REPOGEO 报告 · LITE
eyurtsev/kor
默认分支 main · commit f6dc6554 · 扫描时间 2026/5/13 10:01:36
星标 1,685 · Fork 96
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 eyurtsev/kor 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。
- highabout#1Update repository description for clarity
原因:
当前LLM(😽)
复制粘贴的修复Extract structured, type-safe data from unstructured text using LLMs, especially for models without native tool-calling APIs. Uses Pydantic for schema definition.
- highreadme#2Reposition README's core value proposition
原因:
当前This is a half-baked prototype that 'helps' you extract structured data from text using LLMs 🧩. Specify the schema of what should be extracted and provide some examples. Kor will generate a prompt, send it to the specified LLM and parse out the output. You might even get results back. So yes – it’s just another wrapper on top of LLMs with its own flavor of abstractions. 😸
复制粘贴的修复Kor is a robust library for **structured, type-safe data extraction from unstructured text using LLMs**, particularly effective for models that do not support native tool-calling APIs. Define your desired output schema using Pydantic, provide examples, and Kor handles prompt generation, LLM interaction, and output parsing, including re-asking for malformed responses. Integrated with LangChain, Kor excels in prompt-based/parsing extraction.
- mediumtopics#3Add more specific topics
原因:
当前information-extraction, llm, natural-language, natural-language-processing, natural-language-understanding
复制粘贴的修复information-extraction, llm, natural-language, natural-language-processing, natural-language-understanding, pydantic, structured-data, schema-extraction
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。
- OpenAI API · 被推荐 1 次
- Anthropic Claude · 被推荐 1 次
- llamaindex/llamaindex · 被推荐 1 次
- langchain-ai/langchain · 被推荐 1 次
- huggingface/transformers · 被推荐 1 次
- 品类问题How to extract structured information from unstructured text using large language models?你:未被推荐AI 推荐顺序:
- OpenAI API
- Anthropic Claude
- LlamaIndex (llamaindex/llamaindex)
- LangChain (langchain-ai/langchain)
- Hugging Face Transformers (huggingface/transformers)
- Google Cloud Vertex AI
- Amazon Bedrock
AI 推荐了 7 个替代方案,却始终没点名 eyurtsev/kor。这就是要补上的差距。
查看 AI 完整回答
- 品类问题What's a good library for schema-guided information extraction with LLMs?你:未被推荐AI 推荐顺序:
- Instructor
- LangChain
- LlamaIndex
- Guidance
- Marvin
- OpenAI Functions/Tools
- jsonformer
AI 推荐了 7 个替代方案,却始终没点名 eyurtsev/kor。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 completenesspass
- README presencepass
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 eyurtsev/kor?passAI 明确点名了 eyurtsev/kor
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 eyurtsev/kor in production, what risks or prerequisites should they evaluate first?passAI 明确点名了 eyurtsev/kor
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 eyurtsev/kor solve, and who is the primary audience?passAI 明确点名了 eyurtsev/kor
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 eyurtsev/kor 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。
[](https://repogeo.com/zh/r/eyurtsev/kor)<a href="https://repogeo.com/zh/r/eyurtsev/kor"><img src="https://repogeo.com/badge/eyurtsev/kor.svg" alt="RepoGEO" /></a>订阅 Pro,解锁深度诊断
eyurtsev/kor — 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