auto-geo
oficialMecanismo de publicação de conteúdo otimizado para GEO para visibilidade em IA
O que você pode fazer com Auto Geo MCP?
- Audite qualquer página quanto à prontidão para citação por IA — execute
auto-geo doctorem uma URL para obter um relatório com pontuação que verifica presença de TL;DR, cabeçalhos em formato de pergunta, densidade de entidades, JSON-LD e mais. - Gere páginas otimizadas para GEO a partir de consultas-alvo — use
auto-geo writepara produzir páginas JSON validadas e prontas para publicação que estejam em conformidade com a arquitetura completa de citação de sete blocos. - Reescreva uma página existente para passar em todas as verificações GEO — forneça uma URL para
auto-geo fixe receba uma versão regenerada projetada para obter pontuação 8/8 na auditoria de prontidão para citação. - Meça se os mecanismos de IA realmente citam seu domínio — execute
auto-geo checkcontra Perplexity, ChatGPT, Gemini, Claude ou Grok para ver quais consultas rastreadas retornam seu domínio como fonte. - Acompanhe as tendências de cobertura de citação ao longo do tempo — use
auto-geo historypara visualizar porcentagens de cobertura por execução, deltas por mecanismo e quais consultas foram recém-citadas ou perdidas. - Descubra consultas de alta intenção para rastrear — deixe
auto-geo prompts discoveranalisar seu domínio e propor as perguntas pelas quais você deve competir nos resultados de busca por IA.
Documentação
auto-geo
O motor GEO de código aberto que faz sua marca ser mencionada no ChatGPT, Claude, Gemini, Perplexity e Grok.
Audite, gere, corrija e rastreie as páginas que os grandes modelos de linguagem citam — uma CLI, baseada em arquivos, MIT.
Quando alguém faz ao ChatGPT, Perplexity, Claude, Gemini ou às Visões Gerais de IA do Google uma pergunta que sua empresa deveria responder, esses motores citam o seu domínio? auto-geo é o ciclo completo para fazer isso acontecer e provar que está acontecendo:
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
Tudo é baseado em arquivos e versionável — prompts rastreados, histórico de verificações, configuração. Sem servidor, sem conta, sem banco de dados. A uma instalação de distância:
npm i -g auto-geo
Criado pela Shadow — um laboratório de pesquisa de mídia que constrói a próxima geração de tecnologia de inteligência de mídia e comunicação com IA, em parceria com as equipes que colocaram OpenAI, TikTok, Meta, Amazon e Lovable no mapa. A Shadow usa
auto-geopara publicar em shadow.inc/resources.
Conteúdo
- Início Rápido
- O que é GEO?
- O fluxo de trabalho
auto-geo init— configure o sistemaauto-geo doctor— audite qualquer página quanto à prontidão para citaçãoauto-geo write— gere páginas a partir de consultasauto-geo fix— reescreva uma página para prontidão para citaçãoauto-geo prompts— gerencie seus prompts rastreadosauto-geo check— meça a cobertura real de citaçõesauto-geo history— cobertura de citações ao longo do tempo- Configuração
- A arquitetura da página
- Saída amigável para agentes
- Amigável para LLMs
- Contribuindo
- Licença
Início Rápido
0. Instale uma vez (ou execute qualquer comando pontualmente via npx auto-geo@latest)
npm i -g auto-geo
1. Configure — config, slots de chave .env.local e o espaço de trabalho .auto-geo
auto-geo init
2. Adicione uma chave de API ao .env.local (carregada automaticamente por todos os comandos)
3. Audite qualquer página — sua ou de um concorrente
auto-geo doctor https://example.com/some-page
4. Rastreie os prompts para os quais você quer que os motores de IA citem você
auto-geo prompts add "melhores ferramentas de monitoramento de mídia" "o que é GEO"
5. Meça — cada execução é salva no histórico automaticamente
auto-geo check
6. Observe a cobertura evoluir ao longo do tempo
auto-geo history
Node >=18.17 necessário. Para atualizar depois, use npm i -g auto-geo@latest. Outras formas de instalar:
brew install shadowresearch/tap/auto-geo # Homebrew (macOS / Linux) mise use -g npm:auto-geo # mise
Executáveis independentes (sem necessidade de Node) para macOS, Linux e Windows acompanham cada lançamento.
