RRepoGEO

REPOGEO 报告 · LITE

knights-analytics/hugot

默认分支 main · commit 789ba2f0 · 扫描时间 2026/6/4 23:01:59

星标 608 · Fork 41

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 knights-analytics/hugot 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
  • hightopics#1
    Add specific topics for AI, Go, and ONNX

    原因：

    复制粘贴的修复
    go, golang, onnx, transformers, machine-learning, ai, nlp, embeddings, text-generation, deep-learning
  • highreadme#2
    Clarify project identity in the README's opening

    原因：

    复制粘贴的修复
    Insert this sentence immediately after the H1 and badges: "Hugot is a Go library for running ONNX-exported transformer models, enabling AI inference pipelines directly in your Go applications. It is *not* a static site generator or a Hugo theme."
  • mediumhomepage#3
    Add a homepage URL

    原因：

    复制粘贴的修复
    https://pkg.go.dev/github.com/knights-analytics/hugot

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 knights-analytics/hugot
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
TensorFlow Serving
在 2 个问题中被推荐 1 次
竞品排行
  1. TensorFlow Serving · 被推荐 1 次
  2. TensorFlow Lite · 被推荐 1 次
  3. go-tensorflow · 被推荐 1 次
  4. ONNX · 被推荐 1 次
  5. ONNX Runtime · 被推荐 1 次
  • 品类问题
    What are options for integrating AI inference pipelines into my Go backend?
    你：未被推荐
    AI 推荐顺序：
    1. TensorFlow Serving
    2. TensorFlow Lite
    3. go-tensorflow
    4. ONNX
    5. ONNX Runtime
    6. github.com/microsoft/onnxruntime-go (microsoft/onnxruntime-go)
    7. TorchServe
    8. Flask
    9. FastAPI
    10. PyTorch
    11. scikit-learn
    12. Hugging Face Transformers
    13. GoML
    14. goml/gobrain
    15. go-ml/ml
    16. cgo
    17. NVIDIA's TensorRT

    AI 推荐了 17 个替代方案，却始终没点名 knights-analytics/hugot。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    How to run transformer models for text generation and embeddings natively in Go?
    你：未被推荐
    AI 推荐顺序：
    1. Go-Torch (github.com/gorgonia/go-torch)
    2. ONNX Runtime (github.com/microsoft/onnxruntime)
    3. llama.cpp (github.com/ggerganov/llama.cpp)
    4. TensorFlow Lite (github.com/tensorflow/tensorflow/tree/master/tensorflow/lite)
    5. Gorgonia (github.com/gorgonia/gorgonia)
    6. OpenVINO (github.com/openvinotoolkit/openvino)

    AI 推荐了 6 个替代方案，却始终没点名 knights-analytics/hugot。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 knights-analytics/hugot?
    pass
    AI 明确点名了 knights-analytics/hugot

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

    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 knights-analytics/hugot solve, and who is the primary audience?
    pass
    AI 明确点名了 knights-analytics/hugot

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

订阅 Pro，解锁深度诊断

knights-analytics/hugot — 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