Açık kaynak araştırması
SAGE: SEO, AEO ve GEO için açık kaynak denetim motorunun incelemesi
Yönetici özeti
Taqi Molavi’nin public deposuna dayanan inceleme: teknik SEO, varlık tabanlı cevaplar ve üretken arama erişimi için Python motoru.
Yönetici özeti
sage-audit, teknik SEO, Answer Engine Optimization (AEO) ve Generative Engine Optimization (GEO) katmanlarını tek raporda inceleyen Python tabanlı açık kaynak bir projedir. Bu araştırma, tmolavi/sage-audit deposunun 2 Eylül 2026 tarihli doğrudan incelemesine dayanır.
Proje her kontrol için durum, puan, ağırlık, kanıt ve öneri üretir. Genel puan SEO için %30, AEO için %35 ve GEO için %35 ağırlık kullanır.
| Alan | Kod | Çıktı |
|---|---|---|
| Veri modeli | models.py | Yapılandırılmış bulgular ve rapor |
| SEO | seo_auditor.py | Meta, canonical, başlık, header ve robots kontrolleri |
| AEO | aeo_auditor.py | JSON-LD varlıkları, FAQ ve doğrudan yanıtlar |
| GEO | geo_auditor.py | Chunk, erişim simülasyonu, CSP ve artifactler |
| Arayüzler | cli.py, MCP sunucusu | CLI, Python, JSON/Markdown ve MCP |
Üç sütun nasıl çalışır?
SEO denetimi canonical, meta robots, Open Graph, H1 yapısı, metin-kod oranı, güvenlik/cache başlıkları ve GPTBot, PerplexityBot, ClaudeBot, Google-Extended, Amazonbot ve Applebot-Extended politikalarını inceler.
AEO denetimi JSON-LD grafiğini özyinelemeli biçimde okur; Organization, Person, Product, Article ve FAQPage gibi varlıkları, sameAs bağlantılarını, tazeliği ve bölüm başlangıçlarının doğrudan cevap verip vermediğini değerlendirir.
GEO denetimi metni yaklaşık 60–120 tokenlık anlamsal parçalara ayırır. fastembed veya sentence-transformers yoksa deterministik hashed n-gram fallback kullanır. Ardından top-k erişimi, kosinüs benzerliğini, anlamsal entropiyi ve Citation Survival Probability değerini simüle eder.
| GEO katmanı | Temel soru | Çıktı |
|---|---|---|
| Temiz DOM | Ana metin boilerplate’tan ayrıldı mı? | Temiz metin |
| Parçalama | Passage sınırları anlamlı mı? | 60–120 token chunk |
| Vektörler | Anlam nasıl temsil ediliyor? | Embedding veya hashing |
| Erişim | Hangi pasaj öne çıkıyor? | Top-k sıralaması |
| Citation | Kazanan pasaj ne kadar farklı? | CSP ve entropy |
Güçlü yanlar ve sınırlar
En güçlü teknik tercih, model veya embedding kurulumu başarısız olsa bile aracın çalışmaya devam etmesidir. Pydantic raporları makinece okunabilir tutar ve offline testler tokenizer, DOM extraction, JSON-LD, robots, üç denetim ve CLI’ı kapsar.
Buna karşılık CSP, Google veya ChatGPT sıralaması garantisi değildir. Bellek içi RAG simülasyonu her sağlayıcının gerçek retrieval sistemini temsil edemez. Gerçek değerlendirme için sorgu, ülke, dil, model, tarih, kaynaklar, marka mention’ı, doğruluk ve dönüşüm birlikte kaydedilmelidir.
Hızlı kullanım
pip install git+https://github.com/tmolavi/sage-audit.git
sage audit https://example.com
sage audit https://example.com --format markdown -o report.md --save-artifacts ./out
sage generate-llms https://example.com -o llms.txt --also-chunksSonuç
SAGE, “AI görünürlüğü” gibi geniş bir kavramı üç ölçülebilir soruya indirger: sayfa teknik olarak erişilebilir mi, varlık ve cevap yapısı anlaşılır mı, pasajlar anlamsal erişimde hayatta kalıyor mu? Değeri garanti edilen bir sıralama değil, tekrarlanabilir ve açık bir başlangıç çizgisi sunmasıdır.