# 从0开发一套geo优化软件：AI内容生成链路

GEO 系统里的“智能写作”不是让 AI 随便发挥，而是把关键词、企业知识库、文章风格、转化目标组合起来，让内容围绕真实业务展开。比如一家武汉装修公司，不只是生成“装修公司介绍”，而是围绕“武汉装修公司哪家靠谱”“老房翻新怎么避坑”这类真实问题持续产出内容。

这一篇就拆 AI 内容生成链路。这里容易踩的坑是，把 GEO 软件理解成「输入关键词，输出文章」。如果只做到这一步，产品很快会变成普通写作工具。GEO 内容生成真正要解决的是：让文章围绕品牌事实、目标关键词和转化目标稳定产出，并且能继续进入发布和投放链路。工程上可以同时支持平台后端生成和本地 AI 客户端生成，用来兼顾体验和成本。

## 1. 两种 AI 模式

第一种是平台模式。前端调用后端接口，例如 `/keywords/generate`、`/articles/generate-topics`、`/articles/generate`，由服务端负责排队、调用模型、扣额度、保存结果。

第二种是本地模式。`frontend/src/utils/local-ai-client.js` 会读取后端提供的 AI relay 配置，再从 Electron 本地 lowdb 读取用户 API Key，直接请求 OpenAI-compatible 的 `/chat/completions`。这种模式适合让用户自备 Key，也能减少平台服务端成本。对这类桌面端工具来说，这种设计还能让用户在自己的电脑上完成部分 AI 调用，减少对单一云端服务的依赖。

环境变量 `VUE_APP_GEO_AI_MODE` 决定部分组件是否走本地模式。设计时可以保留这个开关，便于商业化阶段切换策略。

## 2. AI 配置管理

`AIConfigManager` 做了三件事：

- 从后端获取当前可用 AI provider，例如 base URL 和默认模型。
- 通过 IPC 从 Electron 主进程读取本地保存的 API Key 和模型。
- 保存配置时只保存用户的 Key 和模型，base URL 仍以平台配置为准。

这个设计比让用户随便填完整 base URL 更可控。平台可以统一配置中转站、风控、模型列表和充值入口，客户端只保存必要的个人凭证。采用这种方式后，用户看到的是简单的 AI 配置，背后的模型接入和服务治理仍然可以统一维护。

本地 AI 配置的关键代码可以简化成这样：先从后端拿 relay，再从 Electron 本地存储拿用户自己的 Key。

```js
async getActiveApiConfig() {
  const relay = await getActiveAIProvider()
  const result = await this.invokeBackend(ipcApiRoute.getAIConfig)
  const local = result && result.code === 0 ? result.data : {}

  return {
    id: relay.id,
    provider: relay.provider,
    baseUrl: relay.base_url,
    apiKey: local.apiKey || '',
    model: local.model || relay.default_model || ''
  }
}
```

## 3. 选题生成

有了 AI 调用模式之后，不要急着直接生成正文。更稳的做法是先生成选题。选题生成发生在文章生成之前。`article-creation.vue` 的向导流程是：

1. 选择关键词分组和最多 3 个关键词。
2. 选择知识库和标题风格。
3. 生成多个选题。
4. 选择选题后再生成正文。

选题 prompt 应该包含：

- 关键词列表。
- 当前年份，避免模型输出过期年份。
- 知识库摘要。
- 标题风格要求。
- 额外要求。
- JSON 输出格式。

选题阶段不要混入转化目标和正文风格，否则标题会过早营销化，后续正文也更容易跑偏。

选题 prompt 可以保持克制，只负责生成方向：

```js
let prompt = `请根据以下关键词生成 ${count} 个文章选题：\n`
prompt += `关键词：${keywords.join('、')}\n\n`
prompt += `注意：当前年份是 ${new Date().getFullYear()} 年。\n\n`

if (knowledgeBaseContent) {
  prompt += `【参考资料】\n${knowledgeBaseContent}\n\n`
}

prompt += `请以 JSON 格式返回：\n`
prompt += `[{ "title": "选题标题", "description": "选题描述" }]`
```

## 4. 正文生成

选题确定后，正文生成才有明确方向。`local-ai-client.js` 里的正文生成 prompt 结构很清晰：

- 先说明是根据选题还是关键词写文章。
- 加入正文内容风格。
- 如果开启标题改写，再加入标题风格。
- 加入转化目标信息。
- 加入知识库参考资料。
- 加入图片素材文件名，让模型输出 `[图片: 文件名]` 占位符。
- 最后加入输出要求。

输出要求里有几个重要约束：

- 第一行必须是 Markdown 标题。
- 直接输出文章，不要开场白和解释。
- 使用当前年份。
- 文章字数 1500 到 2000 字。
- 自然融入关键词。
- 默认不要在结尾添加营销行动号召。

