = modelId) -> str:
    response = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "user", "content": prompt},
        ],
    )
    return response.choices[0].message.content

if __name__ == "__main__":
    result = chat("新手注册域名应该去哪")
    print(result)

运行后可获取 API 返回的答案：

---

3. 统计关键词出现次数并高亮

对返回内容进行关键词匹配，统计品牌被提及的次数，并在终端中高亮显示：

def highlight(text: str, keyword: str) -> tuple[str, int]:
    count = text.count(keyword)
    highlighted = text.replace(keyword, f"\033[93m{keyword}\033[0m")
    return highlighted, count

keyw = "阿里云"
highlighted, count = highlight(result, keyw)
print(highlighted)
print(f'\n关键词 "{keyw}" 出现次数: {count}')

---

4. 获取引用来源网址

GEO 中另一个重要指标是引用的网址。可以通过 system 角色设定 AI 的回答模式，要求其在回答末尾附带引用来源：

import re

systemPrompt = """请根据用户的问题进行搜索并给出详尽全面的回答。
在问题回答的结尾，使用<#search_results#><#search_results#>包含所有引用来源，至少提供5个不同的引用来源。
格式为：
[{"site": "网站名称", "title": "文章标题", "url": "链接地址"}]"""

def chat(prompt: str, model: str = modelId) -> str:
    response = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "system", "content": systemPrompt},
            {"role": "user", "content": prompt},
        ],
    )
    return response.choices[0].message.content

result = chat("新手注册域名应该去哪")

match = re.search(r'<#search_results#>(.*?)<#search_results#>', result, re.DOTALL)
if match:
    body = result[:match.start()].strip()
    sources = match.group(1).strip()
    print("\n--- 引用来源 ---")
    print(sources)

---

5. 总结

• 可通过调整 systemPrompt 的提示词，使结果更接近网页搜索内容
• 可适当调整 top_p, temperature等参数，使回答更符合预期
• 也可同时调用多个 AI 模型，对比筛选出最接近真实搜索结果的回答
• 结合关键词出现次数和引用来源，即可量化评估品牌在 AI 生成内容中的可见度