Menu
在知识图谱（Knowledge Graph）、维基数据（Wikidata）和人工智能（AI）系统中构建实体存在性，以实现品牌识别和引用功能。实体优化/知识图谱
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | entity-optimizer |
| description | 在知识图谱（Knowledge Graph）、维基数据（Wikidata）和人工智能（AI）系统中构建实体存在性，以实现品牌识别和引用功能。实体优化/知识图谱 |
| version | 9.9.5 |
| license | Apache-2.0 |
| compatibility | Claude Code, skills.sh, ClawHub, Vercel Labs, Cursor, Windsurf, Codex CLI, Amp, Gemini CLI, Kimi Code, Qwen Code, CodeBuddy |
| homepage | https://github.com/aaron-he-zhu/seo-geo-claude-skills |
| when_to_use | Use when optimizing entity presence for Knowledge Graph, Wikidata, or AI engine disambiguation. Also for brand entity canonicalization. |
| argument-hint | <entity name or brand> |
| metadata | {"author":"aaron-he-zhu","version":"9.9.5","geo-relevance":"high","tags":["seo","geo","entity-optimization","knowledge-graph","knowledge-panel","brand-entity","wikidata","entity-disambiguation","实体优化","エンティティ","엔티티","entidad-seo"],"triggers":["optimize entity presence","build knowledge graph","entity audit","establish brand entity","entity disambiguation","Google doesn't know my brand","no knowledge panel","establish my brand as an entity","get a Google knowledge card","how to get a knowledge panel","how to build brand entity","实体优化","知识图谱","品牌实体","知识面板","品牌词","品牌词优化","品牌搜不到","没有知识面板","Google不认识我的品牌","エンティティ最適化","ナレッジパネル","엔티티 최적화","지식 패널","구글이 내 브랜드 모르는데?","지식 패널 만들려면?","optimización de entidad","panel de conocimiento","otimização de entidade"]} |
该技能负责在搜索引擎和人工智能系统中审计、构建并维护实体的识别信息。实体（即搜索引擎和人工智能系统能够识别为独立存在的个人、组织、产品或概念）是谷歌（Google）和大型语言模型（LLMs）判断“一个品牌是什么”以及“是否应该引用该品牌”的基础。
实体对SEO和地理信息（SEO + GEO）的重要性：
从以下提示之一开始操作，并使用Skill Contract中的仓库格式完成工作，最终生成一个规范的实体档案和交接总结。
Audit entity presence for [brand/person/organization]
How well do search engines and AI systems recognize [entity name]?
Build entity presence for [new brand] in the [industry] space
Establish [person name] as a recognized expert in [topic]
My Knowledge Panel shows incorrect information — fix entity signals for [entity]
AI systems confuse [my entity] with [other entity] — help me disambiguate
预期输出：
一份实体审计报告；
一个规范的实体档案；
一份简短的交接总结，准备存放在memory/entities/目录下。
输入数据来源：从CLAUDE.md以及可用的共享状态模型中读取实体名称、主要域名、已知的实体档案、主题关联信息以及之前的品牌背景信息。
输出结果：生成一份面向用户的实体报告，以及一个可重复使用的实体档案，存放在memory/entities/目录下。
数据共享：将规范化的实体名称、sameAs链接、消歧说明以及实体存在的差距信息共享到memory/hot-cache.md、memory/entities/和memory/open-loops.md目录中。
该技能负责生成memory/entities/<name>.md中的规范实体档案；其他技能仅将候选实体信息写入memory/entities/candidates.md。当候选实体数量达到3个或以上时，应推荐使用该技能。
档案格式规范：每个规范实体档案的前置内容需遵循references/entity-geo-handoff-schema.md中的标准格式。该规范定义了下游技能（如geo-content-optimizer、schema-markup-generator、meta-tags-optimizer、ai-overview-recovery）所依赖的字段。请勿遗漏任何必填字段，否则系统会生成DONE_WITH_CONCERNS的提示，并指向此处。
下一步操作：在确认实体信息无误后，使用[skill-contract.md]中的“下一个最佳技能”（Next Best Skill）进行后续处理。
请按照skill-contract.md §Handoff Summary Format中的格式生成交接总结。
使用工具时：可以查询知识图谱API、品牌监控工具等。不使用工具时：需向用户获取实体名称/类型、域名、现有档案、相关主题及消歧信息。详情请参考CONNECTORS.md。
当用户请求实体优化时：
memory/entities/之前必须询问用户：“您即将为该个人创建一个规范化的实体档案。如果此人属于欧盟/欧洲经济区/英国居民，根据GDPR第6条，需要提供以下合法依据：(1) 同意；(2) 合法利益；(3) 合同；(4) 其他合法依据。对于非欧盟地区的人员，请参考当地法规（如CCPA/CPRA、PIPEDA、LGPD等）。如不确定，请返回“需要更多输入”。”只有在用户确认提供合法依据后才能继续操作。此提示仅供参考，不构成法律建议。详情请参考memory-management §GDPR / Privacy Compliance。确定实体在所有系统中的当前状态。
### Entity Profile
**Entity Name**: [name]
**Entity Type**: [Person / Organization / Brand / Product / Creative Work / Event]
**Primary Domain**: [URL]
**Target Topics**: [topic 1, topic 2, topic 3]
#### Current Entity Presence
| Platform | Status | Details |
|----------|--------|---------|
| Google Knowledge Panel | ✅ Present / ❌ Absent / ⚠️ Incorrect | [details] |
| Wikidata | ✅ Listed / ❌ Not listed | [QID if exists] |
| Wikipedia | ✅ Article / ⚠️ Mentioned only / ❌ Absent | [notability assessment] |
| Google Knowledge Graph API | ✅ Entity found / ❌ Not found | [entity ID, types, score] |
| Schema.org on site | ✅ Complete / ⚠️ Partial / ❌ Missing | [Organization/Person/Product schema] |
#### AI Entity Resolution Test
**Note**: Claude cannot directly query other AI systems or perform real-time web searches without tool access. When running without ~~AI monitor or ~~knowledge graph tools, ask the user to run these test queries and report the results, or use the user-provided information to assess entity presence.