最后一条很关键。很多 AI 文章会习惯性在末尾写「欢迎咨询、点赞关注」，这类内容容易降低专业感，也可能和用户转化策略冲突。

正文 prompt 则要把转化目标、知识库和风格合并进去。本地生成逻辑大致是这个结构：

```js
let prompt = topic
  ? `请根据以下选题撰写文章：\n选题：${topic.title}\n描述：${topic.description || ''}\n\n`
  : `请根据以下关键词撰写一篇文章：\n关键词：${keyword}\n\n`

if (style) {
  prompt += `正文内容风格要求：\n- 名称：${style.name}\n- 提示词：${style.prompt || ''}\n\n`
}

if (conversionTarget) {
  prompt += `转化目标信息：\n`
  prompt += `- 名称：${conversionTarget.name}\n`
  prompt += `- 公司：${conversionTarget.company_name || ''}\n`
  prompt += `- 官网：${conversionTarget.official_website || ''}\n\n`
}

if (knowledgeBaseContent) {
  prompt += `【重要】参考资料：\n${knowledgeBaseContent}\n\n`
}

prompt += `输出要求：第一行必须是 Markdown 标题；直接输出文章；自然融入关键词。`
```

最后调用 OpenAI-compatible 接口即可：

```js
const response = await fetch(`${apiConfig.baseUrl}/chat/completions`, {
  method: 'POST',
  headers: {
    'Content-Type': 'application/json',
    Authorization: `Bearer ${apiConfig.apiKey}`
  },
  body: JSON.stringify({
    model,
    messages: [
      { role: 'system', content: '你是一个专业的文案写作助手。' },
      { role: 'user', content: prompt }
    ],
    temperature: 0.8,
    max_tokens: 3000
  })
})
```

## 5. 标题提取和内容清洗

生成完成后，客户端会从模型输出中提取标题，并去掉正文开头重复标题。实际开发时建议做这些清洗：

- 支持 `# 标题`、`标题：xxx`、第一行纯文本等多种标题格式。
- 去掉「以下是」「好的」这类模型废话。
- 保留 Markdown 小标题。
- 统计字数并写入文章表。
- 把图片占位符转成可编辑的素材块。

不要把模型输出原样入库。GEO 内容后续要发布到多个平台，格式清洗会直接影响发布成功率。

## 6. 关键词拓词任务化

AI 生成还有一个很现实的问题：它不一定马上返回。`keywords.vue` 提交 AI 拓词后，会显示任务状态并轮询任务结果。这说明关键词拓词不应该是同步接口。拓词弹窗里会提示任务进入排队，这个细节能降低用户等待时的不确定感。

可以按这个流程处理：

1. 前端提交核心关键词、额外说明、数量。
2. 后端校验配额并创建 `ai_generation_tasks`。
3. 后端 worker 执行模型调用。
4. 结果写入 `result_payload`。
5. 前端轮询任务状态。
6. 用户选择要保存的关键词。

这样做的好处是页面不会卡死，失败可以重试，额度可以先预占再确认。

## 7. 使用日志

本地 AI 模式里 `addUsageLog` 当前只是占位。生产版本建议补全：

- `type`：keyword、topic、article、polish。
- `model`
- `tokens_used`
- `duration`
- `provider`
- `success`
- `error`

这些日志既能做用户账单，也能帮助定位模型质量和成本问题。GEO 系统进入规模化使用后，AI 成本控制会变成核心工程问题。AI 链路稳定之后，下一步就是把这些能力放到一个真正好用的前端工作台里。

GEO 系统里的“智能写作”不是让 AI 随便发挥，而是把关键词、企业知识库、文章风格、转化目标组合起来，让内容围绕真实业务展开。比如一家武汉装修公司，不只是生成“装修公司介绍”，而是围绕“武汉装修公司哪家靠谱”“老房翻新怎么避坑”这类真实问题持续产出内容。

从0开发一套geo优化软件：AI内容生成链路

人工智能

客户端

后端

GEO优化软件开发指南：详解AI内容生成链路，从选题到正文生成全流程。结合关键词、企业知识库和转化目标，打造精准营销内容。涵盖平台与本地AI模式、配置管理、选题生成、正文优化等核心技术点，解决传统写作工具内容偏离业务痛点。适合武汉装修公司等本地服务商优化SEO内容生产。

JSON

2026年中大促 | AI 领航 智绘未来

lexiang

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

从0开发一套geo优化软件：AI内容生成链路-腾讯云开发者社区-腾讯云

从0开发一套geo优化软件：AI内容生成链路

从0开发一套geo优化软件：AI内容生成链路

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