NiubiGEO 開源品牌可見度工具：自架檢查 AI 怎麼描述產品

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

是千年冒出來的 AI 可見度分析服務，多半給你一份漂亮的分數報告：品牌提及率、AI 推薦排名、聲量趨勢。分數怎麼算出來的，通常看不 。2026 年 9 月初 GitHub 上出現了一個走反方向的開源專案 NiubiGEO：分數退位，取而代之的是 AI 模型的原始回答、引用來源、連失敗的紀錄，全部留在你自己的機器上，每個結論都可以點回原文核對。專案 9 月 3 日建立，到 9 月 9 日已經累積超過兩千兩百顆星，六天內從 v0.1.0-alpha 走到 v0.2.0。

先把判斷講在前面。個套作具分成兩種使用距離：只是想看看 AI 怎麼描述自家產品的人，它準備了 20 個真實網域的公開案例，不用安裝任何東西就能翻；想拿來測自己產品的人，要自備 AI 服務的 API Key、自己架服務、自己吸收呼叫費用。另外有一件事該先知道：免費的開源版本背後，是一家以人民幣計價銷售真人測試與文章投放服務的公司，開源工具是它的門面。工具本身貨真價實，但把這個結構看清楚，你才知道自己拿到的東西邊界在哪裡。

AI 認得你的網域嗎？它把這題和推薦名單分開測

NiubiGEO 的切入點很單純：輸入一個網域。它會拿這個網域去問你指定的模型，收回「這是什麼品牌、做什麼業務、屬於什麼類別、會聯想到哪些競爭對手」的結構化描述，並且把每個模型的回答並排讓你比較。Notion 的案例裡，不同模型分別強調了筆記、工作空間、協作這幾個不同面向，列出的競爭對手也不完全一樣。對經營產品的人來說，這一步回答的問題是：AI 到底把在想成什麼。

另一個層次是關鍵字測試，測的是不同的問題：不點你的品牌名，只丟一個中性的需求詞，看回答裡會出現誰。Figma 的案例用了 Prototyping 這個詞，三條回答裡有兩條只在解釋原型設計是什麼，只有一條連網的回答提到了 Figma。這個設計誠實的地方在於，它把「被提到」和「被推薦」分成不同欄位呈現：品牌名稱出現在一串產品列表裡，和模型把它連結到具體需求並給出選它的理由，是兩個不同層次的訊號。多數監測工具把這兩件事混成一個分數，這裡拆開讓你自己判斷。

分數看不到的東西，它用原文留檔

這個專案最值得看的設計是它的證據模型。每個公開案例檔都保留了模型的原始回答，結論旁邊附的是回答原文的字元位置區間，點下去就能跳回那一輪回答對照；每份回答還帶 SHA-256 雜湊，事後有沒有被改過可以驗。模型回傳的引用來源（provider citation）和回答正文裡順帶出現的普通網址，也是分開存放的，不會混在一起充數。

更難得的是它對失敗的處理。20 個案例裡只有 10 個完整跑完，另外 10 個是部分完成，11 個行行了關鍵字測試，沒跑完的和無法確認的紀錄全部原樣保留，不妝點成成功。已知問題文件裡公開列了 7 筆「唯一第一名衝突」：同一個回答裡，模型把多個產品同時標成第一個被提到的對象，GitHub 那個案例甚至一次出現 10 個「唯一第一」。維護者的處理方式不是把衝突藏起來，而是明講這些排名欄位不可當成排名證明，彙總數字僅供回查原文使用。v0.2.0 的發布說明甚至寫明：這一版是維護者授權直接發布的，先前被驗收流程擋下的紀錄沒有改寫成通過。這種自我揭露在講求包裝的行銷工具圈裡相當少見，也直接決定了你能多信任它的報告：描述和原文可以核對，排名類的彙總目前要打折扣看。

拿 PostHog 那個案例當縮影，可以看到這套模型運作到什麼程度。測試條件寫得一清二楚：三個模型（GPT-4o mini、Gemini 2.5 Flash Lite、GPT-4.1 mini），前兩個離線作答，最後一個走供應商原生連網；回答語言設英文。收到的描述把 PostHog 歸為產品分析與實驗平台，列出自家關鍵字（Product Analytics、Session Recording、Feature Flags、A/B Testing）和競爭對手。報告裡的覆蓋計數也交代得很保守：關鍵字測試那輪 18 條首次回答裡有 15 條可以分析，這個數字被明確標成回答覆蓋計數，不是認識率，也不當成產品指標的分母。Feature Flags 測試拿到的引用來源裡有 Splunk 的部落格文章，這些引用跟正文裡順帶出現的普通網址分開保存，你可以從來源點回對應的回答，看它到底出現在回答的哪個位置。案例裡還包含幾分鐘間隔的三輪複測與一次定時觸發，每一輪的失敗紀錄都留著，官方也提醒這種短間隔複測示範的是工作流程，不是長期趨勢。

Pin

我在本機把它跑起來：開得起來，但沒 Key 測不了

照 README 的快速開始流程，我在 macOS 加 Node v26.7.0 的環境實測：clone 指定 v0.2.0 分支、npm ci 裝依賴、npm run server 啟動，三個步驟一次跑通，服務聽在本機 8787 埠，瀏覽器打開就進工作台。要留意的是，這一步只是把控制台開起來，真的要測品牌，還得在環境設定檔填上自己的 API Key。官方文件以 OpenRouter 為主要例子，原始碼的環境設定樣板也支援 OpenAI、Anthropic、Gemini、Perplexity、DeepSeek 的直接金鑰，每一把金鑰只會被路由到對應的服務。

