auto-geo
offiziellauto-geo GEO-optimierte Content-Publishing-Engine für KI-Sichtbarkeit
Was kann man mit Auto Geo MCP machen?
- Überprüfen Sie jede Seite auf KI-Zitierfähigkeit — führen Sie
auto-geo doctorauf einer URL aus, um einen bewerteten Bericht zu erhalten, der das Vorhandensein von TL;DR, Überschriften im Frageformat, Entitätsdichte, JSON-LD und mehr prüft. - Generieren Sie GEO-optimierte Seiten aus Zielabfragen — verwenden Sie
auto-geo write, um validierte, veröffentlichungsbereite JSON-Seiten zu erstellen, die der vollständigen Sieben-Block-Zitierarchie entsprechen. - Schreiben Sie eine vorhandene Seite um, um alle GEO-Prüfungen zu bestehen — geben Sie eine URL an
auto-geo fixweiter und erhalten Sie eine neu generierte Version, die voraussichtlich 8/8 beim Zitierfähigkeitsaudit erreicht. - Messen Sie, ob KI-Engines Ihre Domain tatsächlich zitieren — führen Sie
auto-geo checkgegen Perplexity, ChatGPT, Gemini, Claude oder Grok aus, um zu sehen, welche verfolgten Abfragen Ihre Domain als Quelle zurückgeben. - Verfolgen Sie Trends der Zitierabdeckung im Zeitverlauf — verwenden Sie
auto-geo history, um laufspezifische Abdeckungsprozentsätze, engine-spezifische Änderungen und welche Abfragen neu zitiert oder verloren gegangen sind, anzuzeigen. - Entdecken Sie Abfragen mit hoher Absicht, die Sie verfolgen sollten — lassen Sie
auto-geo prompts discoverIhre Domain analysieren und die Fragen vorschlagen, um die Sie in KI-Suchergebnissen konkurrieren sollten.
Dokumentation
auto-geo
Die Open-Source-GEO-Engine, die Ihre Marke in ChatGPT, Claude, Gemini, Perplexity und Grok erwähnt macht.
Auditieren, generieren, korrigieren und verfolgen Sie die Seiten, die große Sprachmodelle zitieren – eine CLI, dateibasiert, MIT.
Wenn jemand ChatGPT, Perplexity, Claude, Gemini oder Google AI Overviews eine Frage stellt, die Ihr Unternehmen beantworten sollte, zitieren diese Engines dann Ihre Domain? auto-geo ist der vollständige Kreislauf, um dies zu erreichen und zu beweisen, dass es geschieht:
auto-geo init # set up the system once
auto-geo doctor # audit any page for citation readiness
auto-geo write # generate publish-ready pages from target queries
auto-geo fix # rewrite an existing page so it passes the audit
auto-geo check # measure: do AI engines actually cite you?
auto-geo history # track citation coverage over time
Alles ist dateibasiert und versionierbar – nachverfolgte Prompts, Prüfverlauf, Konfiguration. Kein Server, kein Konto, keine Datenbank. Eine Installation entfernt:
npm i -g auto-geo
Entwickelt von Shadow – einem Medienforschungslabor, das die nächste Generation KI-gestützter Medienintelligenz und Kommunikationstechnologie entwickelt, in Partnerschaft mit den Teams, die OpenAI, TikTok, Meta, Amazon und Lovable bekannt gemacht haben. Shadow nutzt
auto-geo, um auf shadow.inc/resources zu veröffentlichen.
Inhalt
- Schnellstart
- Was ist GEO?