O que é GEO?
Otimização para Mecanismos Generativos é a disciplina de tornar suas páginas aquelas que os mecanismos de busca de IA citam quando respondem a uma pergunta. É a sucessora do SEO: em vez de ranquear em uma lista de links, você compete para ser citado dentro da resposta.
As páginas que vencem não são posts de blog. Pesquisas empíricas vinculam a probabilidade de citação a um formato específico:
- Arquitetura, não prosa. Blocos nomeados e validados — TL;DR, introdução, seções H2 em formato de pergunta, guias relacionados, principais conclusões, FAQ, divulgação. Os motores de IA extraem blocos estruturados; uma estrutura rígida melhora a extração.
- Resposta em primeiro lugar. Cada seção abre com uma "cápsula de resposta" de 40 a 60 palavras que responde completamente à pergunta da seção antes de qualquer parágrafo de apoio.
- Títulos em formato de pergunta. Os H2s são escritos como as perguntas que os usuários realmente fazem aos motores de IA.
- Densidade de entidades. Entidades nomeadas (empresas, pessoas, produtos) em alta densidade — vinculadas a uma probabilidade de citação ~4,8x maior.
- Derivado de schema. JSON-LD Article + FAQPage emitido a partir da estrutura, não escrito manualmente.
auto-geo codifica esse formato em um schema estrito (veja docs/sop.md — o procedimento operacional padrão completo), audita qualquer URL em relação a ele, gera novas páginas que o seguem e, em seguida, fecha o ciclo medindo se os mecanismos realmente citam você.
O fluxo de trabalho
┌──────────────────────────────────────────────────────┐
│ 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 mede a prontidão (esta página está formatada para citação?). check mede o resultado (ela está realmente sendo citada?). history transforma os resultados em uma linha de tendência.
auto-geo init — configure o sistema
auto-geo init # interativo (algumas perguntas) auto-geo init --yes # template não interativo
Um comando estrutura tudo:
| Arquivo | O que é |
|---|---|
| auto-geo.config.json | Seus padrões — domínio, provedor, modelo, autor. Versionável; nunca guarda segredos. |
| .env.local | Slots de chave de API. Carregado automaticamente por todos os comandos. Adicione ao .gitignore. |
| .auto-geo/prompts.txt | Seus prompts rastreados — um por linha, comentários com # permitidos. |
| .auto-geo/checks/ | Cada execução de verificação, salva como JSON. Os dados por trás do histórico. |
O fluxo interativo termina perguntando quais prompts você deseja rastrear, para que um projeto novo vá do zero a uma linha de base de citação mensurável em uma única sessão. init nunca sobrescreve um .env.local existente e se recusa a sobrescrever uma configuração existente sem --force.
auto-geo doctor — audite qualquer página quanto à prontidão para citação
Execute-o em qualquer URL — sua, de um concorrente, cada página em seu sitemap — e obtenha um relatório estruturado sobre os sinais de citação que os motores de IA procuram.
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).
Sitemap inteiro — pontuação média, páginas com menor pontuação, falhas mais comuns
auto-geo doctor --site https://example.com/sitemap.xml --max-pages 50
JSON para CI / dashboards
auto-geo doctor https://example.com/page --json
Código de saída 0 se pontuação ≥ 75%, 1 caso contrário — controle deploys com base nisso. Veja docs/doctor.md para a referência completa de verificação.
auto-geo write — gere páginas a partir de consultas
Forneça seu domínio e as consultas para as quais deseja ser citado; receba de volta arquivos JSON validados e prontos para publicação — uma página estruturada por consulta, em conformidade com a arquitetura GEO completa.
auto-geo write
--query "o que é 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
O prompt do sistema codifica o SOP GEO — comprimento do TL;DR, janelas de cápsula de resposta, superlativos banidos, estrutura de FAQ — e a saída é restrita ao schema no nível do sistema de tipos por meio do generateObject do Vercel AI SDK, com um ciclo de autocorreção limitado em caso de falha de validação. Padrões: gpt-5.4 (OpenAI) ou claude-sonnet-4-6 (Anthropic), detectados automaticamente a partir de qual chave de API você configurou.
