elmo

Elmo 是一个开源、自托管的 AI 可见性跟踪和优化平台，涵盖其作者所称的答案引擎优化（AEO）、生成引擎优化（GEO）和 LLM 优化（LLMO）。它被定位为同类封闭 SaaS 工具的免费替代品，其明确的差异化优势在于每个指标都可以在仓库中检查，而不是盲目信任。 它跟踪的内容 - 可见性评分：对于每个跟踪的提示，Elmo 衡量每个配置的 AI 答案引擎提及品牌的频率，并按提示和模型随时间跟踪该分数。 - 品牌提及跟踪：检查答案中是否包含品牌名称、别名和域名，以便跨引擎一致地计算提及次数。 - 引用分析：每个引用的 URL 都存储有域名和位置，然后分类为自有域名、竞争对手域名、社交媒体、Google 属性和机构来源。 - 竞争对手基准测试和声量份额：竞争对手提及率排行榜以及用户自己的提及率，以及随时间变化的总体声量份额。 - 查询扇出分析：记录引擎在生成答案时运行的网络搜索，显示引擎如何改写用户的措辞，以及内容在哪些搜索中获胜或失败。 - 提示管理：入门向导分析网站并建议关键词、竞争对手、买家角色和跟踪提示；也可以手动添加、标记和切换提示。 - 机会：将可见性和引用数据转化为按优先级排序、定期刷新的内容和外展建议列表。 - 报告：可共享的可见性报告，无需 Elmo 账户即可供利益相关者查看。 - REST API：管理品牌、提示和竞争对手，并以编程方式提取分析快照和报告。 方法论 提示按品牌定义，可以从网站生成或手动编写。后台工作进程按计划（默认每天多次）对每个配置的引擎运行每个提示。抓取提供商捕获消费者界面，如 ChatGPT、Google AI Mode、Google AI Overviews、Gemini、Perplexity 和 Microsoft Copilot，而直接模型 API（OpenAI、Anthropic、Mistral、OpenRouter）增加了对 Claude、Grok 和其他启用网络搜索的模型的覆盖。每次运行都会产生答案文本、引用的 URL、引擎的接地搜索和模型版本；文本会扫描品牌和竞争对手的名称、别名和域名。所有内容，包括原始引擎输出，都存储在 PostgreSQL 中，以便以后重新推导指标。可见性是提及品牌的运行比例；声量份额将提及率与竞争对手进行比较；引用计数按 URL、域名和类别汇总，可按提示、标签、引擎和时间范围过滤。 部署和技术栈 自托管使用 Docker Compose，通过 @elmohq/cli npm 包初始化（elmo init，然后 elmo compose up -d），之后应用程序可在 localhost:1515 上使用。还提供托管云选项和具有自定义品牌、自定义域名和 SSO 的白标部署。技术栈是 TypeScript、TanStack Start、PostgreSQL 和 pg-boss，其中 Web 应用提供仪表板和 REST API，工作进程执行提示运行，PostgreSQL 保存数据和作业队列。该项目采用 MIT 许可，并记录了带有 CLA 流程的贡献工作流。 README 还维护了一个与封闭工具（如 Profound、Peec AI、Otterly AI、Scrunch、Ahrefs Brand Radar、Semrush AI Toolkit 和 HubSpot AEO Grader）的对比表，并公开指出了这些工具具有而 Elmo 尚未提供的功能，例如提示量估计、情感分析、AI 爬虫分析和页面级 GEO 审计。