RRepoGEO

REPOGEO 报告 · LITE

datawhalechina/self-dify

默认分支 main · commit 4ff93a92 · 扫描时间 2026/6/24 10:23:05

星标 502 · Fork 52

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 datawhalechina/self-dify 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
  • highhomepage#1
    Add a homepage URL to the repository metadata

    原因:

    复制粘贴的修复
    https://github.com/datawhalechina/self-dify
  • mediumtopics#2
    Refine topics to emphasize 'guide' and 'Dify application development'

    原因:

    当前
    agents, dify, llms, rag
    复制粘贴的修复
    agents, dify, llms, rag, tutorial, guide, llm-application-development, dify-guide
  • lowreadme#3
    Add a concise introductory sentence about Dify to the README's '教程介绍' section

    原因:

    当前
    本教程将全面指导你如何快速搭建自己的 AI 应用环境,从 Docker 的安装与配置开始,到本地部署 Dify 并自定义 AI 助手功能,让你轻松实现“猜病例”、“甜蜜哄人”、“新生入学入学指南”、“小红书读书卡片”与“面试宝典”等多种特色 AI 应用。并教会你从基础智能体到使用工作流,再到知识库、DeepResearch、数据库、MCP、复杂任务编排等高阶任务,由浅入深地学习掌握基于 Dify 的大模型应用开发。
    复制粘贴的修复
    Dify 是一个一体化的 LLM 应用开发平台,它简化了提示词工程、RAG、Agent 和工作流的构建,让开发者能够快速创建和部署 AI 原生应用。本教程将全面指导你如何快速搭建自己的 AI 应用环境,从 Docker 的安装与配置开始,到本地部署 Dify 并自定义 AI 助手功能,让你轻松实现“猜病例”、“甜蜜哄人”、“新生入学入学指南”、“小红书读书卡片”与“面试宝典”等多种特色 AI 应用。并教会你从基础智能体到使用工作流,再到知识库、DeepResearch、数据库、MCP、复杂任务编排等高阶任务,由浅入深地学习掌握基于 Dify 的大模型应用开发。

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 datawhalechina/self-dify
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
LlamaIndex
在 2 个问题中被推荐 2 次
竞品排行
  1. LlamaIndex · 被推荐 2 次
  2. LangChain · 被推荐 2 次
  3. FAISS · 被推荐 2 次
  4. ChromaDB · 被推荐 2 次
  5. Haystack · 被推荐 1 次
  • 品类问题
    How can I build and deploy my own AI assistant applications locally with RAG capabilities?
    你:未被推荐
    AI 推荐顺序:
    1. LlamaIndex
    2. LangChain
    3. Haystack
    4. Ollama
    5. FAISS
    6. ChromaDB
    7. Rasa
    8. Hugging Face Transformers
    9. Hugging Face `sentence-transformers`
    10. FAISS
    11. ChromaDB

    AI 推荐了 11 个替代方案,却始终没点名 datawhalechina/self-dify。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    What's a good guide for learning large language model application development, including agents and workflows?
    你:未被推荐
    AI 推荐顺序:
    1. LangChain
    2. LlamaIndex
    3. DeepLearning.AI
    4. OpenAI Cookbook
    5. Hugging Face Transformers Library
    6. Coursera
    7. AWS

    AI 推荐了 7 个替代方案,却始终没点名 datawhalechina/self-dify。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 datawhalechina/self-dify?
    pass
    AI 明确点名了 datawhalechina/self-dify

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

    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 datawhalechina/self-dify solve, and who is the primary audience?
    pass
    AI 明确点名了 datawhalechina/self-dify

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

订阅 Pro,解锁深度诊断

datawhalechina/self-dify — 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