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。
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
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