RRepoGEO

REPOGEO 报告 · LITE

CVI-SZU/Linly

默认分支 main · commit ad223a75 · 扫描时间 2026/5/10 12:41:49

星标 3,052 · Fork 228

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 CVI-SZU/Linly 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
    Clarify the overall project license in the README

    原因:

    复制粘贴的修复
    Add a clear statement at the top of the README, or in a dedicated 'License' section, specifying the license(s) that apply to the entire Linly project and its components. For example: 'The Linly project, including Chinese-LLaMA and Chinese-Falcon models, is released under [Specify License Here]. The Linly-OpenLLaMA models are released under the Apache 2.0 License.'
  • highhomepage#2
    Add a homepage URL to the repository settings

    原因:

    复制粘贴的修复
    Add a relevant URL (e.g., a project website, a dedicated documentation page, or a prominent blog post) to the 'Website' field in the repository's 'About' section.
  • mediumreadme#3
    Strengthen the README's opening statement to emphasize its role as a leading Chinese LLM project

    原因:

    当前
    本项目向社区提供**中文对话模型 Linly-ChatFlow 、中文基础模型 Chinese-LLaMA (1-2)、Chinese-Falcon 及其训练数据**。
    复制粘贴的修复
    Linly is a comprehensive open-source project dedicated to advancing Chinese Large Language Models (LLMs), providing state-of-the-art **Chinese conversational models (Linly-ChatFlow), foundational models (Chinese-LLaMA 1&2, Chinese-Falcon), and high-quality training datasets** to the community.

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 CVI-SZU/Linly
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
Baichuan 2
在 2 个问题中被推荐 1 次
竞品排行
  1. Baichuan 2 · 被推荐 1 次
  2. Qwen · 被推荐 1 次
  3. ChatGLM · 被推荐 1 次
  4. InternLM · 被推荐 1 次
  5. Pangu-Σ · 被推荐 1 次
  • 品类问题
    Need robust open-source large language models for advanced Chinese natural language processing applications.
    你:未被推荐
    AI 推荐顺序:
    1. Baichuan 2
    2. Qwen
    3. ChatGLM
    4. InternLM
    5. Pangu-Σ
    6. MOSS

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

    查看 AI 完整回答
  • 品类问题
    Seeking resources to develop a custom Chinese conversational AI with efficient deployment options.
    你:未被推荐
    AI 推荐顺序:
    1. Rasa Open Source
    2. Hugging Face Transformers
    3. PaddleNLP
    4. DeepPavlov
    5. OpenAI API
    6. Google Cloud Dialogflow CX
    7. Microsoft Azure Bot Service
    8. Azure Cognitive Services

    AI 推荐了 8 个替代方案,却始终没点名 CVI-SZU/Linly。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 CVI-SZU/Linly?
    pass
    AI 明确点名了 CVI-SZU/Linly

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

    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 CVI-SZU/Linly solve, and who is the primary audience?
    pass
    AI 明确点名了 CVI-SZU/Linly

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

订阅 Pro,解锁深度诊断

CVI-SZU/Linly — 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