Simulação — plano + estimativa de custo, sem chamadas ao LLM
auto-geo write --query "o que é X" --dry-run
Lote a partir de um arquivo, anthropic, 4 páginas por vez
auto-geo write --queries-file consultas.txt --provider anthropic --concurrency 4
Com um arquivo de configuração (auto-geo init), --domain, campos de autor e provedor vêm da configuração — um simples --query é tudo que você precisa. Veja docs/write.md.
auto-geo fix — reescreva uma página para prontidão para citação
Onde doctor diz o que está errado, fix produz uma reescrita otimizada para GEO que passa em todas as 8 verificações — buscada, auditada, regenerada e validada contra o mesmo schema que write usa.
auto-geo fix https://www.example.com/some-blog-post --out ./corrigido.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 em vez disso auto-geo fix https://example.com/page --dry-run # apenas auditoria + estimativa de custo
Veja docs/fix.md.
auto-geo prompts — gerencie seus prompts rastreados
Seus prompts rastreados são as perguntas para as quais você quer que os motores de IA respondam citando seu domínio. Eles residem em .auto-geo/prompts.txt (texto simples, versionável) e são o que check executa por padrão.
auto-geo prompts add "melhores ferramentas de monitoramento de mídia" "o que é GEO" auto-geo prompts # lista numerada auto-geo prompts rm 2 # por índice — ou por texto exato
Não sabe o que rastrear? Deixe o motor propor seu conjunto de prompts — discover busca sua página inicial, observa o que você já rastreia e faz o LLM gerar as consultas de alta intenção pelas quais você deve competir:
auto-geo prompts discover --dry-run # pré-visualiza as propostas auto-geo prompts discover --count 15 # anexa 15 (nunca sobrescreve, nunca duplica)
prompts add (e discover) inicializam o espaço de trabalho no primeiro uso, então você nem precisa do init para começar a rastrear.
auto-geo check — meça a cobertura real de citações
Para cada prompt, pergunte a um mecanismo de busca de IA real e relate se seu domínio está entre as citações. Esta é a verdade fundamental que doctor prevê.
auto-geo check # prompts rastreados, domínio da configuração
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)
Mecanismos: perplexity (padrão), openai, anthropic, gemini, xai (alias grok), ou --engine all — que executa todos os mecanismos cuja chave de API está configurada e relata a cobertura por mecanismo mais um resumo de união.
Consultas explícitas em vez do conjunto rastreado
auto-geo check --domain shadow.inc --query "o que é GEO"
Todos os mecanismos para os quais você tem chaves, cobertura de união
auto-geo check --engine all
CI: falha o deploy quando consultas críticas não citam você
auto-geo check --queries-file geo/consultas-criticas.txt && deploy
JSON em streaming para agentes / dashboards
auto-geo check --ndjson
Cada execução é salva em .auto-geo/checks/ automaticamente (desative com --no-save). Código de saída 0 se cobertura > 0%, 1 se 0%. Veja docs/check.md para formatos de saída, captura de consultas em leque, regras de correspondência de domínio e o modo de interoperabilidade --format geo-audit.
auto-geo history — cobertura de citações ao longo do tempo
A recompensa por salvar cada execução: uma linha de tendência. Cobertura execução por execução com deltas por mecanismo, além de exatamente quais prompts você começou ou parou de ser citado.
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
As tendências comparam semelhante com semelhante — cada execução é medida em relação à execução anterior do mesmo seletor de mecanismo. --engine all filtra para execuções multi-mecanismo; --limit N controla a profundidade; --json emite linhas + delta de forma legível por máquina. Veja docs/history.md.
