auto-geo
ทางการเครื่องมือเผยแพร่เนื้อหาที่ปรับแต่งตามภูมิศาสตร์เพื่อเพิ่มการมองเห็นสำหรับ AI
คุณทำอะไรได้บ้างด้วย Auto Geo MCP?
- ตรวจสอบความพร้อมในการถูกอ้างอิงโดย AI สำหรับหน้าใดๆ — เรียกใช้
auto-geo doctorบน URL เพื่อรับรายงานที่มีคะแนน ตรวจสอบการมีอยู่ของ TL;DR หัวข้อในรูปแบบคำถาม ความหนาแน่นของเอนทิตี JSON-LD และอื่นๆ - สร้างหน้าที่ปรับแต่งสำหรับ GEO จากคำค้นหาเป้าหมาย — ใช้
auto-geo writeเพื่อสร้างหน้า JSON ที่ผ่านการตรวจสอบและพร้อมเผยแพร่ ซึ่งสอดคล้องกับสถาปัตยกรรมการอ้างอิงแบบเจ็ดบล็อกเต็มรูปแบบ - เขียนหน้าเว็บที่มีอยู่ใหม่ให้ผ่านการตรวจสอบ GEO ทั้งหมด — ป้อน URL ให้
auto-geo fixและรับเวอร์ชันที่สร้างใหม่ซึ่งคาดว่าจะได้คะแนน 8/8 ในการตรวจสอบความพร้อมในการอ้างอิง - วัดว่าเครื่องมือ AI อ้างอิงโดเมนของคุณจริงหรือไม่ — เรียกใช้
auto-geo checkกับ Perplexity, ChatGPT, Gemini, Claude หรือ Grok เพื่อดูว่าคำค้นหาที่ติดตามใดบ้างที่ส่งคืนโดเมนของคุณเป็นแหล่งที่มา - ติดตามแนวโน้มความครอบคลุมของการอ้างอิงเมื่อเวลาผ่านไป — ใช้
auto-geo historyเพื่อดูเปอร์เซ็นต์ความครอบคลุมในแต่ละรอบ การเปลี่ยนแปลงต่อเครื่องมือ และคำค้นหาที่ถูกอ้างอิงใหม่หรือสูญเสียไป - ค้นพบคำค้นหาที่มีความตั้งใจสูงเพื่อติดตาม — ให้
auto-geo prompts discoverวิเคราะห์โดเมนของคุณและเสนอคำถามที่คุณควรแข่งขันในผลการค้นหาของ AI
เอกสาร
auto-geo
เอ็นจิ้น GEO แบบโอเพนซอร์สที่ทำให้แบรนด์ของคุณถูกกล่าวถึงใน ChatGPT, Claude, Gemini, Perplexity และ Grok
ตรวจสอบ สร้าง แก้ไข และติดตามหน้าเว็บที่โมเดลภาษาขนาดใหญ่อ้างอิง — ใช้ CLI เดียว ทำงานผ่านไฟล์ ภายใต้สัญญาอนุญาต MIT
เมื่อมีคนถาม ChatGPT, Perplexity, Claude, Gemini หรือ Google AI Overviews ด้วยคำถามที่ธุรกิจของคุณควรตอบได้ เอ็นจิ้นเหล่านั้นอ้างอิงโดเมน ของคุณ หรือไม่? auto-geo คือวงจรที่สมบูรณ์เพื่อทำให้สิ่งนั้นเกิดขึ้นและพิสูจน์ว่ามันกำลังเกิดขึ้น:
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
ทุกอย่างทำงานผ่านไฟล์และสามารถคอมมิตได้ — ติดตามพรอมต์ ประวัติการตรวจสอบ การตั้งค่า ไม่มีเซิร์ฟเวอร์ ไม่มีบัญชี ไม่มีฐานข้อมูล ติดตั้งเพียงครั้งเดียว:
npm i -g auto-geo
สร้างโดย Shadow — ห้องปฏิบัติการวิจัยด้านสื่อที่สร้างเทคโนโลยีปัญญาประดิษฐ์สำหรับข่าวกรองและการสื่อสารยุคใหม่ โดยร่วมมือกับทีมที่ทำให้ OpenAI, TikTok, Meta, Amazon และ Lovable เป็นที่รู้จัก Shadow ใช้
auto-geoเพื่อเผยแพร่ที่ shadow.inc/resources
สารบัญ
- เริ่มต้นอย่างรวดเร็ว
- GEO คืออะไร?
