Menu
面向AI可发现性优化的Schema.org结构化数据审计与生成——检测、验证并生成JSON-LD标记。针对中国AI平台增加百度结构化数据扩展检查。
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
面向中国大语言模型平台的GEO分析工具。针对豆包、元宝（腾讯混元）、DeepSeek、 文心一言（百度）、通义千问（阿里云）等国内AI搜索引擎优化网站内容，同时保持 传统SEO基础。执行完整GEO审计、可引用性评分、AI爬虫分析、llms.txt生成、 品牌提及扫描、平台专项优化、结构化数据标记、技术SEO、内容质量（E-E-A-T） 以及客户GEO报告生成。当用户说"geo"、"seo"、"审计"、"AI搜索"、"AI可见性"、 "优化"、"可引用性"、"llms.txt"、"结构化数据"、"品牌提及"、"GEO报告"， 或提供任何URL进行分析时触发。
面向中国LLM平台的完整网站GEO+SEO审计，支持并行子代理委派。编排针对AI可引用性、平台分析（豆包/元宝/DeepSeek/文心一言/通义千问）、技术基础、内容质量和结构化数据的全面生成式引擎优化审计。生成0-100综合GEO得分并附优先行动计划。
面向AI可见性的品牌提及与权威扫描器。分析品牌在中国AI模型用于实体识别和引用决策的平台上的存在情况。生成品牌权威得分（0-100），并提供平台专项建议。专注于知乎、B站、微博、百度百科、小红书等中国平台。
AI可引用性评分与优化。分析网页内容，确定中国AI系统（豆包、元宝、DeepSeek、文心一言、通义千问）引用或摘录段落的可能性。提供0-100的可引用性得分和具体改写建议。
面向GEO客户的月度进度跟踪和报告。比较两次GEO审计（基准vs当前），计算所有类别的得分改进， 跟踪行动项完成情况，并生成"看看您的进展"客户报告。面向中国LLM平台优化。
面向AI可引用性的内容质量与E-E-A-T评估——评估经验、专业知识、权威性、可信度以及内容结构。针对中国市场，特别关注中文内容原创性、权威作者资质和国内平台权威信号。
| name | geo-schema |
| description | 面向AI可发现性优化的Schema.org结构化数据审计与生成——检测、验证并生成JSON-LD标记。针对中国AI平台增加百度结构化数据扩展检查。 |
| version | 1.0.0 |
| author | geo-cn |
| tags | ["geo","schema","structured-data","json-ld","entity-recognition","ai-discoverability","china","baidu"] |
| allowed-tools | Read, Grep, Glob, Bash, WebFetch, Write |
结构化数据是告诉AI系统某个实体是什么、做什么以及与其他实体如何关联的主要机器可读信号。在中国市场，结构化数据的重要性尤为突出——百度的知识图谱直接消费Schema.org标记，这对文心一言和百度搜索的实体识别有直接影响。
fetch_page.py 获取目标页面HTML重要： WebFetch将HTML转换为Markdown并剥离<head>内容，这会删除JSON-LD块。改用 fetch_page.py：
python3 ~/.claude/skills/geo/scripts/fetch_page.py <url> page
查找 <script type="application/ld+json"> 块。一个页面可能包含多个JSON-LD块——收集所有块。
JSON-LD是强烈推荐的GEO格式。百度、其他搜索引擎和AI平台都最可靠地处理JSON-LD。
对每个检测到的schema块进行验证（有效JSON、有效@type、必需属性、推荐属性等）。
中国特定验证：
对于中国网站，sameAs 属性应包含中国平台URL：
{
"@context": "https://schema.org",
"@type": "Organization",
"@id": "https://example.com/#organization",
"name": "公司名称",
"url": "https://example.com",
"logo": {
"@type": "ImageObject",
"url": "https://example.com/logo.png"
},
"description": "公司一句话描述",
"foundingDate": "2020-01-15",
"founder": {
"@type": "Person",
"name": "创始人姓名"
},
"address": {