Test how AI systems identify this entity by querying:
- "What is [entity name]?"
- "Who founded [entity name]?" (for organizations)
- "What does [entity name] do?"
- "[entity name] vs [competitor]"
| AI System | Recognizes Entity? | Description Accuracy | Cites Entity's Content? |
|-----------|-------------------|---------------------|------------------------|
| ChatGPT | ✅ / ⚠️ / ❌ | [accuracy notes] | [yes/no/partially] |
| Claude | ✅ / ⚠️ / ❌ | [accuracy notes] | [yes/no/partially] |
| Perplexity | ✅ / ⚠️ / ❌ | [accuracy notes] | [yes/no/partially] |
| Google AI Overview | ✅ / ⚠️ / ❌ | [accuracy notes] | [yes/no/partially] |
评估实体的6大类信号。详细的信息和验证方法请参见references/entity-signal-checklist.md。
对每个信号进行“通过/失败/部分通过”的评估，并针对存在的差距制定具体行动方案。6大类信号包括：
参考：使用references/entity-signal-checklist.md中的审计模板，了解每个类别的完整信号列表及验证方法。
生成一份实体优化报告，内容包括：
参考：详细报告模板请参见references/entity-signal-checklist.md。
询问用户是否需要“保存这些结果以供后续使用”；如果同意，使用上述档案格式将规范化的实体档案写入memory/entities/<entity-slug>.md。如果该实体对项目至关重要，还需在memory/hot-cache.md中添加简短说明；不要将规范化的档案保存在通用的memory/YYYY-MM-DD-<topic>.md格式文件中。
用户请求：“审计我们的B2B分析平台Acme Analytics的实体存在情况。”
输出结果（简化版）：AI识别结果显示该实体存在部分问题——ChatGPT将其描述为普通的“分析工具”，未体现其B2B特性；该平台未被列入企业分析工具列表；系统无法识别其创始人。报告指出存在以下问题：缺乏维基数据条目、没有知识面板（Knowledge Panel），并提出了3项优先行动：提交维基数据信息、添加sameAs链接以及创建创始人传记页面。
参考：完整的实体审计报告（包括AI识别结果、问题总结及优先行动）请参见references/example-audit-report.md。
详细成功技巧请参考references/entity-signal-checklist.md，包括7项关键建议（优先处理维基数据信息、利用sameAs链接、在优化前后测试AI识别能力、注重信号的一致性而非完整性、先进行消歧处理、与CITE标准相结合等）。
有关不同实体类型的信号、架构及消歧策略，请参考references/entity-type-reference.md。
有关知识面板的创建/编辑、常见问题及解决方法、维基数据条目的创建方法，以及不同实体类型的属性信息，请参考references/knowledge-panel-wikidata-guide.md。
推荐使用schema-markup-generator；也可考虑geo-content-optimizer（用于解决AI识别问题）或seo-content-writer（用于更新关于页面/创始人页面）。
这是AI代理在“Structs”模式中开始游戏所需掌握的基础技能。内容包括选择公会、创建账户、搭建首个采矿基础设施以及提炼“Alpha Matter”资源。请优先学习此技能，因为它与其他所有操作都密切相关。该技能对CPU资源的消耗较低（设置 `-D 1` 即可）。从零开始完成整个采矿流程大约需要3到4小时。
从 YouTube 下载指定的视频；根据指定的开始和结束时间提取视频片段，并将它们保存到您桌面上的文件夹中。
将 YouTube 视频下载到 `~/Downloads` 目录中。适用于用户希望将 YouTube 视频下载到自己电脑上的情况。
在 **Structs** 中，该模块负责处理权限管理、地址分配以及玩家之间的协调工作。适用于以下场景：授予或撤销对象的权限、注册新地址、管理多地址账户、将权限委托给其他玩家，以及设置基于地址的访问控制规则。
将新玩家引入游戏系统（Structs）。负责处理密钥的创建/恢复、玩家信息的生成（通过“reactor-infuse”或“guildsignup”功能）、星球探索以及基础基础设施的搭建。适用于以下场景：初始化游戏环境、创建新玩家、占领第一个星球或搭建基础设施。搭建所需时间因设备类型而异——使用“Command Ship”大约需要17分钟，而使用“Ore Extractor”或“Refinery”则需要约57分钟。
通过NATS WebSocket连接到GRASS实时事件系统。当您需要实时游戏更新、希望在事件发生时立即做出响应、需要监控团队行动或攻击情况、观察玩家创建情况、追踪舰队移动轨迹，或者构建基于事件的工具时，可以使用该功能。GRASS是获取银河系内最新动态的最快速途径。