- Der Workflow
auto-geo init– System einrichtenauto-geo doctor– Jede Seite auf Zitierbereitschaft prüfenauto-geo write– Seiten aus Suchanfragen generierenauto-geo fix– Eine Seite für Zitierbereitschaft umschreibenauto-geo prompts– Ihre verfolgten Prompts verwaltenauto-geo check– Tatsächliche Zitierabdeckung messenauto-geo history– Zitierabdeckung im Zeitverlauf- Konfiguration
- Die Seitenarchitektur
- Agentenfreundliche Ausgabe
- LLM-freundlich
- Mitwirken
- Lizenz
Schnellstart
0. Einmal installieren (oder jeden Befehl einmalig über npx auto-geo@latest ausführen)
npm i -g auto-geo
1. Einrichten – Konfiguration, .env.local Key-Slots und der .auto-geo Arbeitsbereich
auto-geo init
2. Einen API-Key zu .env.local hinzufügen (wird von jedem Befehl automatisch geladen)
3. Jede Seite prüfen – Ihre eigene oder die eines Mitbewerbers
auto-geo doctor https://example.com/some-page
4. Die Prompts verfolgen, für die KI-Engines Sie zitieren sollen
auto-geo prompts add "beste Medienbeobachtungstools" "was ist GEO"
5. Messen – jeder Durchlauf wird automatisch im Verlauf gespeichert
auto-geo check
6. Entwicklung der Abdeckung im Zeitverlauf beobachten
auto-geo history
Node >=18.17 erforderlich. Ein späteres Upgrade erfolgt mit npm i -g auto-geo@latest. Weitere Installationswege:
brew install shadowresearch/tap/auto-geo # Homebrew (macOS / Linux) mise use -g npm:auto-geo # mise
Eigenständige ausführbare Dateien (kein Node erforderlich) für macOS, Linux und Windows werden mit jedem Release bereitgestellt.
Was ist GEO?
Generative Engine Optimization ist die Disziplin, Ihre Seiten so zu gestalten, dass KI-Suchmaschinen sie zitieren, wenn sie eine Frage beantworten. Es ist der Nachfolger von SEO: Statt in einer Linkliste zu ranken, konkurrieren Sie darum, innerhalb der Antwort zitiert zu werden.
Die Seiten, die gewinnen, sind keine Blogbeiträge. Empirische Forschung verbindet die Zitierwahrscheinlichkeit mit einer bestimmten Form:
- Architektur, nicht Prosa. Benannte, validierte Blöcke – TL;DR, Einleitung, H2-Abschnitte im Frageformat, verwandte Anleitungen, Kernaussagen, FAQ, Offenlegung. KI-Engines extrahieren strukturierte Blöcke; eine starre Struktur verbessert die Extraktion.
- Antwort zuerst. Jeder Abschnitt beginnt mit einer 40–60 Wörter langen „Antwortkapsel", die die Frage des Abschnitts vollständig beantwortet, bevor ein unterstützender Absatz folgt.
- Überschriften im Frageformat. H2s werden als die Fragen formuliert, die Nutzer tatsächlich an KI-Engines stellen.
- Entitätsdicht. Benannte Entitäten (Unternehmen, Personen, Produkte) in hoher Dichte – verbunden mit einer ~4,8-fach höheren Zitierwahrscheinlichkeit.
- Schema-abgeleitet. Article + FAQPage JSON-LD, aus der Struktur generiert, nicht handgeschrieben.
auto-geo kodiert diese Form in einem strengen Schema (siehe docs/sop.md – die vollständige Standardarbeitsanweisung), prüft jede URL daraufhin, generiert neue Seiten, die dem entsprechen, und schließt dann den Kreislauf, indem gemessen wird, ob die Engines Sie tatsächlich zitieren.
Der Workflow
┌──────────────────────────────────────────────────────┐
│ auto-geo init │
│ config · .env.local · .auto-geo/ workspace │
└──────────────────────────────────────────────────────┘
│
┌──────────┼──────────────┬─────────────────┐
▼ ▼ ▼ ▼
doctor write fix prompts
audit a generate rewrite an track the queries
page new pages existing page that matter to you
│ │ │ │
└──────────┴──────────────┴────────┬────────┘
▼
check ──── saves every run ────┐
measure actual ▼
citations history
coverage over time,
newly cited / lost
doctor misst die Bereitschaft (ist diese Seite für Zitierung geformt?). check misst das Ergebnis (wird sie tatsächlich zitiert?). history macht aus den Ergebnissen eine Trendlinie.
auto-geo init – System einrichten
auto-geo init # interaktiv (eine Handvoll Fragen) auto-geo init --yes # nicht-interaktive Vorlage
Ein Befehl richtet alles ein:
| Datei | Was sie ist |
|---|---|
| auto-geo.config.json | Ihre Standardwerte – Domain, Provider, Modell, Autor. Versionierbar; enthält nie Geheimnisse. |
| .env.local | API-Key-Slots. Wird von jedem Befehl automatisch geladen. In .gitignore aufnehmen. |
| .auto-geo/prompts.txt | Ihre verfolgten Prompts – einer pro Zeile, # Kommentare erlaubt. |
| .auto-geo/checks/ | Jeder Prüflauf, gespeichert als JSON. Die Daten hinter dem Verlauf. |
Der interaktive Ablauf endet mit der Abfrage der Prompts, die Sie verfolgen möchten, sodass ein neues Projekt in einer Sitzung von null auf eine messbare Zitierbasislinie kommt. init überschreibt niemals eine bestehende .env.local und weigert sich, eine bestehende Konfiguration ohne --force zu überschreiben.
