睿贤AgenticGEO完成与WorkBuddy执行引擎对接

睿贤Agentic GEO · 公司动态 · 2026-10-06

2026年10月，芜湖睿贤企业管理有限公司完成自研"睿贤Agentic GEO"AI可见度检测系统与腾讯WorkBuddy AI工作台的执行链路对接。自此，企业在网站提交检测任务后，检测执行由AI智能体自动完成，结果自动回传并汇总为结构化诊断报告，全流程无需人工值守。

一、这次对接解决了什么

在此之前，GEO检测的执行环节依赖人工：逐平台提问、逐题记录、手工整理。一个企业若覆盖6个AI平台、每平台100道题，实测需要数天，且不同人操作容易产生口径漂移，历史数据也难以对比。

对接完成后，链路变成：

企业在网站提交（公司名 + 客户类型 + 待测平台）→ 任务进入待执行队列 → AI工作台通过自定义连接器自动领取 → 智能体按既定方法论执行（联网检索企业资料 → 信源两步法清洗 → 构建企业判定档案 → 生成零品牌名问题集 → 多平台逐题实测）→ 原始回答回传 → 网站汇总为诊断报告

实测规模：一次任务覆盖6个AI平台、每平台100题，共600份实测回答全自动回收；系统"实测驾驶舱"实时展示各平台回收进度、已回收回执数与剩余题量，完成后自动进入汇总分析。

二、"连接WorkBuddy"配置已上线网站

配合本次对接，检测系统前端新增"连接 WorkBuddy"配置区（位于品牌AI可见度检测页），把接入流程拆成可核对的三步：

第一步 复制指令——一键复制专属调度指令，指令中明确点名所用连接器与取件功能，避免执行端选择路径时产生歧义。

第二步 粘贴保存——在WorkBuddy中新建自定义连接器、配置MCP服务地址与凭证，完成连接。

第三步 触发开工——把第一步复制的指令粘贴发送，即可自动连接本系统并完成后续对接与任务执行。

设计上刻意把"指令"做成显式可见、可复制的文本，而不是藏在系统内部的隐式约定。原因是Agentic链路的实际经验：给智能体的指令一旦含糊，执行端会自行选择路径，可能出现走本地旧逻辑、绕过指定工具的情况。指令显式化后，路径歧义被消除。

三、企业信源资产同步升级

与执行链路配套，系统的企业信源资产模块同步完善：

• 出题判定档案：按行业定位、客户类型、主问法、宽问法、地域敏感、获客渠道、相邻品类等维度沉淀判定语料，当前睿贤GEO优化服务档案适用题池已达486条，题集按档案动态生成而非人工编写；
• 检测信源盘点：记录每次实测的规模、信源引用总数与未识别占比，例如"10题×6平台=60次回答、信源引用573次、未识别2次（0.35%）"，未识别率作为数据质量的自我监控指标；
• 信源类型权重：按A–F六大类32子类统计AI实际引用的信源结构，并给出与行业基准的对比。

这三块的共同目的只有一个：让每一个结论都能回溯到原始数据。

四、一贯的技术立场：不打分

需要重申的是，本次升级没有改变睿贤Agentic GEO的核心口径——不打分。

系统的输出始终是三类原始值：AI在哪些问题里提到了企业、提到了几次、引用了什么来源。提及情况按T1–T5五档心智层级归类，信源按A–F六大类归因，最后落到P0–P3优先级行动清单。任何结论都可下钻到具体题目的AI原始回答。

这份克制来自三个月的打磨经验：一旦引入分数，讨论重心就会从"哪道题没命中、该补什么"转向"怎么把分数做高"，反而离优化动作更远。

五、下一步

后续迭代方向集中在三处：一是继续扩充AI平台覆盖与平台风控适配（部分平台对无头浏览器拦截严格，需以有窗口模式复用登录态并预留降级路径）；二是把检测结果与内容生产、信源投放环节打通，形成"检测—内容—复测"的闭环；三是持续完善企业判定档案的自动化生成能力，减少人工介入。

---

关于芜湖睿贤：芜湖睿贤企业管理有限公司（睿贤GEO）位于安徽芜湖，自研睿贤Agentic GEO体系——AI可见度检测与智能体自动优化闭环，采用动态实测法（企业判定档案＋零品牌名问法），输出T1–T5五档心智层级诊断、信源A–F六大类32子类归因与P0–P3优先级行动清单。合作咨询：电话 15955302408，邮箱 19941508247@163.com。