RRepoGEO

REPOGEO 报告 · LITE

microsoft/waza

默认分支 main · commit 76920273 · 扫描时间 2026/6/16 18:06:45

星标 1,004 · Fork 56

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 microsoft/waza 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

2 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 README H1 and add explicit status to correct AI miscategorization

    原因:

    当前
    # Waza
    
    A Go CLI for evaluating AI agent skills — scaffold eval suites, run benchmarks, and compare results across models.
    复制粘贴的修复
    # Waza: A Go CLI for AI Agent Skill Evaluation
    
    **Waza is an actively maintained Go CLI specifically designed for evaluating and benchmarking AI agent skills and large language models.** It helps you scaffold evaluation suites, run benchmarks, and compare results across different models to improve skill quality and effectiveness.
  • mediumabout#2
    Enhance the repository description with more keywords

    原因:

    当前
    CLI / Framework for Agent Skills - create, test, measure and improve skill quality and effectiveness
    复制粘贴的修复
    Waza is a Go CLI and framework for evaluating AI agent skills and large language models. Create, test, measure, and improve skill quality and effectiveness through benchmarking and comparison.

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 microsoft/waza
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
Humanloop
在 2 个问题中被推荐 2 次
竞品排行
  1. Humanloop · 被推荐 2 次
  2. LangChain · 被推荐 1 次
  3. LlamaIndex · 被推荐 1 次
  4. Phoenix · 被推荐 1 次
  5. W&B Prompts · 被推荐 1 次
  • 品类问题
    How can I systematically evaluate the quality and effectiveness of my AI agent skills?
    你:未被推荐
    AI 推荐顺序:
    1. LangChain
    2. LlamaIndex
    3. Phoenix
    4. W&B Prompts
    5. OpenAI Evals
    6. Humanloop
    7. Ragas
    8. Deepchecks

    AI 推荐了 8 个替代方案,却始终没点名 microsoft/waza。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    What tools help benchmark and compare various large language models for agent skill development?
    你:未被推荐
    AI 推荐顺序:
    1. LangChain Evaluation (langchain-ai/langchain)
    2. LlamaIndex Evaluation (run-llama/llama_index)
    3. Humanloop
    4. Weights & Biases Prompts (wandb/wandb)
    5. MLflow (mlflow/mlflow)
    6. Ragas (explodinggradients/ragas)
    7. DeepEval (confident-ai/deepeval)

    AI 推荐了 7 个替代方案,却始终没点名 microsoft/waza。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 microsoft/waza?
    pass
    AI 明确点名了 microsoft/waza

    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 microsoft/waza in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 microsoft/waza

    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 microsoft/waza solve, and who is the primary audience?
    pass
    AI 明确点名了 microsoft/waza

    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 microsoft/waza 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/microsoft/waza.svg)](https://repogeo.com/zh/r/microsoft/waza)
HTML
<a href="https://repogeo.com/zh/r/microsoft/waza"><img src="https://repogeo.com/badge/microsoft/waza.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro,解锁深度诊断

microsoft/waza — 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