| name | geo-optimizer |
| description | GEO (Generative Engine Optimization) 全流程优化工具。帮助品牌内容被 ChatGPT、Perplexity、Gemini 等 AI 搜索引擎引用。 包含 5 大模块：结构化数据生成 (JSON-LD Schema)、内容 AI 可读性检测、内容集群架构规划、AI 可见度监控与季度报告、内容差距分析。 当用户提到 "GEO"、"AI搜索优化"、"AI 引用优化"、"Schema 标记"、"JSON-LD"、"FAQ Schema"、"E-E-A-T"、 "内容被 AI 抓取"、"Pillar Page"、"内容集群"、"AI 可见度"、"Generative Engine Optimization" 时触发。 也适用于用户要求："帮我生成 Schema"、"检测内容 AI 友好度"、"优化让 AI 引用我的内容"、"测试品牌在 AI 搜索中的曝光"。
|
GEO Optimizer
AI 搜索优化全流程工具，基于 10 步 GEO 实战框架，帮助品牌内容被 AI 引擎引用。
工作流决策树
根据用户需求选择执行路径：
用户提供 URL 要求优化？
→ 模块 E：内容差距分析（调用 /geo-content-optimizer）
用户要求生成 Schema/JSON-LD？
→ 模块 A：结构化数据生成
用户提供文本要求检测质量？
→ 模块 B：内容 AI 可读性检测
用户要求规划内容架构？
→ 模块 C：Pillar Page 集群规划
用户要求测试/监控 AI 曝光？
→ 模块 D：可见度测试与报告
用户首次使用 / 不确定从哪开始？
→ 执行"首次完整 GEO 设置"流程（见下方）
首次完整 GEO 设置流程
适用于从未做过 GEO 优化的用户，按顺序执行：
- 收集品牌信息（名称、行业、核心业务、目标市场）
- 执行模块 A1：生成 Organization Schema
- 引导用户创建 ≥10 个 FAQ 问答对
- 执行模块 A2：生成 FAQ Schema
- 执行模块 A3：为已有文章生成 Article Schema
- 执行模块 B：检测关键页面的 AI 可读性
- 执行模块 C：规划 Pillar Page 内容集群
- 执行模块 D1：首次 AI 可见度基线测试
- 汇总输出完整 GEO 部署清单
模块 A：结构化数据生成
使用 scripts/schema_generator.py 或参考 references/schema-templates.md 生成 JSON-LD。
A1. Organization 实体标记
收集以下信息后生成：
- 品牌名称、一句话描述、成立年份
- 目标市场 (areaServed)
- 核心领域 (knowsAbout, 3-5 个)
- 提供的产品/服务描述
python scripts/schema_generator.py --type organization --name "品牌名" --description "描述" --knows-about "领域1" "领域2" --offers "产品描述"
A2. FAQ Schema
要求用户提供 ≥10 个问答对。每个问答要：
- 问题用自然口语（用户会怎么问 AI）
- 答案含具体数据、案例、可操作建议
- 答案长度 80-200 字
python scripts/schema_generator.py --type faq --input faq_pairs.json
输入文件格式：
[
{"question": "新手第一步应该做什么？", "answer": "具体答案..."},
{"question": "A 和 B 有什么区别？", "answer": "具体答案..."}
]
A3. Article Schema
为每篇文章生成 TechArticle 或 Article Schema。
A4. E-E-A-T 作者标记
生成 Person + Article @graph 联合标记。要求：
- 作者署名 + 简介（不能是"佚名"/"本站编辑"）
- 列出社交账号 (sameAs)
- 列出资质/成果 (hasCredential)
A5. 引用标记
为引用了权威来源的文章添加 citation Schema。
Schema 模板详见：references/schema-templates.md
模块 B：内容 AI 可读性检测
使用 scripts/readability_checker.py 分析文本。
python scripts/readability_checker.py --text "要检测的文本内容"
python scripts/readability_checker.py --file article.txt
检测维度：
- 营销词密度 — "创新/领先/卓越/全方位/一站式/极致/颠覆/最佳" 等，越少越好
- 平均句长 — 理想 15-25 字，>35 字 AI 难以理解
- 直接问句 — 包含 "？/?" 的句子，AI 偏好有问句的内容
- 数据引用 — 具体数字/百分比/金额，AI 更信任含数据的内容
- 综合评分 — 高/中/低
优化建议规则：
- 营销词 > 3 个 → 建议替换为具体事实描述
- 句长 > 25 字 → 建议拆分长句
- 无问句 → 建议加入 1-2 个直接问句
- 无数据 → 建议加入行业数据或自有统计
模块 C：Pillar Page 集群规划
设计内容集群结构
1 个核心主题页 + 5-10 个子主题，内部链接串联。
收集用户输入：
- 核心主题（Pillar Page 标题）
- 子主题列表（5-10 个相关主题）
- 每个子主题与核心主题的关系
生成内容：
- 集群 HTML 代码块（放到每篇子文章末尾）
- 站点地图 JSON 结构
- 内部链接策略建议
模板详见：assets/pillar-template.html
模块 D：可见度测试与报告
D1. AI 可见度测试（月度）
使用 scripts/visibility_tester.py 调用 Perplexity API。
python scripts/visibility_tester.py --brand "品牌名" --keywords "关键词1" "关键词2" --api-key "pplx-xxx"
要求用户提供 Perplexity API Key（获取：https://docs.perplexity.ai/）。
脚本会：
- 用多个关键词构造查询
- 检测品牌名是否出现在 AI 回复中
- 提取引用上下文
- 结果自动追加到历史 JSON 文件
无 API Key 时：提供手动测试指引（在 ChatGPT/Perplexity/Gemini 中搜索目标关键词，观察是否提及品牌）。
D2. 季度 GEO 报告
使用 scripts/geo_report_generator.py。
python scripts/geo_report_generator.py --history visibility_history.json
报告包含：
- 引用率趋势（前半期 vs 后半期）
- 趋势方向（上升/下降/持平）
- 行动建议（根据趋势自动生成）
模块 E：内容差距分析
当用户提供 URL 要求优化时，调用已有的 /geo-content-optimizer skill。
触发词："优化这个页面"、"分析这个网址"、"GEO 分析"、用户提供 URL 要求改进。
执行方式：/geo-content-optimizer <url>
该 skill 会自动完成：抓取标题 → Google 查询扩展 → AI Overview 获取 → 对比分析 → 优化建议报告。
30 分钟快速落地清单
| 步骤 | 时间 | 操作 |
|---|
| 实体标记 | 5 min | 模块 A1：生成 Organization JSON-LD |
| FAQ Schema | 10 min | 模块 A2：写 10 个 FAQ + 生成标记 |
| 口语化检查 | 5 min | 模块 B：跑可读性检测 |
| 引用标记 | 5 min | 模块 A5：加 citation 标记 |
| Schema 全部署 | 10 min | 模块 A3/A4：文章 + 品牌 + 作者 |
| Pillar 集群 | 30 min | 模块 C：设计 1+5 内容结构 |
| 可见度测试 | 5 min/月 | 模块 D1：跑 API 脚本 |
| 季度报告 | 10 min/季 | 模块 D2：跑对比分析 |
参考资料
