MAGEO

物种定义见 01 选型地图。这一组不卖工具，产出的是机理、规则和可复算的数据——本书多个章节的量化结论溯源到这里。数据 GitHub API 一手核验于 2026-11-06。

1. cxcscmu/AutoGEO（236★ / MIT / ICLR 2026）

CMU 团队（Chenyan Xiong 组）的自动 GEO 框架：从引擎行为自动提取偏好规则→按规则重写→双指标（GEO score 可见度 × GEU score 效用）评估。完整方法拆解见本库 advanced/14 引擎偏好规则与内容重写，本篇只记选型要点：

拿它做什么：① 读论文搞清“偏好可提取“的实证边界；② 三个数据集（E-commerce/GEO-Bench/Researchy-GEO，HF 公开）直接下载复算；③ Qwen1.7B checkpoints 可本地跑（oMLX 类工具可载）。
不足：研究代码非产品；换引擎须重挖规则重训（README 原文警告）；训练 Mini 要 2×A100（自报）。
活跃度：push 停 2026-06-14——论文项目正常节奏，数据集与结论长期可用。

中文 GEO 最重要的一手数据源：本库 guide/10（中文信源实测榜）、advanced/11（量化判据）的数字底座。

内容：五分区——01-experiments（602 prompts/21,143 citations 跨平台实验+分析脚本）、02-papers（54 篇 GEO/AEO 论文导航）、03-datasets（CN-GEO：187,818 条中文引用去重记录、12 平台终端）、04-whitepapers、05-articles。
许可细节（API=NOASSERTION 的真相，已读 LICENSE 原文）：**软件部分 MIT（LICENSE-CODE）+ 原创内容 CC BY 4.0（LICENSE-CONTENT）**双层许可；第三方论文 PDF/数据集保留原条款。结论：脚本可商用，数据引用须署名，论文 PDF 别整包转发。
不足（本库已如实转述的缺陷）：缺采集时间与模型版本字段 → 趋势类结论不可用，只能做横截面分析。
场景：duckdb 复算中文引用份额、按引擎×渠道交叉出客户报告的数据层。这是中文 GEO 领域目前唯一大规模公开引用语料，护城河素材。

电商场景的 GEO 测试床（testbed）：标准化评测商品内容在生成式引擎中的可见度。mverab/eGEOagents（217★，MIT，活跃 push 11-05）是其工程化延伸——把电商 GEO 做成可跑的多 agent 工具箱。

GEO 攻防视角的稀缺品：把 GEO 操纵当成攻击面，在 LLM 推荐代理上做安全 benchmark（含对抗数据集）。

价值：给“黑帽 GEO 会被怎么反制“提供学术测量（呼应 advanced/08 常见坑第 5 条 GEO-Bench 警告）；做客户服务时，它论证了“为什么走白帽“——不是道德洁癖，是被反制即归零。
不足：★10/fork 14，几乎无社区；论文期项目。

自进化 agent 系（AgenticGEO）与多 agent 可复用策略学习（MAGEO）：把 GEO 当 agent 长期任务做方法研究。当前均为论文附属仓库，跟踪价值>使用价值；MAGEO 的“策略复用“思路与本书工单制（advanced/08）在理念上同路，可对照读。

上游：01 选型地图｜深读方法层：advanced/14