- ขั้นตอนการทำงาน
auto-geo init— ตั้งค่าระบบauto-geo doctor— ตรวจสอบหน้าใดๆ เพื่อความพร้อมในการถูกอ้างอิงauto-geo write— สร้างหน้าจากคำค้นหาauto-geo fix— เขียนหน้าใหม่เพื่อความพร้อมในการถูกอ้างอิงauto-geo prompts— จัดการพรอมต์ที่คุณติดตามauto-geo check— วัดความครอบคลุมการอ้างอิงจริงauto-geo history— ความครอบคลุมการอ้างอิงเมื่อเวลาผ่านไป- การตั้งค่า
- สถาปัตยกรรมของหน้า
- ผลลัพธ์ที่เป็นมิตรกับเอเจนต์
- เป็นมิตรกับ LLM
- การมีส่วนร่วม
- สัญญาอนุญาต
เริ่มต้นอย่างรวดเร็ว
0. ติดตั้งครั้งเดียว (หรือรันคำสั่งใดๆ แบบครั้งเดียวผ่าน npx auto-geo@latest)
npm i -g auto-geo
1. ตั้งค่า — การตั้งค่า, ช่องคีย์ใน .env.local และพื้นที่ทำงาน .auto-geo
auto-geo init
2. เพิ่มคีย์ API ใน .env.local (โหลดอัตโนมัติโดยทุกคำสั่ง)
3. ตรวจสอบหน้าใดๆ — ของคุณหรือคู่แข่ง
auto-geo doctor https://example.com/some-page
4. ติดตามพรอมต์ที่คุณต้องการให้เอ็นจิ้น AI อ้างอิงถึงคุณ
auto-geo prompts add "เครื่องมือตรวจสอบสื่อที่ดีที่สุด" "GEO คืออะไร"
5. วัดผล — ทุกการรันจะถูกบันทึกในประวัติโดยอัตโนมัติ
auto-geo check
6. ดูความเคลื่อนไหวของความครอบคลุมเมื่อเวลาผ่านไป
auto-geo history
ต้องการ Node >=18.17 การอัปเกรดในภายหลังคือ npm i -g auto-geo@latest วิธีอื่นในการติดตั้ง:
brew install shadowresearch/tap/auto-geo # Homebrew (macOS / Linux) mise use -g npm:auto-geo # mise
ไฟล์ปฏิบัติการแบบสแตนด์อโลน (ไม่ต้องใช้ Node) สำหรับ macOS, Linux และ Windows มาพร้อมกับทุกการเผยแพร่
GEO คืออะไร?
Generative Engine Optimization คือศาสตร์แห่งการทำให้หน้าของคุณเป็นสิ่งที่เอ็นจิ้นค้นหา AI ยกมาอ้างอิงเมื่อตอบคำถาม มันคือผู้สืบทอดของ SEO: แทนที่จะจัดอันดับในรายการลิงก์ คุณกำลังแข่งขันเพื่อให้ถูก อ้างอิงภายในคำตอบ
หน้าที่ชนะไม่ใช่บล็อกโพสต์ งานวิจัยเชิงประจักษ์เชื่อมโยงความน่าจะเป็นในการถูกอ้างอิงกับรูปแบบเฉพาะ:
- สถาปัตยกรรม ไม่ใช่ร้อยแก้ว บล็อกที่มีชื่อและตรวจสอบแล้ว — TL;DR, บทนำ, ส่วนหัว H2 ในรูปแบบคำถาม, คู่มือที่เกี่ยวข้อง, ประเด็นสำคัญ, FAQ, การเปิดเผยข้อมูล เอ็นจิ้น AI ดึงข้อมูลส่วนที่มีโครงสร้าง; โครงสร้างที่เข้มงวดช่วยปรับปรุงการดึงข้อมูล
