Lettertrace
Lettertrace · 程式設計
Lettertrace 是一款免費的開源 AI 品牌監控工具，用來衡量 ChatGPT、Claude 與 Gemini 多常提及你的公司。它把模型原始的回答轉換成 AEO 與 GEO 團隊會追蹤的指標，包括能見度、聲量佔比、突出程度與情緒。你用自己手上的 API 金鑰自行執行，沒有任何加價，也沒有供應商夾在你與模型之間。如果你的買家現在是向 AI 助理詢問推薦，而不是捲動搜尋結果，這款工具就是為你而做。
關於 Lettertrace
什麼是 Lettertrace
Lettertrace 回答了一個多數品牌還答不出來的問題：當有人問 ChatGPT「最適合新創公司的 CRM」，你的名字會出現嗎？這款工具監控 AI 模型如何談論你的品牌，並長期追蹤這幅圖像。你加入買家會詢問的主題，它就會自動產生人們真正向助理提出的問題，於是你能監控這些問題實際上如何被回答。把它想成 ChatGPT 品牌提及、Claude 與 Gemini 全部收進同一條趨勢線。
它是自備金鑰的產品。你接上自己的 Anthropic、OpenAI 與 Google 金鑰，這些金鑰在靜態時保持加密，也永遠不會離開你的基礎架構。資料存放在你自己的 Supabase 執行個體裡，也就是說不會被供應商綁死。這是團隊選擇它、而非託管式 AI 能見度平台的主要原因：你的監控流程完全不經過別人的伺服器。
這份自由換來的是安裝成本。你得自己架設，所以需要一位能複製儲存庫、執行 npm install、接好 Supabase 的開發者。沒有註冊按鈕。沒有客服。我會說這是名副其實的開發者優先。如果團隊裡沒人碰終端機，免費的部分是真的，架設成本也是真的。
開始使用
- 從官方來源複製 Lettertrace 儲存庫，並進入專案資料夾。
- 執行 npm install 拉取相依套件。
- 把 .env.example 複製成 .env.local，然後填入你的 Supabase 網址與金鑰。
- 為你想監控的模型加入自己的 Anthropic、OpenAI 或 Google API 金鑰。
- 執行 npm run dev 並開啟 http://localhost:3000，接著設定你的品牌與主題，然後啟動第一次執行。
產品資訊
快速了解 Lettertrace 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- SEO 與 AEO 專家：長期追蹤 AI 助理如何描述品牌，前提是你能自行架設這個應用程式。
- 新創行銷團隊：觀察模型是否推薦你、而不是 Notion 或 Linear 這類對手，前提是有開發者能執行它。
- 已經持有自己 Anthropic、OpenAI 與 Google 金鑰的成長工程師：自備金鑰的架構讓支出留在你現有的帳單上。
任務
- 追蹤品牌能見度：每週監控同樣的主題，觀察趨勢線如何變動。
- 衡量聲量佔比：看看你贏得回答的頻率，對比每一個你追蹤的競品。
- 讀取情緒：檢查一段回答是否對你評價良好，而不只是你有沒有出現。
- 比較競品：納入對手品牌，比較被推薦的頻率。
- 診斷微弱提及：找出你有出現卻被埋沒的主題。
情境
- 創辦人想知道 ChatGPT 為什麼在某個核心查詢中推薦對手。
- 行銷主管為季度檢視準備一份 AI 能見度報告。
- 代理商從一套安裝中為多個客戶品牌執行相同的監控。
- 開發者想在相信數字之前，先讀原始碼並擴充評分邏輯。
主要功能
自備金鑰
Lettertrace 使用你自己的 Anthropic、OpenAI 與 Google 金鑰運作。它們在靜態時加密，也永遠不會離開你的基礎架構，所以沒有使用加價，也沒有中間人多收成本。你直接依模型供應商公布的价格付費給他們。
多模型監控
這款工具會並列檢查 Claude、ChatGPT、Gemini 與 Google AI Overviews，這點很重要，因為每個模型的回答都不一樣。每個模型都有自己的習性、用詞與偏好。當新的回答引擎開始對你的受眾重要時，你可以加入它們，而不必從頭重建整套監控。
