RRepoGEO

REPOGEO 报告 · LITE

HKUDS/Auto-Deep-Research

默认分支 main · commit 9d671a33 · 扫描时间 2026/5/9 14:47:52

星标 1,520 · Fork 216

AI 可见性总分
35 /100
亟需修复
品类召回
0 / 2
在所有问题中均未被推荐
规则结果
通过 1 · 警告 1 · 失败 0
客观元数据检查
AI 认识你的名字
3 / 3
直接询问时，AI 是否点名你的仓库
如何阅读这份报告

行动计划告诉你下一步要做什么——按影响力排序、可直接复制粘贴的修改。品类可见性是真正的 GEO 测试：当用户向 AI 提一个不带品牌、本应让 HKUDS/Auto-Deep-Research 浮出水面的问题时，AI 是真的推荐了你，还是推荐了你的竞品？客观检查验证 AI 引擎最先权衡的那些元数据信号。自指检查判断 AI 是否还认识你的名字。

行动计划 — 可复制粘贴的修复

3 条由 gemini-2.5-flash 生成、按优先级排序的修改。修完后请把对应条目标记为完成。

整体方向
  • highlicense#1
    Add a LICENSE file to the repository

    原因：

    复制粘贴的修复
    Create a LICENSE file in the root directory of the repository. Choose an appropriate open-source license (e.g., MIT, Apache-2.0, GPL-3.0) and include its full text.
  • highabout#2
    Update the repository's 'About' description for clarity

    原因：

    当前
    Your Fully-Automated Personal AI Assistant
    复制粘贴的修复
    A fully-automated, cost-effective AI assistant for deep learning research, offering an open-source alternative to OpenAI's Deep Research.
  • mediumtopics#3
    Add more specific topics to improve categorization

    原因：

    当前
    agent, deep-research, llm
    复制粘贴的修复
    agent, deep-research, llm, ai-assistant, research-automation, llm-agent, gaia-benchmark, open-source-ai

本次扫描解析到的品类 GEO 通道：google/gemini-2.5-flash, deepseek/deepseek-v4-flash

品类可见性 — 真正的 GEO 测试

向 google/gemini-2.5-flash 提出的不带品牌问题。AI 推荐了你，还是推荐了别人？

各模型使用同一组问题 — 切换标签对比回答与排名。

召回
0 / 2
0% 的问题里出现了 HKUDS/Auto-Deep-Research
平均排名
—
越小越好。#1 表示首位推荐。
声量占比
0%
在所有被点名的工具中，你占了多少？
头号对手
langchain-ai/langchain
在 2 个问题中被推荐 2 次
竞品排行
  1. langchain-ai/langchain · 被推荐 2 次
  2. run-llama/llama_index · 被推荐 2 次
  3. Significant-Gravitas/AutoGPT · 被推荐 1 次
  4. yoheinakajima/babyagi · 被推荐 1 次
  5. TransformerOptimus/SuperAGI · 被推荐 1 次
  • 品类问题
    What are open-source, cost-effective alternatives for fully automated deep research assistants?
    你：未被推荐
    AI 推荐顺序：
    1. AutoGPT (Significant-Gravitas/AutoGPT)
    2. BabyAGI (yoheinakajima/babyagi)
    3. SuperAGI (TransformerOptimus/SuperAGI)
    4. LangChain (langchain-ai/langchain)
    5. LlamaIndex (run-llama/llama_index)
    6. Llama 3
    7. Mistral
    8. Falcon

    AI 推荐了 8 个替代方案，却始终没点名 HKUDS/Auto-Deep-Research。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    Looking for an AI agent framework supporting various LLMs with flexible function-calling capabilities.
    你：未被推荐
    AI 推荐顺序：
    1. LangChain (langchain-ai/langchain)
    2. LlamaIndex (run-llama/llama_index)
    3. CrewAI (joaomdmoura/crewAI)
    4. AutoGen (microsoft/autogen)
    5. Haystack (deepset-ai/haystack)
    6. Marvin (prefect-ai/marvin)

    AI 推荐了 6 个替代方案，却始终没点名 HKUDS/Auto-Deep-Research。这就是要补上的差距。

    查看 AI 完整回答

客观检查

针对 AI 引擎最看重的元数据信号的规则审计。

  • Metadata completeness
    warn

    建议：

  • README presence
    pass

自指检查

当被直接问到你时，AI 是否还知道你的仓库存在？

  • Compared to common alternatives in this category, what is the core differentiator of HKUDS/Auto-Deep-Research?
    pass
    AI 明确点名了 HKUDS/Auto-Deep-Research

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • If a team adopts HKUDS/Auto-Deep-Research in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 HKUDS/Auto-Deep-Research

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • In one sentence, what problem does the repo HKUDS/Auto-Deep-Research solve, and who is the primary audience?
    pass
    AI 明确点名了 HKUDS/Auto-Deep-Research

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

嵌入你的 GEO 徽章

把这个徽章贴进 HKUDS/Auto-Deep-Research 的 README。每次重新扫描都会自动更新，并跳到最新报告——是「我在乎 AI 可发现性」最简单的公开证明。

RepoGEO badge preview实时预览
MARKDOWN（README）
[![RepoGEO](https://repogeo.com/badge/HKUDS/Auto-Deep-Research.svg)](https://repogeo.com/zh/r/HKUDS/Auto-Deep-Research)
HTML
<a href="https://repogeo.com/zh/r/HKUDS/Auto-Deep-Research"><img src="https://repogeo.com/badge/HKUDS/Auto-Deep-Research.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

HKUDS/Auto-Deep-Research — 轻量扫描仍免费；本卡列出 Pro 相对轻量的深度额度。

  • 深度报告每月 10 次
  • 无品牌品类查询5，轻量 2
  • 优先行动项8，轻量 3