- ตอบก่อน ทุกส่วนเปิดด้วย "แคปซูลคำตอบ" ความยาว 40–60 คำที่ตอบคำถามของส่วนนั้นอย่างสมบูรณ์ก่อนย่อหน้าสนับสนุนใดๆ
- หัวข้อในรูปแบบคำถาม H2 เขียนเป็นคำถามที่ผู้ใช้ถามเอ็นจิ้น AI จริงๆ
- มีเอนทิตีหนาแน่น เอนทิตีที่มีชื่อ (บริษัท, บุคคล, ผลิตภัณฑ์) ที่ความหนาแน่นสูง — เชื่อมโยงกับความน่าจะเป็นในการถูกอ้างอิงที่สูงขึ้น ~4.8 เท่า
- มาจากสกีมา Article + FAQPage JSON-LD ที่ปล่อยออกมาจากโครงสร้าง ไม่ได้เขียนด้วยมือ
auto-geo เข้ารหัสรูปแบบนี้ในสกีมาที่เข้มงวด (ดู docs/sop.md — ขั้นตอนการปฏิบัติงานมาตรฐานฉบับเต็ม) ตรวจสอบ URL ใดๆ เทียบกับมัน สร้างหน้าใหม่ที่สอดคล้องกับมัน แล้วปิดวงจรด้วยการวัดว่าเอ็นจิ้นอ้างอิงคุณจริงหรือไม่
ขั้นตอนการทำงาน
┌──────────────────────────────────────────────────────┐
│ 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 วัด ความพร้อม (หน้านี้มีรูปแบบเพื่อการถูกอ้างอิงหรือไม่?) check วัด ผลลัพธ์ (มันกำลังถูกอ้างอิงจริงหรือไม่?) history เปลี่ยนผลลัพธ์ให้เป็นเส้นแนวโน้ม
auto-geo init — ตั้งค่าระบบ
auto-geo init # แบบโต้ตอบ (คำถามสองสามข้อ) auto-geo init --yes # เทมเพลตแบบไม่โต้ตอบ
หนึ่งคำสั่งสร้างโครงสร้างทุกอย่าง:
| ไฟล์ | มันคืออะไร |
|---|---|
| auto-geo.config.json | ค่าเริ่มต้นของคุณ — โดเมน, ผู้ให้บริการ, โมเดล, ผู้เขียน คอมมิตได้; ไม่เคยเก็บความลับ |
| .env.local | ช่องคีย์ API โหลดอัตโนมัติโดยทุกคำสั่ง ควรใส่ใน .gitignore |
| .auto-geo/prompts.txt | พรอมต์ที่คุณติดตาม — หนึ่งรายการต่อบรรทัด อนุญาตให้ใช้ # คอมเมนต์ |
| .auto-geo/checks/ | ทุกการรันตรวจสอบ บันทึกเป็น JSON ข้อมูลเบื้องหลังประวัติ |
ขั้นตอนแบบโต้ตอบจบลงด้วยการถามหาพรอมต์ที่คุณต้องการติดตาม ดังนั้นโปรเจกต์ใหม่จะเริ่มจากศูนย์ไปสู่เส้นฐานการอ้างอิงที่วัดได้ในการนั่งครั้งเดียว init ไม่เคยเขียนทับ .env.local ที่มีอยู่ และปฏิเสธที่จะเขียนทับการตั้งค่าที่มีอยู่โดยไม่มี --force
auto-geo doctor — ตรวจสอบหน้าใดๆ เพื่อความพร้อมในการถูกอ้างอิง
รันบน URL ใดๆ — ของคุณ, คู่แข่ง, ทุกหน้าในแผนผังเว็บไซต์ของคุณ — และรับรายงานที่มีโครงสร้างเกี่ยวกับสัญญาณการอ้างอิงที่เอ็นจิ้น AI มองหา
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).