變體產生
你輸入一個主題，Lettertrace 就會從中寫出數十個自然的提示詞，不必手動撰寫。你不必猜買家會用哪種說法，而是涵蓋人們實際向 AI 助理提問的各種方式。
情緒與推薦
知道自己有出現並不夠。Lettertrace 會評分一段回答是否對你評價良好，以及模型到底有沒有推薦你，因此一段傷害信任的提及不會被算成勝利。情緒追蹤會以每次執行一個帶正負號的分數呈現，而競品比較在同一輪執行中完成。就是這麼簡單。
聲量佔比
聲量佔比顯示你贏得回答的頻率，對比每一個你追蹤的競品，並依主題與模型細分。範例輸出讀起來很直白：你 41%、Notion 28%、Linear 19%、其他 12%。這樣的數字在董事會簡報裡很好辯護，因為每一個都能追溯到一個你可以展示的提示詞，以及一段你可以完整引用的模型回答。
排程監控
執行可以每天或每週自動啟動。每次執行都是一個資料點，所以一週接著一週，你累積出一條能據以行動的趨勢線，而不是一張對方向毫無說明的單次快照。舉例來說，每週一次的節奏，能在對手的全新活動或某次悄悄改變被推薦對象的模型更新，反映到你的流量數字之前就先捕捉到。
MIT 開源
Lettertrace 採用 MIT 授權。你可以分支、檢視評分邏輯實際做了什麼，並擴充成自己的指標。由於資料放在你自己的 Supabase 執行個體裡，也沒有任何流量經過第三方供應商，所以如果你哪天決定離開它、自己重建整條資料管線，也不會被綁死。
優缺點
優點
- 從頭到尾免費，沒有使用加價，因為你用的是自己的 API 金鑰。
- 以 MIT 開源，所以你可以閱讀、分支並擴充評分邏輯。
- 涵蓋現在真正重要的模型：Claude、ChatGPT、Gemini 與 Google AI Overviews。
- 追蹤能見度、聲量佔比、突出程度與情緒，不只是有沒有出現。
- 資料留在你自己的 Supabase，所以不會被供應商綁死。
缺點
- 必須自行架設，所以你需要一位熟悉終端機與 Supabase 的開發者。
- 沒有託管版本也沒有客服，這表示出問題時你得自己處理。
- API 成本由你負擔，而跨多個模型的高頻每日執行會累積不少費用。
常見問題
它衡量 AI 模型在追蹤的主題中提及你品牌的頻率，接著把那些回答轉成每個主題、每個模型、長期的 AI 能見度、聲量佔比、突出程度與情緒分數。如果你想有系統地追蹤 AI 提及，這就是它的核心。
相關內容
探索與 Lettertrace 相關的工具、技能與文章。
Lettertrace 替代方案
Forefront
Forefront · 程式設計Forefront 是一個用來打造開源 AI 的網頁平台。你可以用自己的資料微調主流的開源語言模型、評估它們的表現，再透過 API 執行，或匯出後自行架設。想要封閉式平台的便利、卻堅持要自己擁有模型與資料的開發者，就是這裡的目標客群。
Startkit
StartKit.AI · 程式設計Startkit 是一套用來打造 AI SaaS 與 AI 包裝產品的樣板。可以把它想成一個 AI 新創樣板，把枯燥的部分都先接好了：驗證、Stripe 與 Lemon Squeezy 付款、用量限制、交易型電子郵件，以及一套能與 OpenAI、Anthropic、Groq 或 Llama 溝通的 AI API 啟動套件。你複製儲存庫、設定價格，然後專心在產品中使用者真正願意付費的部分。它建構於 React 與 Tailwind 之上的 Next.js，所以大部分的樣板程式碼對你來說並不陌生。
Testim
Tricentis · 程式設計Testim 是專為網頁、行動與 Salesforce 應用程式打造的 AI 測試自動化平台，用來建立並執行端到端測試。它靠機器學習在介面變動時維持測試穩定，團隊因此少花時間修補壞掉的定位器。對於一款今天就能開始使用的自動化測試工具來說，這表現不算差。你透過在瀏覽器錄製動作來建立測試，需要更多控制時再補上 JavaScript。對忙碌的 QA 團隊來說，這是個可靠的選擇。