auto-geo doctor – Jede Seite auf Zitierbereitschaft prüfen
Führen Sie es auf einer beliebigen URL aus – Ihrer eigenen, der eines Mitbewerbers, jeder Seite in Ihrer Sitemap – und erhalten Sie einen strukturierten Bericht über die Zitiersignale, nach denen KI-Engines suchen.
auto-geo doctor https://example.com/some-page
✓ TL;DR present (52 words, in range)
✗ Question-format H2 headings (2 of 6 are question-format; SOP §3 targets all)
✓ Article JSON-LD present
✗ FAQPage JSON-LD present (No FAQPage JSON-LD block detected)
✓ Entity density (12.3/1k words)
✗ Image cadence (0 images for 1247 words)
✓ Answer-first first paragraph
✓ No self-link in related guides
Score: 5 / 8 checks pass — moderate GEO posture
Top 3 fixes (ranked by citation lift):
1. Add a FAQPage JSON-LD block. Each Q is a citable extraction target.
2. Convert 4 statement-form H2 headings to question form.
3. Add 2 images with descriptive alt text (entity + context).
Ganze Sitemap – Durchschnittsbewertung, Seiten mit den niedrigsten Bewertungen, häufigste Fehler
auto-geo doctor --site https://example.com/sitemap.xml --max-pages 50
JSON für CI / Dashboards
auto-geo doctor https://example.com/page --json
Exit-Code 0 wenn Bewertung ≥ 75%, 1 sonst – Deployments daran koppeln. Siehe docs/doctor.md für die vollständige Prüfreferenz.
auto-geo write – Seiten aus Suchanfragen generieren
Geben Sie Ihre Domain und die Suchanfragen an, für die Sie zitiert werden möchten; erhalten Sie validierte, veröffentlichungsfertige JSON-Dateien zurück – eine strukturierte Seite pro Suchanfrage, die der vollständigen GEO-Architektur entspricht.
auto-geo write
--query "was ist GEO"
--query "GEO vs SEO"
--out ./resources
✓ "what is GEO" → ./resources/geo.json (validated, ~$0.06)
✓ "GEO vs SEO" → ./resources/geo-vs-seo.json (validated, ~$0.06)
Total: 2 pages · 2 ok · ~$0.12 spent · 31s elapsed
Der System-Prompt kodiert die GEO-SOP – TL;DR-Länge, Antwortkapsel-Fenster, verbotene Superlative, FAQ-Struktur – und die Ausgabe wird auf Type-System-Ebene über das generateObject des Vercel AI SDK auf das Schema beschränkt, mit einer begrenzten Selbstkorrekturschleife bei Validierungsfehlern. Standardwerte: gpt-5.4 (OpenAI) oder claude-sonnet-4-6 (Anthropic), automatisch erkannt anhand des von Ihnen gesetzten API-Keys.
Dry-Run – Plan + Kostenschätzung, keine LLM-Aufrufe
auto-geo write --query "was ist X" --dry-run
Batch aus einer Datei, anthropic, 4 Seiten gleichzeitig
auto-geo write --queries-file queries.txt --provider anthropic --concurrency 4
Mit einer Konfigurationsdatei (auto-geo init) kommen --domain, Autorenfelder und Provider aus der Konfiguration – ein einfaches --query ist alles, was Sie brauchen. Siehe docs/write.md.
auto-geo fix – Eine Seite für Zitierbereitschaft umschreiben
Wo doctor Ihnen sagt, was falsch ist, erzeugt fix eine GEO-optimierte Neufassung, die alle 8 Prüfungen besteht – abgerufen, geprüft, neu generiert und gegen dasselbe Schema validiert, das write verwendet.
auto-geo fix https://www.example.com/some-blog-post --out ./fixed.json
Score (before): 3 / 8
Generating rewrite via openai gpt-5.4...