แผนผังเว็บไซต์ทั้งหมด — คะแนนเฉลี่ย, หน้าที่มีคะแนนต่ำสุด, ข้อบกพร่องที่พบบ่อยที่สุด
auto-geo doctor --site https://example.com/sitemap.xml --max-pages 50
JSON สำหรับ CI / แดชบอร์ด
auto-geo doctor https://example.com/page --json
รหัสออก 0 ถ้าคะแนน ≥ 75%, 1 ถ้าไม่ — ใช้เป็นเกตสำหรับการดีพลอย ดู docs/doctor.md สำหรับการอ้างอิงการตรวจสอบฉบับเต็ม
auto-geo write — สร้างหน้าจากคำค้นหา
ให้โดเมนของคุณและคำค้นหาที่คุณต้องการถูกอ้างอิง; รับไฟล์ JSON ที่ตรวจสอบแล้วและพร้อมเผยแพร่ — หนึ่งหน้าที่มีโครงสร้างต่อคำค้นหา สอดคล้องกับสถาปัตยกรรม GEO เต็มรูปแบบ
auto-geo write
--query "GEO คืออะไร"
--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
พรอมต์ระบบเข้ารหัส GEO SOP — ความยาว TL;DR, หน้าต่างแคปซูลคำตอบ, คำคุณศัพท์ขั้นสุดที่ห้ามใช้, โครงสร้าง FAQ — และผลลัพธ์ถูกจำกัดให้อยู่ในสกีมาในระดับระบบประเภทผ่าน generateObject ของ Vercel AI SDK พร้อมวงจรการแก้ไขตัวเองที่มีขอบเขตเมื่อการตรวจสอบล้มเหลว ค่าเริ่มต้น: gpt-5.4 (OpenAI) หรือ claude-sonnet-4-6 (Anthropic) ตรวจจับอัตโนมัติจากคีย์ API ใดก็ตามที่คุณตั้งไว้
ทดลองรัน — แผน + ประมาณการค่าใช้จ่าย ไม่มีการเรียก LLM
auto-geo write --query "X คืออะไร" --dry-run
แบทช์จากไฟล์, anthropic, ครั้งละ 4 หน้า
auto-geo write --queries-file queries.txt --provider anthropic --concurrency 4
ด้วยไฟล์การตั้งค่า (auto-geo init), --domain, ฟิลด์ผู้เขียน และผู้ให้บริการมาจากการตั้งค่า — แค่ --query เปล่าๆ ก็เพียงพอ ดู docs/write.md
auto-geo fix — เขียนหน้าใหม่เพื่อความพร้อมในการถูกอ้างอิง
ในขณะที่ doctor บอกคุณว่ามีอะไรผิดพลาด fix สร้างการเขียนใหม่ที่ปรับให้เหมาะกับ GEO ซึ่งผ่านการตรวจสอบทั้ง 8 ข้อ — ดึงข้อมูล, ตรวจสอบ, สร้างใหม่ และตรวจสอบเทียบกับสกีมาเดียวกับที่ write ใช้
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 # ใช้ Claude แทน auto-geo fix https://example.com/page --dry-run # ตรวจสอบ + ประมาณการค่าใช้จ่ายเท่านั้น
ดู docs/fix.md
auto-geo prompts — จัดการพรอมต์ที่คุณติดตาม
พรอมต์ที่คุณติดตามคือคำถามที่คุณต้องการให้เอ็นจิ้น AI ตอบโดยอ้างอิงโดเมนของคุณ พวกมันอยู่ใน .auto-geo/prompts.txt (ข้อความธรรมดา คอมมิตได้) และเป็นสิ่งที่ check รันโดยค่าเริ่มต้น
auto-geo prompts add "เครื่องมือตรวจสอบสื่อที่ดีที่สุด" "GEO คืออะไร" auto-geo prompts # รายการที่มีหมายเลข auto-geo prompts rm 2 # ตามดัชนี — หรือตามข้อความที่ตรงกันทุกประการ
ไม่รู้ว่าจะติดตามอะไร? ให้เอ็นจิ้นเสนอชุดพรอมต์ของคุณ — discover ดึงหน้าแรกของคุณ ดูสิ่งที่คุณติดตามอยู่แล้ว และให้ LLM สร้างคำค้นหาที่มีเจตนาสูงที่คุณควรแข่งขัน:
auto-geo prompts discover --dry-run # ดูตัวอย่างข้อเสนอ auto-geo prompts discover --count 15 # เพิ่ม 15 รายการ (ไม่เคยเขียนทับ ไม่เคยซ้ำ)
prompts add (และ discover) สร้างพื้นที่ทำงานเมื่อใช้ครั้งแรก ดังนั้นคุณไม่จำเป็นต้องใช้ init เพื่อเริ่มติดตาม
auto-geo check — วัดความครอบคลุมการอ้างอิงจริง
สำหรับแต่ละพรอมต์ ถามเอ็นจิ้นค้นหา AI จริงและรายงานว่าโดเมนของคุณอยู่ในการอ้างอิงหรือไม่ นี่คือความจริงพื้นฐานที่ doctor ทำนาย
auto-geo check # พรอมต์ที่ติดตาม, โดเมนจากการตั้งค่า
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)
เอ็นจิ้น: perplexity (ค่าเริ่มต้น), openai, anthropic, gemini, xai (นามแฝง grok), หรือ --engine all — ซึ่งรันทุกเอ็นจิ้นที่ตั้งค่าคีย์ API ไว้และรายงานความครอบคลุมต่อเอ็นจิ้นพร้อมการรวมยูเนียน
คำค้นหาที่ระบุแทนชุดที่ติดตาม
auto-geo check --domain shadow.inc --query "GEO คืออะไร"
ทุกเอ็นจิ้นที่คุณมีคีย์, ความครอบคลุมแบบยูเนียน
auto-geo check --engine all
CI: ทำให้ดีพลอยล้มเหลวเมื่อคำค้นหาสำคัญไม่อ้างอิงคุณ
auto-geo check --queries-file geo/critical-queries.txt && deploy
สตรีม JSON สำหรับเอเจนต์ / แดชบอร์ด
auto-geo check --ndjson
ทุกการรันจะถูกบันทึกใน .auto-geo/checks/ โดยอัตโนมัติ (เลือกไม่บันทึกด้วย --no-save) รหัสออก 0 ถ้าความครอบคลุม > 0%, 1 ถ้า 0% ดู docs/check.md สำหรับรูปแบบผลลัพธ์, การจับคำค้นหาแบบกระจาย, กฎการจับคู่โดเมน และโหมดการทำงานร่วมกัน --format geo-audit
auto-geo history — ความครอบคลุมการอ้างอิงเมื่อเวลาผ่านไป
ผลตอบแทนจากการบันทึกทุกการรัน: เส้นแนวโน้ม ความครอบคลุมแบบรันต่อรันพร้อมเดลต้าต่อเอ็นจิ้น รวมถึงพรอมต์ที่คุณเริ่มหรือหยุดถูกอ้างอิง
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
แนวโน้มเปรียบเทียบสิ่งที่เหมือนกัน — แต่ละรันวัดเทียบกับรันก่อนหน้าของ ตัวเลือกเอ็นจิ้นเดียวกัน --engine all กรองเฉพาะการรันหลายเอ็นจิ้น; --limit N ควบคุมความลึก; --json ปล่อยแถว + เดลต้าในรูปแบบที่เครื่องอ่านได้ ดู docs/history.md
การตั้งค่า
ตั้งค่าครั้งเดียวด้วย auto-geo init แทนที่ได้ทุกที่ ลำดับความสำคัญ สูงสุดก่อน:
- แฟล็ก CLI
- ตัวแปรสภาพแวดล้อม (ผู้ให้บริการตรวจจับอัตโนมัติจากคีย์ API ที่ตั้งไว้)
auto-geo.config.json(เดินขึ้นจาก cwd — เป็นมิตรกับ monorepo)- ค่าเริ่มต้นในตัว
// auto-geo.config.json — คอมมิตได้ ไม่มีความลับ { "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 writes about generative engine optimization…", }, }
คีย์ API อยู่ใน .env.local (หรือ .env) โหลดอัตโนมัติโดยทุกคำสั่ง — ตัวแปรสภาพแวดล้อมที่ตั้งไว้แล้วจะชนะเสมอ:
| เอ็นจิ้น / ผู้ให้บริการ | ตัวแปรสภาพแวดล้อม |
|---|---|
| OpenAI (write, fix, check) | OPENAI_API_KEY |
| Anthropic (write, fix, check) | ANTHROPIC_API_KEY |