Configuração
Defina uma vez com auto-geo init, sobrescreva em qualquer lugar. Precedência, da mais alta para a mais baixa:
- Flag CLI
- Variável de ambiente (provedor detectado automaticamente a partir de qual chave de API está configurada)
auto-geo.config.json(sobe a partir do cwd — amigável para monorepo)- Padrão embutido
// auto-geo.config.json — versionável, sem segredos { "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 escreve sobre otimização para mecanismos generativos…", }, }
As chaves de API residem em .env.local (ou .env), carregadas automaticamente por todos os comandos — variáveis de ambiente já definidas sempre prevalecem:
| Mecanismo / provedor | Var de ambiente |
|---|---|
| OpenAI (write, fix, check) | OPENAI_API_KEY |
| Anthropic (write, fix, check) | ANTHROPIC_API_KEY |
| Perplexity (check) | PERPLEXITY_API_KEY |
| Gemini (check) | GOOGLE_API_KEY ou GEMINI_API_KEY |
| xAI / Grok (check) | XAI_API_KEY |
A arquitetura da página
Tudo que write e fix produzem — e tudo que doctor audita — segue uma arquitetura estrita de sete blocos:
- TL;DR — cápsula de resposta de 40 a 60 palavras
- Introdução — blocos de contextualização
- Seções — H2s em formato de pergunta, cada um abrindo com uma cápsula de resposta de 40 a 60 palavras
- Guias Relacionados — 4 a 8 entradas
- Principais Conclusões — 4 a 6 tópicos declarativos
- FAQ — 3 a 10 perguntas e respostas com respostas de 40 a 60 palavras
- Divulgação — nota de fonte, timestamp, linha do editor
Violações estruturais são erros graves (o payload gerado é rejeitado e regenerado); heurísticas de densidade e cadência são avisos leves. A especificação completa:
docs/architecture.md,docs/validation.mde o SOP por trás de cada restrição:docs/sop.md.
O JSON de saída é independente de renderizador — faça POST para seu CMS, hidrate um template ou renderize com seus próprios componentes. A estrutura é o contrato.
Saída amigável para agentes
Cada comando é construído para ser conduzido tanto por um agente quanto por um humano:
--json— um objeto estável e legível por máquina na stdout.--ndjson(check) — uma linha JSON por consulta conforme os resultados chegam, mais uma linha_summary.- O progresso vai para stderr, os resultados para stdout — os pipes permanecem limpos.
- Códigos de saída estáveis —
doctorechecksão portões de CI prontos para uso. --no-color/NO_COLOR/ detecção de não-TTY para saída amigável a logs.
auto-geo check --ndjson | jq 'select(.cited) | .query'
Amigável para LLMs
auto-geo é uma ferramenta cuja saída é conteúdo destinado a ser citado por LLMs — então este repositório usa o próprio produto:
llms.txt— um índice curado seguindo a convenção llmstxt.org.llms-full.txt— README + todos os documentos substantivos incorporados em um único arquivo para ingestão em uma única busca.- Site GitHub Pages em shadowresearch.github.io/auto-geo — anuncia ambos via
<link rel="alternate">, emite Article JSON-LD. AGENT.md— uma especificação operacional compacta para agentes de codificação que conduzem a CLI.
Contribuindo
Veja CONTRIBUTING.md. Relatórios de bugs, melhorias no check, novos mecanismos e refinamentos na documentação são todos bem-vindos.
- Código de Conduta
- Política de Segurança
- Changelog
Licença
MIT.
Sobre a Shadow
Shadow é um laboratório de pesquisa de mídia que constrói a próxima geração de inteligência de mídia e tecnologia de comunicações com IA, em parceria com as equipes que colocaram OpenAI, TikTok, Meta, Amazon e Lovable no mapa. A Shadow executa auto-geo de ponta a ponta em um cronograma para equipes de pesquisa de mídia, RP e comunicações.
Saiba mais em shadow.inc.