中小企业 GEO 四步落地：一套可执行的自动化流程

┌────────────┐   ┌────────────┐   ┌────────────┐   ┌────────────┐
│ 1.基线盘点  │──▶│ 2.口径治理  │──▶│ 3.内容建设  │──▶│ 4.周期监测  │
│ AI提及基线  │   │ 一致性检查  │   │ 结构化写作  │   │ 月度抽检    │
└────────────┘   └────────────┘   └────────────┘   └─────┬──────┘
       ▲                                                  │
       └──────────────── 发现漂移，回到第2步 ◀─────────────┘

# consistency_check.py
import re
from pathlib import Path

# 期望的标准口径（改成你的官方版本）
CANONICAL = {
    "成立时间": "2015年",
    "服务范围": ["企业咨询", "数字化服务"],
    "总部城市": "上海",
}

def extract_facts(text: str) -> dict:
    """从简介文本中抽取关键事实，实际使用可换成更强的NER方案"""
    facts = {}
    m = re.search(r"成立于(\d{4}年)", text)
    if m:
        facts["成立时间"] = m.group(1)
    facts["服务范围"] = [s for s in CANONICAL["服务范围"] if s in text]
    for city in ["上海", "北京", "广州", "深圳", "杭州"]:
        if city in text:
            facts["总部城市"] = city
    return facts

def main():
    issues = 0
    for f in sorted(Path("profiles/").glob("*.txt")):  # 每平台一个txt
        facts = extract_facts(f.read_text(encoding="utf-8"))
        for key, expected in CANONICAL.items():
            got = facts.get(key)
            if got != expected:
                issues += 1
                print(f"[不一致] {f.name} 字段「{key}」: "
                      f"期望 {expected}，实际 {got}")
    print(f"\n检查完毕，发现 {issues} 处口径不一致")

if __name__ == "__main__":
    main()

-- schema.sql
CREATE TABLE IF NOT EXISTS ai_mention_log (
    id            INTEGER PRIMARY KEY AUTOINCREMENT,
    check_date    TEXT NOT NULL,          -- 抽检日期 YYYY-MM-DD
    question      TEXT NOT NULL,          -- 抽检的问题
    model         TEXT NOT NULL,          -- 使用的模型
    mentioned     INTEGER NOT NULL,       -- 是否提及品牌 0/1
    accurate      INTEGER,                -- 表述是否准确 0/1
    source_cited  TEXT,                   -- 答案列出的信源
    note          TEXT                    -- 备注
);

CREATE INDEX idx_date ON ai_mention_log(check_date);

-- 月度提及率统计
SELECT substr(check_date, 1, 7) AS month,
       COUNT(*) AS total,
       SUM(mentioned) AS hits,
       ROUND(1.0 * SUM(mentioned) / COUNT(*), 3) AS mention_rate
FROM ai_mention_log
GROUP BY month
ORDER BY month;

sqlite3 geo.db < schema.sql
sqlite3 geo.db "INSERT INTO ai_mention_log(check_date,question,model,mentioned,accurate) VALUES('2026-10-26','某类产品怎么选','模型A',1,1);"