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
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
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。
| 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）。