Score (projected): 8 / 8 — strong GEO posture
→ ./fixed.json (validated)
auto-geo fix https://example.com/page --provider anthropic # Claude stattdessen auto-geo fix https://example.com/page --dry-run # nur Audit + Kostenschätzung
Siehe docs/fix.md.
auto-geo prompts – Ihre verfolgten Prompts verwalten
Ihre verfolgten Prompts sind die Fragen, die KI-Engines durch Zitieren Ihrer Domain beantworten sollen. Sie befinden sich in .auto-geo/prompts.txt (Klartext, versionierbar) und sind das, was check standardmäßig ausführt.
auto-geo prompts add "beste Medienbeobachtungstools" "was ist GEO" auto-geo prompts # nummerierte Liste auto-geo prompts rm 2 # nach Index – oder nach exaktem Text
Sie wissen nicht, was Sie verfolgen sollen? Lassen Sie die Engine Ihr Prompt-Set vorschlagen – discover ruft Ihre Homepage ab, prüft, was Sie bereits verfolgen, und lässt das LLM die Suchanfragen mit hoher Absicht generieren, um die Sie konkurrieren sollten:
auto-geo prompts discover --dry-run # Vorschau der Vorschläge auto-geo prompts discover --count 15 # 15 anhängen (überschreibt nie, dupliziert nie)
prompts add (und discover) richten den Arbeitsbereich bei der ersten Verwendung ein, sodass Sie nicht einmal init benötigen, um mit der Verfolgung zu beginnen.
auto-geo check – Tatsächliche Zitierabdeckung messen
Für jeden Prompt eine echte KI-Suchmaschine befragen und berichten, ob Ihre Domain unter den Zitaten ist. Dies ist die Ground Truth, die doctor vorhersagt.
auto-geo check # verfolgte Prompts, Domain aus der Konfiguration
using 3 tracked prompts from .auto-geo/prompts.txt
[1/3] ✗ "what is GEO" — not cited (5 sources)
[2/3] ✓ "how do I get cited by ChatGPT" — cited (2 sources)
[3/3] ✓ "open source GEO tools" — cited (1 source)
Coverage: 2/3 queries (67%) · 3 page citations total · ~$0.012 spent
saved → .auto-geo/checks/2026-06-10T13-22-05--perplexity.json (auto-geo history)
Engines: perplexity (Standard), openai, anthropic, gemini, xai (Alias grok) oder --engine all – was jede Engine ausführt, deren API-Key gesetzt ist, und die Abdeckung pro Engine plus eine Gesamtzusammenfassung meldet.
Explizite Suchanfragen anstelle des verfolgten Sets
auto-geo check --domain shadow.inc --query "was ist GEO"
Jede Engine, für die Sie Keys haben, Gesamtabdeckung
auto-geo check --engine all
CI: Deployment abbrechen, wenn kritische Suchanfragen Sie nicht zitieren
auto-geo check --queries-file geo/critical-queries.txt && deploy
Streaming JSON für Agenten / Dashboards
auto-geo check --ndjson
Jeder Durchlauf wird automatisch in .auto-geo/checks/ gespeichert (Abmeldung mit --no-save). Exit-Code 0 wenn Abdeckung > 0%, 1 wenn 0%. Siehe docs/check.md für Ausgabeformen, Fan-Out-Query-Erfassung, Domain-Matching-Regeln und den --format geo-audit Interop-Modus.
auto-geo history – Zitierabdeckung im Zeitverlauf
Der Lohn für das Speichern jedes Durchlaufs: eine Trendlinie. Abdeckung pro Durchlauf mit Deltas pro Engine, plus genau die Prompts, für die Sie neu zitiert werden oder nicht mehr zitiert werden.
auto-geo history
2026-06-01 08:30 perplexity 33% · 1/3 cited $0.01
2026-06-08 09:15 perplexity 67% ↑34 2/3 cited $0.01
Since last run (perplexity · 2026-06-01 08:30 ▸ 2026-06-08 09:15)
✓ newly cited open source GEO tools
✗ lost (none)
2 runs · .auto-geo/checks
Trends vergleichen Gleiches mit Gleichem – jeder Durchlauf wird mit dem vorherigen Durchlauf desselben Engine-Selektors verglichen. --engine all filtert nach Multi-Engine-Durchläufen; --limit N steuert die Tiefe; --json gibt Zeilen + Delta maschinenlesbar aus. Siehe docs/history.md.
