RRepoGEO

REPOGEO 报告 · LITE

onnx/onnx-mlir

默认分支 main · commit 75d60b24 · 扫描时间 2026/5/28 19:37:13

星标 1,023 · Fork 428

AI 可见性总分
66 /100
需要改进
品类召回
1 / 2
被推荐时的平均排名 #2.0
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 onnx/onnx-mlir 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 README's opening to clarify its role as an ONNX compiler for efficient deployment using MLIR

    原因：

    当前
    This project (https://onnx.ai/onnx-mlir/) provides compiler technology to transform a valid Open Neural Network Exchange (ONNX) graph into code that implements the graph with minimum runtime support. It implements the ONNX standard and is based on the underlying LLVM/MLIR compiler technology.
    复制粘贴的修复
    ONNX-MLIR is a compiler project that transforms Open Neural Network Exchange (ONNX) graphs into highly optimized, hardware-specific code using the LLVM/MLIR compiler infrastructure. It enables efficient, low-runtime deployment of ONNX models across diverse targets, serving as a powerful alternative to general ONNX runtimes for performance-critical applications.
  • hightopics#2
    Add relevant topics to improve categorization and searchability

    原因：

    复制粘贴的修复
    onnx, mlir, compiler, deep-learning, machine-learning, neural-networks, code-generation, llvm, ai, optimization
  • highhomepage#3
    Add the project's official homepage URL to the repository metadata

    原因：

    复制粘贴的修复
    https://onnx.ai/onnx-mlir/

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
1 / 2
50% 的问题里出现了 onnx/onnx-mlir
平均排名
#2.0
越小越好。#1 表示首位推荐。
声量占比
9%
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 1 次
竞品排行
  1. microsoft/onnxruntime · 被推荐 1 次
  2. NVIDIA/TensorRT · 被推荐 1 次
  3. openvinotoolkit/openvino · 被推荐 1 次
  4. apache/tvm · 被推荐 1 次
  5. Tencent/ncnn · 被推荐 1 次
  • 品类问题
    How to compile ONNX neural network models for efficient deployment?
    你：未被推荐
    AI 推荐顺序：
    1. ONNX Runtime (microsoft/onnxruntime)
    2. TensorRT (NVIDIA/TensorRT)
    3. OpenVINO Toolkit (openvinotoolkit/openvino)
    4. Apache TVM (apache/tvm)
    5. NCNN (Tencent/ncnn)
    6. MNN (alibaba/MNN)

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

    查看 AI 完整回答
  • 品类问题
    What tools can convert ONNX graphs into optimized code using MLIR?
    你：第 2 位
    AI 推荐顺序：
    1. IREE
    2. ONNX-MLIR ← 你
    3. LLVM-MLIR
    4. Apache TVM
    5. PlaidML
    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 onnx/onnx-mlir?
    pass
    AI 明确点名了 onnx/onnx-mlir

    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 onnx/onnx-mlir in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 onnx/onnx-mlir

    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 onnx/onnx-mlir solve, and who is the primary audience?
    pass
    AI 明确点名了 onnx/onnx-mlir

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

订阅 Pro，解锁深度诊断

onnx/onnx-mlir — 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