用途：面向生成式搜索引擎（GEO，Generative Engine Optimization）优化内容，目标引擎包括 Google AI Overviews（原 SGE）、带联网搜索的 ChatGPT、Perplexity、带联网搜索的 Claude、Gemini 与 Bing Copilot。适用场景为提升内容被这些 AI 引擎引用的可能性。
主要能力：提供 LLM-Readiness Score（0-100）评估，脚本为 scripts/geo-score.ts，检查项与分值包括：前 100 词给出快速答案（15）、直接以 H2 提问如“What is X?”（10）、用表格/列表呈现可比较数据（10）、带日期与来源的引用（15）、带归属的统计数字（10）、含资质的作者简介（10）、Schema.org 标记（10）、更新日期在 12 个月内（10）、存在 llms.txt（5）、内容非纯 JS（SSR，5）。
资料给出的影响量化参考：添加统计数据 +40%，引用权威来源 +40%，引用专家 +28%，提升文本流畅度 +15–30%，关键词堆砌 -10%（低于基线）。并称 AI Overviews 每条回答平均引用约 13 个来源，59.6% 的引用来自前 20 名自然结果之外的 URL。
推荐内容结构：标题后先给 40–60 词的快速答案（事实性、无冗余），随后依次为定义段、“为何重要”（带来源的统计）、编号步骤、对比表格与 FAQ。
llms.txt：Google 爬虫忽略该文件、并非必需；对其他 LLM 有用，早期采用者称可提升引用准确性。放置于站点根目录，如 https://example.com/llms.txt，内容含站点名、一行描述与页面链接列表。
相关参考：seo-entity（驱动 AI 引用的实体信号与 schema）；skills/seo/04-geo-2026/（含 ai-platforms、citation-strategies、content-structure、llm-crawlability、zero-click-optimization）；skills/seo/08-measurement/share-of-model.md。
限制：资料未提供安装命令、依赖要求、具体运行方式、收费与平台信息，暂未提供。