Konfiguration
Einmal mit auto-geo init setzen, überall überschreiben. Vorrang, höchster zuerst:
- CLI-Flag
- Umgebungsvariable (Provider wird automatisch anhand des gesetzten API-Keys erkannt)
auto-geo.config.json(geht vom aktuellen Verzeichnis aus nach oben – monorepo-freundlich)- Eingebauter Standardwert
// auto-geo.config.json – versionierbar, keine Geheimnisse { "domain": "https://www.example.com", "basePath": "/resources", "provider": "openai", "model": "gpt-5.4", "engine": "perplexity", "concurrency": 4, "author": { "name": "Jane Doe", "jobTitle": "Head of Content", "bio": "Jane schreibt über Generative Engine Optimization…", }, }
API-Keys befinden sich in .env.local (oder .env), werden von jedem Befehl automatisch geladen – bereits gesetzte Umgebungsvariablen haben immer Vorrang:
| Engine / Provider | Env-Var |
|---|---|
| OpenAI (write, fix, check) | OPENAI_API_KEY |
| Anthropic (write, fix, check) | ANTHROPIC_API_KEY |
| Perplexity (check) | PERPLEXITY_API_KEY |
| Gemini (check) | GOOGLE_API_KEY oder GEMINI_API_KEY |
| xAI / Grok (check) | XAI_API_KEY |
Die Seitenarchitektur
Alles, was write und fix produzieren – und alles, worauf doctor prüft – folgt einer strengen Sieben-Block-Architektur:
- TL;DR – 40–60 Wörter Antwortkapsel
- Einleitung – kontextsetzende Blöcke
- Abschnitte – H2s im Frageformat, die jeweils mit einer 40–60 Wörter langen Antwortkapsel beginnen
- Verwandte Anleitungen – 4–8 Einträge
- Kernaussagen – 4–6 deklarative Aufzählungspunkte
- FAQ – 3–10 Fragen & Antworten mit 40–60 Wörter langen Antworten
- Offenlegung – Quellenangabe, Zeitstempel, Herausgeberzeile
Strukturelle Verstöße sind harte Fehler (die generierte Nutzlast wird abgelehnt und neu generiert); Dichte- und Takt-Heuristiken sind weiche Warnungen. Die vollständige Spezifikation: docs/architecture.md, docs/validation.md und die SOP hinter jeder Einschränkung: docs/sop.md.
Das ausgegebene JSON ist renderer-agnostisch – POSTen Sie es an Ihr CMS, befüllen Sie eine Vorlage oder rendern Sie es mit Ihren eigenen Komponenten. Die Struktur ist der Vertrag.
Agentenfreundliche Ausgabe
Jeder Befehl ist so konzipiert, dass er sowohl von einem Agenten als auch von einem Menschen gesteuert werden kann:
--json– ein stabiles, maschinenlesbares Objekt auf stdout.--ndjson(check) – eine JSON-Zeile pro Suchanfrage, während die Ergebnisse einströmen, plus eine_summary-Zeile.- Fortschritt geht nach stderr, Ergebnisse nach stdout – Pipes bleiben sauber.
- Stabile Exit-Codes –
doctorundchecksind sofort einsetzbare CI-Gates. --no-color/NO_COLOR/ Nicht-TTY-Erkennung für log-freundliche Ausgabe.
auto-geo check --ndjson | jq 'select(.cited) | .query'
LLM-freundlich
auto-geo ist ein Tool, dessen Ausgabe Inhalte sind, die von LLMs zitiert werden sollen – daher isst dieses Repo seine eigene Hundekuchen:
llms.txt– ein kuratierter Index, der der llmstxt.org-Konvention folgt.llms-full.txt– README + jedes substanzielle Dokument in einer einzigen Datei zusammengeführt für die Aufnahme mit einem Abruf.- GitHub Pages-Seite unter shadowresearch.github.io/auto-geo – bewirbt beide über
<link rel="alternate">, gibt Article JSON-LD aus. AGENT.md– eine kompakte Betriebsspezifikation für Coding-Agenten, die die CLI steuern.
Mitwirken
Siehe CONTRIBUTING.md. Fehlerberichte, Prüfverbesserungen, neue Engines und Dokumentationsverfeinerungen sind alle willkommen.
- Verhaltenskodex
- Sicherheitsrichtlinie
- Änderungsprotokoll
Lizenz
MIT.
Über Shadow
Shadow ist ein Medienforschungslabor, das die nächste Generation KI-gestützter Medienintelligenz und Kommunikationstechnologie entwickelt, in Partnerschaft mit den Teams, die OpenAI, TikTok, Meta, Amazon und Lovable bekannt gemacht haben. Shadow führt auto-geo End-to-End nach Zeitplan für Medienforschung, PR und Kommunikationsteams aus.
Erfahren Sie mehr auf shadow.inc.