作者姚金刚宣布开源GEOInflow，一套面向GEO（生成式引擎优化）的网站与AI爬虫分析系统，MIT协议，基于Umami开发，支持Docker一键部署。系统将网站访客、AI搜索引荐、服务器抓取日志和内容目录放在同一上下文中，可识别61种AI爬虫（OpenAI、Anthropic、Perplexity、百度等）及其访问目的，追踪AI搜索带来的会话与转化，并提供PV/UV、事件漏斗、热力图等完整网站统计。核心统计无需模型API Key，默认无Cookie采集，数据留在自有服务器。
文章介绍如何使用AITDK插件检测网站的GEO（生成式引擎优化）问题。GEO Score分为五部分：AI爬虫访问、机器可读性、结构化数据、内容可引用性、信任与E-E-A-T。作者建议检查robots.txt确保AI爬虫可正常抓取，完善title/H1/sitemap等SEO基础并添加llms.txt，配置FAQPage等结构化数据，采用问答式内容结构提升可引用性，以及补充作者信息与权威来源增强可信度。研究表明添加可靠引用可使生成式回答中的可见性提升约40%。
文章阐述了传统爬虫与AI爬虫的区别，指出AI爬虫能渲染JS、绕过反爬并提供LLM友好的Markdown/JSON数据，是Agent实现决策闭环的关键。文章详细介绍了Firecrawl、XCrawl、Scrapling及Crawl4AI这四款工具，分析了它们的优势、劣势及实战应用场景，旨在帮助开发者选择合适的工具以强化AI Agent的数据获取能力。
