RRepoGEO

REPOGEO 报告 · LITE

PrismML-Eng/Bonsai-demo

默认分支 main · commit 751b86af · 扫描时间 2026/6/9 13:57:50

星标 855 · Fork 96

AI 可见性总分
33 /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 2 · 警告 0 · 失败 0
客观元数据检查
AI 认识你的名字
2 / 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 PrismML-Eng/Bonsai-demo 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
  • highreadme#1
    Reposition the README H1 to specify category

    原因：

    当前
    # Bonsai Demo
    复制粘贴的修复
    # Bonsai Demo: Run 1-bit & Ternary Quantized LLMs Locally
  • mediumabout#2
    Enhance the repository description

    原因：

    当前
    Bonsai Demo
    复制粘贴的修复
    Demonstrates local inference of highly quantized (1-bit & Ternary) Bonsai LLMs on various devices (Mac, Linux/Windows, CPU/GPU).
  • mediumtopics#3
    Add more specific topics for quantized LLMs

    原因：

    当前
    bonsai, llamacpp, llm, mlx, prism-ml, small-models
    复制粘贴的修复
    bonsai, llamacpp, llm, mlx, prism-ml, small-models, quantized-llm, 1-bit-llm, edge-inference, efficient-llm

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 PrismML-Eng/Bonsai-demo
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
microsoft/onnxruntime
在 2 个问题中被推荐 2 次
竞品排行
  1. microsoft/onnxruntime · 被推荐 2 次
  2. tensorflow/tensorflow · 被推荐 1 次
  3. apache/tvm · 被推荐 1 次
  4. openvinotoolkit/openvino · 被推荐 1 次
  5. NVIDIA/TensorRT · 被推荐 1 次
  • 品类问题
    How can I run highly quantized large language models efficiently on resource-constrained edge devices?
    你：未被推荐
    AI 推荐顺序：
    1. TensorFlow Lite Micro (tensorflow/tensorflow)
    2. ONNX Runtime (microsoft/onnxruntime)
    3. Apache TVM (apache/tvm)
    4. OpenVINO (openvinotoolkit/openvino)
    5. NVIDIA TensorRT (NVIDIA/TensorRT)
    6. Edge Impulse (edgeimpulse/edgeimpulse)

    AI 推荐了 6 个替代方案，却始终没点名 PrismML-Eng/Bonsai-demo。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    Seeking solutions for local or web-based inference of compact LLMs using frameworks like MLX.
    你：未被推荐
    AI 推荐顺序：
    1. MLX (apple/mlx)
    2. llama.cpp (ggerganov/llama.cpp)
    3. Ollama (ollama/ollama)
    4. Transformers.js (xenova/transformers.js)
    5. ONNX Runtime (microsoft/onnxruntime)
    6. TensorRT

    AI 推荐了 6 个替代方案，却始终没点名 PrismML-Eng/Bonsai-demo。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
    pass

  • 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 PrismML-Eng/Bonsai-demo?
    pass
    AI 明确点名了 PrismML-Eng/Bonsai-demo

    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 PrismML-Eng/Bonsai-demo in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 PrismML-Eng/Bonsai-demo

    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 PrismML-Eng/Bonsai-demo solve, and who is the primary audience?
    pass
    AI 未点名 PrismML-Eng/Bonsai-demo —— 很可能在说另一个项目

    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 PrismML-Eng/Bonsai-demo 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/PrismML-Eng/Bonsai-demo.svg)](https://repogeo.com/zh/r/PrismML-Eng/Bonsai-demo)
HTML
<a href="https://repogeo.com/zh/r/PrismML-Eng/Bonsai-demo"><img src="https://repogeo.com/badge/PrismML-Eng/Bonsai-demo.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

PrismML-Eng/Bonsai-demo — 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