mcpField
G
geo-content-optimizer

geo-content-optimizer

github.com/aaron-he-zhu营销与增长3.0k1.7k 次安装1 天前更新
代码仓库

关于 geo-content-optimizer

geo-content-optimizer 用于优化面向 AI 生成答案和引用场景的内容。它评估内容的可提取性与权威信号，提出结构化修改，并报告优化前后的 GEO 分数及查询覆盖情况。

主要功能

  1. 01分析 GEO 就绪度
  2. 02添加独立答案和定义段落
  3. 03撰写有来源支持的可引用陈述
  4. 04采用问答、表格和列表结构
  5. 05报告前后分数及查询覆盖

适用场景

  1. 01为 AI 引用优化文章
  2. 02为现有内容补充可引用答案
  3. 03检查目标 AI 查询的覆盖情况

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/aaron-he-zhu/aaron-marketing-skills --skill geo-content-optimizer

安装后在 Claude Code 中输入/geo-content-optimizer确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

references/
ai-citation-patterns.md
ai-overview-recovery.md
geo-optimization-techniques.md
instructions-detail.md
medium-github-surfaces.md
quotable-content-examples.md

详细介绍

GEO 内容优化器

针对 ChatGPT、Perplexity、Gemini、Claude 和 AI Overviews 等 AI 生成答案与引用展示界面优化内容。

此技能的作用

改善内容结构、权威性信号、事实密度、可引用陈述、来源归属以及整体 GEO 就绪度。

快速开始

Optimize this content for GEO/AI citations: [content or URL]
Make this article more likely to be cited by AI systems
Write content about [topic] optimized for both SEO and GEO
Audit this content for GEO readiness and suggest improvements
AI Overview is eating clicks on 12 head queries — build a recovery plan

有关 4 阶段操作指南（衡量 → 诊断 → 改写 → 监控），请参阅 AI Overview Recovery。该指南专为恢复场景设计，而非通用 GEO 优化。

技能约定

预期输出：可直接使用的资产或可立即实施的改造方案，以及可存入 memory/content/ 的简短交接摘要。

  • 读取：需求说明、目标关键词、实体输入和质量约束。规范实体档案：如果内容提及品牌／人物／产品，此技能必须查阅 memory/entities/<slug>.md（依据 entity-geo handoff schema），以填充 display_name、description_short、ai_resolution_status，并判断是否需要消歧说明。如果档案缺失或已过时（>90 天），则声明 DONE_WITH_CONCERNS，并将 entity-registry 作为待处理事项提出。
  • 写入：面向用户的内容、元数据或架构交付物，以及可存入 memory/content/ 的可复用摘要。
  • 同步：将已批准的角度、消息选择、缺失证据和发布阻碍项写入 memory/hot-cache.md 和 memory/open-loops.md；将建议的长期决策列为待定决策事项。
  • 完成条件：每个目标 AI 查询都有独立、可引用的答案块；报告 GEO 评分和 AI 查询覆盖率的前后变化；CORE-EEAT GEO 自检（C02、O03、O05、E01）没有未解决的 Fail。
  • 主要后续技能：资产准备好审核或部署时，使用下方的 Next Best Skill。
交接摘要

按 skill-contract.md §Handoff Summary Format 输出标准格式。

数据来源

连接后使用 ~~AI monitor 和 ~~SEO tool；否则，请提供目标查询、内容、引擎、竞品示例和已知的 AI 引用缺口。请参阅 CONNECTORS.md。

衡量 GEO 工作是否见效：此技能所做的更改（易于提取、可引用、符合答案格式的内容）会影响可引用性——只需将 URL 交给可实时获取内容的引擎并提出目标查询，几分钟内即可进行测试。这只是一个代理指标。引擎是否会在未受提示时引用你（即主动展示），取决于其抓取／索引刷新——这通常以周为尺度，且会受到其他因素干扰，并非几分钟内就能见效。不要混淆两者，也不要承诺能快速获得主动展示。每项信号的延迟，以及为何衡量结果变化需要对照组，请参阅 references/measurement-protocol.md。

无需密钥的 AI 引用探测（Tavily）：运行 python3 "${CLAUDE_PLUGIN_ROOT}/scripts/connectors/tavily.py" search "<target query>" --answer --limit 10，即可在真实 AI 答案引擎中进行可引用性测试，无需密钥——检查综合答案是否引用你的 URL／域名，以及你的页面在评分来源中的排名。对于 Tavily 自身的层级，这属于实测；对于 ChatGPT／Perplexity／Google AI Overviews，则是估算代理指标（索引和检索方式各不相同）。发布更改后重新运行，即可在几分钟内读取可引用性；如上文所述，未受提示时的主动展示仍需以周为尺度。请参阅 scripts/connectors/README.md。

说明

当用户请求 GEO 优化时，执行以下五个步骤：

  1. 加载 CORE-EEAT GEO 优先目标 — 优先考虑 C02、C09、O03、O05、E01、O02，以及特定引擎的偏好。
  2. 分析当前内容 — 评估定义是否清晰、陈述是否适合引用、事实密度、来源引用、问答格式、权威信号、时效性和结构清晰度。
  3. 应用 GEO 技术 — 添加可独立使用的 25-50 词定义、有来源支持且适合引用的陈述、专家／来源信号、问答／表格／列表、具体数据，以及与可见内容匹配的 FAQ 架构。
  4. 生成 GEO 输出 — 报告所做更改、优化前后的 GEO 评分，以及 AI 查询覆盖情况。
  5. CORE-EEAT GEO 自检 — 使用 Pass/Warn/Fail 核验 C02、C04、C09、O02、O03、O05、O06、R01、R02、R04、R07、E01、Exp10、Ept08。然后运行 slop 自检，在内容发布前去除带有 AI 痕迹的措辞。

为每项指标标注 Measured（工具／导出结果）、User-provided（用户提供）或 Estimated（模型推断）；绝不可将估算值说成实测值；如果无法获取必需指标，标记为 N/A — 不要编造。

参考：完整的 CORE-EEAT GEO 目标表、AI 引擎偏好、分析模板、优化报告模板、自检矩阵和示例，请参阅 说明详情。

示例

用户：“请针对 GEO 优化这段话：‘电子邮件营销是触达客户的好方法。它已经发展多年，许多企业都在使用。’”

输出会补充清晰的定义、有日期和来源支持的事实、结构化列表、适合引用的陈述，以及优化前后的 GEO 评分。完整模式请参阅 说明详情 — 示例。

GEO 优化检查清单

参考：完整检查清单涵盖定义、适合引用的内容、权威性、结构和技术要素，请参阅 GEO 优化技术中的 GEO 准备度检查清单。

保存结果

用户确认后，将结果保存到 memory/content/YYYY-MM-DD-<topic>.md — 请参阅 技能约定 §保存结果模板。

参考资料

下一个最佳技能

终止说明：本次会话中维护已访问集合；如果已调用推荐的技能，则停止并报告调用链已完成，不要再次运行。遵守最大交接深度 3，以避免循环（参见 skill-contract.md §Termination rules）。

评论

支持 Markdown