| Perplexity (check) | PERPLEXITY_API_KEY |
| Gemini (check) | GOOGLE_API_KEY หรือ GEMINI_API_KEY |
| xAI / Grok (check) | XAI_API_KEY |
สถาปัตยกรรมของหน้า
ทุกสิ่งที่ write และ fix ผลิต — และทุกสิ่งที่ doctor ตรวจสอบ — เป็นไปตามสถาปัตยกรรมเจ็ดบล็อกที่เข้มงวด:
- TL;DR — แคปซูลคำตอบความยาว 40–60 คำ
- บทนำ — บล็อกกำหนดบริบท
- ส่วนต่างๆ — H2 ในรูปแบบคำถาม แต่ละส่วนเปิดด้วยแคปซูลคำตอบความยาว 40–60 คำ
- คู่มือที่เกี่ยวข้อง — 4–8 รายการ
- ประเด็นสำคัญ — 4–6 หัวข้อย่อยแบบประกาศ
- FAQ — 3–10 คำถามและคำตอบ พร้อมคำตอบความยาว 40–60 คำ
- การเปิดเผยข้อมูล — หมายเหตุแหล่งที่มา, เวลาประทับ, บรรทัดผู้เผยแพร่
การละเมิดโครงสร้างถือเป็นข้อผิดพลาดร้ายแรง (เพย์โหลดที่สร้างขึ้นจะถูกปฏิเสธและสร้างใหม่); ฮิวริสติกความหนาแน่นและจังหวะเป็นคำเตือนแบบอ่อน ข้อกำหนดฉบับเต็ม:
docs/architecture.md,docs/validation.mdและ SOP เบื้องหลังทุกข้อจำกัด:docs/sop.md
JSON เอาต์พุตไม่ขึ้นกับตัวเรนเดอร์ — POST ไปยัง CMS ของคุณ, เติมข้อมูลลงในเทมเพลต, หรือเรนเดอร์ด้วยคอมโพเนนต์ของคุณเอง โครงสร้าง คือ สัญญา
เอาต์พุตที่เหมาะกับเอเจนต์
ทุกคำสั่งถูกสร้างขึ้นมาให้ขับเคลื่อนโดยเอเจนต์ได้พอๆ กับมนุษย์:
--json— ออบเจกต์ที่เสถียรและเครื่องอ่านได้หนึ่งรายการบน stdout--ndjson(check) — หนึ่งบรรทัด JSON ต่อคิวรีเมื่อผลลัพธ์สตรีมเข้ามา พร้อมบรรทัด_summary- ความคืบหน้าไปที่ stderr, ผลลัพธ์ไปที่ stdout — pipes ยังคงสะอาด
- รหัสออกที่เสถียร —
doctorและcheckเป็นเกต CI ทันทีที่แกะกล่อง --no-color/NO_COLOR/ การตรวจจับ non-TTY สำหรับเอาต์พุตที่เหมาะกับล็อก
auto-geo check --ndjson | jq 'select(.cited) | .query'
เป็นมิตรกับ LLM
auto-geo เป็นเครื่องมือที่เอาต์พุตคือเนื้อหาที่ตั้งใจให้ LLM อ้างอิง — ดังนั้น repo นี้จึงใช้ผลิตภัณฑ์ของตัวเอง:
llms.txt— ดัชนีที่คัดสรรตามแบบแผน llmstxt.orgllms-full.txt— README + เอกสารสำคัญทุกฉบับรวมอยู่ในไฟล์เดียวเพื่อการนำเข้าแบบดึงครั้งเดียว- ไซต์ GitHub Pages ที่ shadowresearch.github.io/auto-geo — โฆษณาทั้งสองผ่าน
<link rel="alternate">, ปล่อย Article JSON-LD AGENT.md— ข้อกำหนดการทำงานแบบกระชับสำหรับเอเจนต์เขียนโค้ดที่ขับเคลื่อน CLI
การมีส่วนร่วม
ดู CONTRIBUTING.md ยินดีรับรายงานบั๊ก, การปรับปรุง check, เอนจินใหม่ และการปรับแต่งเอกสารทั้งหมด
- จรรยาบรรณ
- นโยบายความปลอดภัย
- บันทึกการเปลี่ยนแปลง
ใบอนุญาต
MIT
เกี่ยวกับ Shadow
Shadow คือห้องปฏิบัติการวิจัยสื่อที่สร้างเทคโนโลยีปัญญาประดิษฐ์และข่าวกรองสื่อรุ่นต่อไป โดยร่วมมือกับทีมที่ทำให้ OpenAI, TikTok, Meta, Amazon และ Lovable เป็นที่รู้จัก Shadow รัน auto-geo แบบ end-to-end ตามกำหนดการสำหรับทีมวิจัยสื่อ, ประชาสัมพันธ์ และการสื่อสาร
เรียนรู้เพิ่มเติมที่ shadow.inc