本项目聚焦品牌搜索分析与竞品洞察场景。随着生成式搜索(GEO)兴起,传统 SEO 已无法直接回答品牌在 AI 搜索中的
可见度、引用排名与情感口碑问题。立项旨在解决品牌在 DeepSeek、豆包、Kimi、元宝等 AI 搜索入口中“被如何提及、
引用来源是什么、竞品对比如何”的可量化分析痛点,帮助市场和品牌团队掌握 AI 时代的搜索话语权。
点击空白处退出提示
本项目聚焦品牌搜索分析与竞品洞察场景。随着生成式搜索(GEO)兴起,传统 SEO 已无法直接回答品牌在 AI 搜索中的
可见度、引用排名与情感口碑问题。立项旨在解决品牌在 DeepSeek、豆包、Kimi、元宝等 AI 搜索入口中“被如何提及、
引用来源是什么、竞品对比如何”的可量化分析痛点,帮助市场和品牌团队掌握 AI 时代的搜索话语权。
项目核心模块包括:品牌网站分析模块、AI 搜索任务调度模块、多模型免费体验模块、搜索引用聚合模块、竞品分析模
块、历史记录与任务查询模块。主要功能为:接收品牌名称与官网 URL 后,自动抓取网页内容并调用 AI 模型生成 5 个
相关关键词;支持 1–5 个提示词并发提交给 DeepSeek、豆包、Kimi、元宝等模型执行搜索;智能去重并聚合各模型返回
的引用 URLs 与域名,按域名统计出现频次;基于可见度、情感、排名等指标输出竞品分析报告;所有任务与结果均持久
化存储,支持历史查询。
主要负责后端整体架构设计、多模型并发调度、引用聚合与竞品指标计算、数据库模型设计及 API 开发。技术栈采用
FastAPI + SQLAlchemy + PostgreSQL 构建异步 Web 服务,通过 asyncio + httpx 并发调用多个 AI 模型,使用 Beaut
ifulSoup4 完成网页解析,wasmtime 支撑 DeepSeek 特殊运行时。亮点在于随机分配策略减少资源浪费、单个模型失败
不影响整体的容错机制、以及 URLs / Domains 双重去重聚合;难点在于多模型响应格式不一致的兼容处理、Cookie 池
的动态维护与长耗时任务的稳定性保障。




评论