GEO 平台：使用 Claude 在 9 个 AI 中的可见性监控

利用Claude Code构建GEO平台，优化生成式AI中的品牌可见性

一位开发者构建了一个全面的GEO（生成引擎优化）平台，用于分析和增强品牌在9个AI模型响应中的可见性。该系统每日收集数据，处理大语言模型响应，计算竞争指标，并生成优化建议。整个开发过程通过Claude Code会话完成，使用了Agent Team和MCP工具。

该平台自动化监控品牌可见性，识别与竞争对手的差距，并生成包含变化动态的周报。在Claude Max计划上4个月的开发成本为800美元，API费用128美元，外加YandexGPT的4800卢布。

使用Claude Code的开发流程

开发遵循循环流程：研究 → 规划 → 实施 → 人工审查 → 代码审查。主会话涉及多个并行的Claude Code标签页。如果发现问题，迭代过程会返回实施阶段。

Agent Team取代了手动子代理编排。例如，QA代理进行测试，UI修复代理进行修正，它们会迭代直到获得可接受的结果。

用于基础设施访问的关键MCP工具：

• Supabase MCP：数据库迁移、数据处理、AI模型响应验证
• Trigger.dev MCP：启动后台任务、检查完成状态
• Next.js DevTools MCP：升级至Next.js 16
• Exa MCP：搜索文档和标准
• Sentry MCP：修复实际错误

主会话（多个标签页）
    │
    ▼
研究 ──► 规划 ──► 实施 ──► 人工审查 ──► 代码审查
                      ▲              ▼                 │
                      └──── 发现问题 ◄─────────┘

生态系统架构

                      用户
                      ┌────┴────┐
                      │         │
               ┌──────▼──────┐  ┌──────▼──────┐
               │   仪表盘    │  │  Telegram   │
               │  Next.js 16 │  │  Bot grammY │
               └──┬──────┬───┘  └──────┬──────┘
                  │      │             │
      任务启动 │  ┌───▼─────────────▼───┐
                  │  │  自托管         │
                  │  │  Supabase       │
                  │  └───▲─────────▲───────┘
                  │      │         │
            ┌─────▼──────┴──┐ ┌───┴──────────────┐
            │  Trigger.dev  ├─► Mastra           │
            │  后台任务     │ │ 报告+简报+文章生成│
            └──────┬────────┘ └──────────────────┘
                   │
          ┌────────▼─────────────┐
          │  9个AI提供商         │
          │  ChatGPT · Claude ·  │
          │  Gemini · Grok ·     │
          │  Perplexity ·        │
          │  DeepSeek ·          │
          │  Google AI Mode ·    │
          │  Google AI Overview ·│
          │  YandexGPT           │
          └──────────────────────┘

前端使用Next.js 16和shadcn，指标通过PostgreSQL函数使用Supabase SDK计算，缓存使用TanStack Query。通过Dokploy和GitHub部署。

监控与数据处理流程

在初始化阶段，生成集群（4-6个主题集）和提示词（每个集群4-7个）。每日，Trigger.dev向9个提供商发送提示词并处理响应。

提供商特点：

• DeepSeek：无网络搜索API
• Google AI Mode/Overview：仅支持爬取
• Google AI Overview：可能无响应

响应处理涉及大语言模型后处理：提取品牌、情感分析（正面/中性/负面）、推荐、位置、链接存在性。GEO得分（0-100）汇总各项指标。

关键GEO指标

• 回答覆盖率：提及品牌的响应百分比
• 声量份额（SoV）：品牌提及数 /（品牌提及数 + 竞争对手提及数）× 100
• 域名引用率：包含品牌域名的响应百分比
• 引用份额：域名的声量份额

可视化：覆盖率图表、可见性漏斗、按SoV排名的顶级竞争对手、头部对比分析、竞争差距、来源分析。

每次响应处理成本：0.0016美元，YandexGPT — 5卢布/次调用。

仪表盘模块

• 竞争情报：按SoV排名的头部品牌、头部对比分析
• 竞争差距：品牌落后的提示词
• 来源分析：包含引用来源数据的标签页

指挥中心根据差距生成建议并评估影响。

核心要点：

• GEO平台监控9个AI提供商，为品牌计算SoV等指标
• 使用Claude Code、Agent Team和MCP开发，4个月成本降至800美元
• 每日流程：提示词生成、爬取/API调用、大语言模型响应处理
• 指标存储在PostgreSQL，前端Next.js 16 + shadcn，缓存TanStack Query
• 通过Mastra自动化生成建议和报告

— Editorial Team