geo-visibility-lab
Herramienta de autogestión para monitorear la visibilidad de marcas en respuestas de IA generativa. Compatible con múltiples modelos OpenAI-compatible, ofrece dashboard web, scripts de ejecución y auditoría de menciones, rankings y citas entre modelos.
Ficha actualizada 24 sept 2026, 15:11 · upstream 24 sept 2026, 14:35 · release v0.1.1
Qué es geo-visibility-lab
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
GEO Visibility Lab es una herramienta de autogestión diseñada para monitorizar la visibilidad de marcas en respuestas generadas por inteligencia artificial. Utiliza un conjunto de preguntas versionado para interrogar múltiples modelos compatibles con OpenAI, registrando separadamente menciones de marca, rankings explícitos, citas y tendencias históricas. El proyecto, desarrollado por Guilin Hengliyuan Biotech Co., Ltd., permite una auditoría estricta basada en evidencia, evitando la interpolación de datos.
- Auditoría de menciones de marca en respuestas de LLM
- Comparativa de rankings entre múltiples modelos compatibles con OpenAI
- Monitoreo de tendencias históricas de visibilidad de marca
- Integración como plugin para agentes de desarrollo (Claude, Codex, Gemini)
- Dashboard web responsive con soporte para interfaz en español e inglés
- Gestión explícita de errores (timeout, rate-limit) sin ocultar datos
- Soporte nativo para múltiples proveedores (Bailian, DeepSeek, OpenAI, etc.)
- Configuración ligera sin dependencias de Python externas
- No incluye Dockerfile o Compose nativo para despliegue containerizado
- Requiere instalación manual de scripts Python y configuración local
- Almacenamiento de datos no especificado en el análisis técnico (posible uso de archivos locales)
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Clonar repositorio y ejecutar `python3 scripts/bootstrap.py` seguido de `python3 dashboard_server.py --host 127.0.0.1 --port 4187`. Configurar claves API en variables de entorno (ej. `MODEL_A_API_KEY`) antes de ejecutar `monitoring_runner.py --execute`. Verificar configuración en `config.json` y usar `python3 domestic_geo.py doctor` para diagnóstico inicial.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.