GEO AI 平台品牌推荐诊断

输入目标品牌名 + 一组查询关键词，自动在豆包逐场景实测并产出：当前结果（品牌是「正文推荐 / 信源面板片段 / 未出现」）、产品推荐逻辑、信源引用逻辑（真实检索词 + 信源平台分布）、可执行优化方向。

何时使用

评估某品牌在豆包（或类豆包 AI 搜索）中是否被推荐、推荐逻辑、信源逻辑。
为品牌做 GEO 现状诊断，回答"要在哪些平台发什么内容才能被 AI 推荐"。

前置环境（逐项确认，缺失则先补齐）

Playwright（managed venv）：
- 检测：C:/Users/admin/.workbuddy/binaries/python/envs/default/Scripts/python.exe -c "import playwright"
- 安装：先 C:/Users/admin/.workbuddy/binaries/python/versions/3.13.12/python.exe -m venv C:/Users/admin/.workbuddy/binaries/python/envs/default，再 .../envs/default/Scripts/pip.exe install playwright（只需包，connect_over_cdp 不下载浏览器）。
调试态 Chrome 且已登录目标平台：
- 检测：curl -s http://localhost:9222/json/version
- 若无，启动（独立 profile，避免与主浏览器冲突）并打开目标站点让用户手动登录： "/c/Program Files/Google/Chrome/Application/chrome.exe" --remote-debugging-port=9222 --user-data-dir="C:/Users/admin/.workbuddy/chrome-doubao-profile" --no-first-run --new-window "https://www.doubao.com"
- 登录需用户配合；提示用户登录完成后再继续。

执行步骤

与用户确认：目标品牌名、要测的关键词（或按品类帮其拟定商业购买型关键词）、竞品品牌（可选，用于推荐格局分析）。

运行诊断脚本（用 managed venv 的 python）：

C:/Users/admin/.workbuddy/binaries/python/envs/default/Scripts/python.exe scripts/geo_diagnose.py \
  --brand "品牌名" \
  --queries "关键词1,关键词2,关键词3" \
  --competitors "竞品1,竞品2" \
  --outdir "./geo_output"

关键词较多时用 --queries-file queries.txt（每行一个）。

脚本自动完成：逐场景新对话搜索 → 展开信源面板 → 提取正文/检索词/信源列表 → 分析 → 输出 diagnosis_result.json 与 diagnosis_report.md。
读取报告与 JSON。为深化洞察与策略细节，参考 references/methodology.md（推荐逻辑、信源逻辑、优化策略库、复测 KPI）。
向用户交付：用 present_files 给出报告与数据文件，并用一段话点明品牌定位与最关键的 2-3 条优化动作。

参数说明

--brand（必填）：目标品牌名。
--aliases：品牌别名/英文名/中文名，逗号分隔（默认已含大小写不敏感）。
--queries / --queries-file：查询关键词（逗号分隔或文件每行一个）。
--competitors：竞品品牌，逗号分隔，用于统计正文推荐格局。
--outdir：输出目录（默认 ./geo_output/<brand>_<时间戳>/）。
--cdp：Chrome 调试端口（默认 9222）。
--platform：平台标识（默认 doubao，预留扩展）。

结果解读（品牌三状态）

正文推荐（进了品牌推荐清单编号条目）→ 目标：巩固位次、扩场景。
信源面板片段（被检索引用但进不了正文清单）→ "有苗头立不住"：补权威背书 + 在横评/对比内容里进入推荐结论。
未出现（信息真空）→ 从 0 建信源。

注意

豆包回答有随机性，正式结论建议每场景采样 3 次取稳定值。
健康/保健品类内容需保留"非药物、遵医嘱"合规提示，品牌参数如实、勿虚构。

豆包geo现状诊断及优化方向

GEO AI 平台品牌推荐诊断

何时使用

前置环境（逐项确认，缺失则先补齐）

执行步骤

参数说明

结果解读（品牌三状态）

注意