"@type": "PostalAddress",
"addressLocality": "城市",
"addressRegion": "省份",
"addressCountry": "CN"
},
"contactPoint": {
"@type": "ContactPoint",
"telephone": "+86-xxx-xxxx-xxxx",
"contactType": "customer service"
},
"sameAs": [
"https://baike.baidu.com/item/公司名称",
"https://www.zhihu.com/org/公司名称",
"https://weibo.com/公司名称",
"https://space.bilibili.com/公司账号ID",
"https://mp.weixin.qq.com/公众号",
"https://www.linkedin.com/company/公司名称"
],
"knowsAbout": [
"核心话题1",
"核心话题2",
"核心话题3"
]
}
额外推荐（中国特定）：
hasMap：指向百度地图的URL（而非Google Maps）中国作者（Person）推荐GEO属性：
sameAs：知乎个人页面、微博账号、LinkedInjobTitle：职称（中文）worksFor：Organization schemaknowsAbout：专业领域数组alumniOf：国内大学（如适用）FAQPage schema对中国AI平台的问答提取特别有效。豆包、文心一言都会解析FAQPage结构。
同全球版本，添加中国特定属性：
availableLanguage: "zh-CN"对于中国市场，sameAs链接优先级：
| 标准 | 分值 | 评分方式 |
|---|---|---|
| Organization/Person schema存在且完整 | 15 | 完整15分，基础10分，无则0分 |
| sameAs链接（5+中国平台） | 15 | 每个有效中国sameAs链接3分，上限15分 |
| 含作者详情的Article schema | 10 | 完整作者schema 10分，仅名字5分，无则0分 |
| 特定业务类型schema | 10 | 完整10分，部分5分，缺失0分 |
| WebSite + SearchAction | 5 | 存在5分，无则0分 |
| 内页BreadcrumbList | 5 | 存在5分，无则0分 |
| JSON-LD格式（非Microdata/RDFa） | 5 | JSON-LD 5分，混合3分，仅Microdata/RDFa 0分 |
| 服务端渲染（非JS注入） | 10 | 在HTML源码中10分，JS但在head中5分，动态JS 0分 |
| speakable属性（文章中） | 5 | 存在5分，无则0分 |
| 有效JSON + 有效Schema.org类型 | 10 | 无错误10分，轻微问题5分，重大错误0分 |
| Organization/Person中的knowsAbout | 5 | 有3+话题5分，缺失0分 |
| 无弃用schema | 5 | 干净5分，有弃用schema 0分 |
生成 GEO-SCHEMA-REPORT.md：
# GEO结构化数据报告 — [域名]
日期：[日期]
目标市场：中国
## Schema得分：XX/100
## 检测到的Schema
| 页面 | Schema类型 | 格式 | 状态 | 问题 |
|---|---|---|---|---|
| / | Organization | JSON-LD | 有效 | 缺少中国sameAs链接 |
| /blog/post-1 | Article | JSON-LD | 有效 | 无作者schema |
## 验证结果
[各schema的按属性通过/失败列表]
## 中国平台sameAs审计
| 平台 | URL | 状态 |
|---|---|---|
| 百度百科 | [URL或"未找到"] | 存在/缺失 |
| 知乎 | [URL或"未找到"] | 存在/缺失 |
| 微博 | [URL或"未找到"] | 存在/缺失 |
| B站 | [URL或"未找到"] | 存在/缺失 |
| 微信公众号 | [URL或"未找到"] | 存在/缺失 |
[继续其他推荐平台]
## 缺失的推荐Schema
[列出应存在但缺失的schema（基于业务类型）]
## 生成的JSON-LD代码
[各缺失或不完整schema的即用型JSON-LD块]
## 实施说明
- 各JSON-LD块的放置位置
- 服务端渲染要求
- 百度搜索资源平台和Schema.org验证器测试