工作台本身是深色介面，覽覽列就天個入口：總覽、AI 模型、監測配置、域名認知、當前報告。介面文字以簡體中文為主，部分畫面還沒有英文，這點從釋出說明的已知問題裡也有坦承。

Pin

新建專案的對話框只問兩個欄位：主網域和選填的專案名稱，填完網域專案會先存成草稿，模型的設定到下一步才選。整個流程給人的印象是輕，沒有多餘的註冊或引導。

Pin

自架只保證資料放你家，不保證零對外

很多自架工具的宣傳語會讓人誤以為資料完全不離開機器，這裡要拆開看。NiubiGEO 的專案資料、測試紀錄和報告，全部存在你部署的機器上，這半句是真的；但每次測試時，你輸入的網域和關鍵字這些請求內容，會送到你設定的 AI 服務端點。原始碼裡對外的請求對象就是那些模型服務，執行期的依賴只有解析 HTML、排程、記時、寄通知用的幾個套件，沒有塞任何分析或遙測 SDK，沒有偷偷打電話回開發者伺服器的程式碼。換句話說，資料的存放是本地的，資料的處理在你花錢買的模型那端，拿客戶資料或未公開的業務資訊去測之前，這條邊界要先想清楚。

部署面還有兩個實際限制。工作台本身沒有帳號權限控制，官方明講它是給信任環境自架使用的，要開到對外網路必須自己加存取防護，預設的 Docker 設定也把埠綁在 127.0.0.1 不對外。定時監測需要另外啟用一個獨立的排程容器，這部分我沒有實測。安全性文件裡還特別提醒金鑰不得跨服務混用，OpenRouter 的結果也要標示為經 OpenRouter 而來，不能假裝成直連模型的結果。

免費的開源版，是一家人民幣計價服務公司的門面

翻授權檔會看到著作權人是 NiubiStar，這個名字同時出現在 README 的贊助商欄位，也是官網 niubigeo.ai 背後賣付費服務的公司。開源社群版走 Apache-2.0 授權，程式碼可自由使用；官網上賣的則是另一盤生意：人民幣計價的真人 AI 測試一次 5 元，可以指定問題、平台、人數、地區、裝置和登入狀態；單篇人工撰寫加代發布的文章 350 元；30 篇方案 8,888 元；90 篇文章加 5 支真人影片的方案 28,888 元。付款走儲值積分制，一比一換算、最低儲值 50，目前沒有開放線上付款，要透過電子郵件接洽。

這個結構不影響工具本體的授權事實，但有兩個值得留意的訊號。案例庫 20 個網域裡的第一個，就是贊助商自家的 niubistar.com；而專案內部的開源規劃文件也寫明，瀏覽器端採集、真人區域監測、私有題庫這些能力不在開源層，屬於付費服務的範圍。換句話說，開源版給你的是審計與證據這一層，商業化賣的是執行與投放。用工具不等於買服務，但如果你看完報告後想直接下單那 8,888 元的方案，那是另一筆需要自己做盡職調查的採購，跟 Apache-2.0 的授權條款沒有關係。想在 AI 搜尋這個題目上先做內容布局的讀者，可以對照先前介紹過的 GEOFlow 開源自架 AI 內容生產系統，兩個專案剛好站在 GEO 議題的生產端與檢測端。

六天兩千顆星的專案，要連同它的未修問題一起收下

費用帳可以直接引用維護者自己公布的數字：那次 20 個網域的完整研究，總共 204 次付費呼叫，含預檢，Provider 端費用約 1 美元。這是單次研究的實際紀錄，不是每份報告的固定報價，模型選擇、問題數量、是否連網都會改變帳單，但量級告訴你：自己測的成本大致是一杯咖啡，真正的門檻在於要自己管理 Key、主機和後續維護。這個成本結構跟先前介紹過的 OpenSEO 用自架換掉訂閱月費是同一個邏輯，適合的是願意動手的人。

風險面要誠實列。專案九月初才建立，迭代速度很快，但安全性文件標注的支援目標還停在 v0.1.0-alpha，並且明說 alpha 版不建議用在正式環境；排名類彙總的衝突問題未修，看報告時要以原文為準；工作台介面以簡體中文為主；它觀察的是模型 API 的回答，不等於使用者在 ChatGPT 或 Gemini 網頁版看到的結果，官方文件自己也反覆強調這條邊界；它也刻意不做傳統搜尋引擎的排名監測。方向的部分，開發中的下一版預告寫得很直白：現在的版本太像一套要使用者先懂指標的審計工具，下一版要把「哪些 AI 認識我」放回第一屏，改用固定且版本化的認知協議讓每個模型獨立判斷。把這些加起來，它現在比較適合的位置是：讓產品團隊低成本看見 AI 怎麼理解自己，而不是拿來對客戶掛保證的監測儀表板。

不用急著架：案例庫先看完再說

最省事的入口其實是它的公開案例庫。20 個網域從 Vercel、Supabase 到 Notion、Figma、Cloudflare，每個案例都有測試條件、模型清單、原始回答和截圖，不用裝任何東西、不用申請 Key，就能看到一份完整報告長什麼樣子，包括失敗紀錄呈現的樣子。看完案例如果你發現自己確實需要測自己的網域，再走 Node 22 以上或 Docker 的自架路線；如果只是好奇 AI 怎麼看某些知名產品，案例庫本身就是答案。已經在用多個模型 API 的人，也可以搭配 LLM API Test 這類 API 實測工具先弄清楚手邊的額度與速度，再決定要餵給它哪些模型。

NiubiGEO 走的方向，剛好是 AI 行銷工具市場裡少數人走的路：與其給你一個不能驗證的分數，把證據全部交出來。這個方向值不值得變成你工作流程的一部分，案例庫裡那 10 個完整案例和 10 個不完整案例，會比任何介紹文章都更能幫你判斷。