elmohq/elmo

解决的问题

它解决了缺乏透明、可自托管的工具来进行答案引擎优化（AEO）和生成式引擎优化（GEO）的问题。大多数商业 AI 可见度平台是封闭的 SaaS，隐藏了指标的计算方式，并将你的数据保存在他们的服务器上。Elmo 为你提供了一种免费、可审计的方式，来跟踪 AI 助手如何在多个引擎中提及、引用和描述你的品牌，从而你可以衡量自己的存在感、比较竞争对手，并找到可操作的机会来获得更多 AI 引用。

工作原理

你可以定义跟踪提示（客户可能会向 AI 助手提出的问题），可以手动定义，也可以通过分析你网站的上手向导来定义。一个后台工作程序会按计划对每个配置的引擎运行每个提示，使用抓取提供商来覆盖消费者表面，如 ChatGPT、Google AI Overviews、Gemini、Perplexity 和 Copilot，以及直接模型 API，如 OpenAI、Anthropic、Mistral 和 OpenRouter，以获得额外覆盖。每个回答都会被规范化并解析为文本、引用的 URL、引擎运行的网络搜索以及模型版本。一个名为 Jev 的服务会读取每个提及你品牌或竞争对手的回答，以判断提及是否确实指代该公司、其情感（正面、中性、混合、负面）以及支持性段落。所有内容都存储在 PostgreSQL 中，包括原始输出，因此所有指标都可以重新推导和审计。诸如可见度（提及你的运行比例）、与竞争对手的声量份额、情感分数、位置和引用计数等指标会被聚合，并显示在带有趋势、过滤器和报告的仪表板中。

适用人群

它专为希望在自己的基础设施内获取 AI 可见度数据的自托管团队、提供带有自定义品牌和 SSO 的白标 AEO 服务的代理机构、需要通过 REST API、TypeScript/Python SDK 和 MCP 服务器获得可审计指标的开发者和分析师，以及那些因企业级 AEO 平台价格过高但仍希望获得关于 AI 引擎如何谈论其品牌的可信测量的任何人而构建。

亮点

• 开源（MIT）并可通过 Docker Compose 自托管，因此你拥有自己的数据，并且可以检查每个评分算法。
• 跟踪可见度、声量份额、情感、位置、引用和查询扇出，覆盖 ChatGPT、Claude、Perplexity、Gemini、Google AI Overviews、Copilot 等。
• 使用 AI 评判器（Jev）进行提及消歧和情感分析，并保留每个回答的段落作为证据。
• 包含 MCP 服务器和 API/SDK，使编码代理（如 Claude Code 和 Cursor）可以查询数据和管理提示。
• 提供可分享的报告功能，以及一个可选的技能，用于教导编码代理基于证据的 AEO 工作流程。