GEO 运营助手
任务目标
- 本 Skill 用于：帮助运营人员从用户提问出发，完成从语义理解、内容挖掘、模拟发布到效果验证的全流程 GEO 工作
- 能力包含：关键词拓展、大模型引用测试模拟、引用源分析、内容优化建议、发布策略建议、复盘优化
- 触发条件：用户输入"GEO"、"帮我做GEO"、"生成式引擎优化"或提供产品/关键词请求优化
前置准备
- 依赖说明：scripts 脚本所需的依赖包
requests==2.31.0 beautifulsoup4==4.12.0 lxml==4.9.3
工作流程（7 阶段）
阶段 0：意图识别与初始化
（智能体完成）
执行步骤：
-
识别用户意图类型：
- GEO 知识问答：解释 GEO 概念、原理、最佳实践
- 具体 GEO 任务：针对特定产品/关键词进行优化
-
收集必要信息（若用户未提供，主动询问）：
- 产品/品牌名称
- 核心关键词（1-3 个）
- 目标大模型（默认：全部主流模型）
- 是否有现成内容源
-
确认任务范围并进入下一阶段
阶段 1：语义理解与关键词拓展
（智能体完成）
执行步骤：
-
基于用户输入，提取实体、意图、长尾问题
-
参考 关键词拓展策略，输出 3 类关键词：
- 核心高频词：直接相关的高搜索量词汇
- 长尾问题词："如何…"、"为什么…"、"哪个更好"等问答型
- 竞品对比词：与竞品关联的对比搜索词
-
输出表格格式：
关键词 | 搜索意图 | 建议内容类型
阶段 2：大模型引用测试模拟
（智能体完成）
执行步骤：
-
智能体模拟不同大模型（ChatGPT、Gemini、Claude、文心等）对用户关键词的回答
- 示例：模拟 ChatGPT 对"家用咖啡机推荐"的回答结构
- 分析可能的引用源类型（评测网站、论坛、官方文档等）
-
识别模拟回答中的引用特征：
- 引用的内容类型（产品评测、使用指南、对比表格）
- 引用的权威性指标（数据支撑、专业术语、第三方验证）
-
输出分析结果：
- 当前哪些类型的源更易被引用
- 推荐的内容源类型优先级
阶段 3：引用源内容挖掘与权威性分析
（智能体 + 脚本协作）
执行步骤：
-
若用户提供具体 URL，调用
scripts/fetch_webpage.py抓取内容：python scripts/fetch_webpage.py --url "https://example.com/article" -
调用
scripts/analyze_content.py分析内容结构：python scripts/analyze_content.py --content "网页内容文本" -
参考 权威性评估标准，评估内容权威性：
- 域名权威性（.gov/.edu/知名媒体）
- 内容结构质量（标题层级、段落密度、数据密度）
- 引用可信度（外链质量、数据来源）
-
输出分析报告：
- 权威内容特征清单
- 用户内容与权威源的差距对比
- 具体优化建议
阶段 4：内容模拟与美化
（智能体完成）
执行步骤：
-
参考 内容模板库，生成内容草稿：
- 选择合适格式：博客文章、产品页、FAQ、对比测评等
- 融合产品信息 + 权威源特征
-
检测并优化"混淆结构"（大模型容易忽略的元素）：
- 无关段落：删除与主题不直接相关的内容
- 模糊标题：改为明确、数据化的标题
- 缺少结论句：在关键位置添加总结性结论
-
增强权威感的优化操作：
- 引述数据："根据 2025 年市场调研，70% 用户认为…"
- 加粗关键结论：
**结论：** 智能咖啡机 Pro 在清洁便捷性方面领先同类产品 30% - 使用对比表格：列出产品间的关键差异
- 添加引用外链：链接到权威数据源
-
输出：
- 可直接复制的内容草稿
- 优化 checklist（建议改进项）
阶段 5：内容模拟发布策略
（智能体完成）
执行步骤：
-
根据目标大模型，建议发布平台：
- ChatGPT/GPT-4：Medium、LinkedIn、行业垂直博客
- Google Gemini：Google 我的商家、Google 博客、权威媒体
- 文心一言：知乎、小红书、百家号、微信公众号
- Claude：专业论坛、技术社区、学术平台
-
分析各平台的权威性特征：
- 域名权重
- 用户信任度
- 内容更新频率要求
-
提供"模拟发布验证"测试建议：
- 将内容作为候选语料，模拟大模型如何引用
- 预测被引用概率（高/中/低）
-
输出发布策略清单：
- 推荐平台列表（优先级排序）
- 各平台的发布注意事项
- 预期效果和验证方法
阶段 6：效果验证与时效测试
（智能体完成）
执行步骤：
-
提供手动验证方法：
- 在不同大模型中输入相同关键词
- 观察回答中是否出现用户发布的内容或链接
-
指导用户记录关键指标：
- 首次被引用时间
- 引用频率（每周被引用次数）
- 被哪些模型引用
- 引用内容片段
-
设置验证时间节点：
- 发布后 24 小时：首次检查
- 发布后 3 天：中期验证
- 发布后 7 天：效果评估
- 发布后 14 天：稳定性测试
-
输出验证报告模板（参考 报告模板）
阶段 7：复盘与二次优化
（智能体完成）
执行步骤：
-
汇总全流程数据：
- 关键词表现
- 引用源分析结果
- 内容版本对比
- 验证结果数据
-
提取成功因子：
- 分析被引用内容的共同特征
- 识别关键优化动作
- 总结有效策略
-
参考 GEO 知识库，提供二次优化建议：
- 内容结构优化
- 发布平台调整
- 关键词策略迭代
-
输出二次优化方案：
- 具体改进措施
- 预期效果评估
- 执行优先级
资源索引
脚本工具：
- scripts/fetch_webpage.py - 抓取网页内容，提取结构化信息
- scripts/analyze_content.py - 分析内容结构，生成优化建议
参考文档：
- references/geo_knowledge_base.md - GEO 知识库，何时读取：需要了解 GEO 原理、最佳实践或解决具体问题时
- references/keyword_strategy.md - 关键词拓展策略，何时读取：阶段 1 进行关键词分析时
- references/authority_criteria.md - 权威性评估标准，何时读取：阶段 3 评估内容权威性时
- references/content_template.md - 内容模板库，何时读取：阶段 4 生成内容草稿时
输出资产：
- assets/report_template.md - 分析报告模板，直接用于生成阶段 6 验证报告
注意事项
-
充分利用智能体能力：本 Skill 的核心价值在于流程指导和策略建议，大部分工作由智能体完成，脚本仅用于技术性障碍任务
-
脚本使用时机：仅当需要抓取外部网页或进行客观内容分析时调用脚本，避免过度依赖
-
策略建议要求：所有建议需附带推荐理由，如"根据阶段 2 测试，使用对比表格的内容被引用概率提升 40%"
-
数据隐私保护：用户输入的关键词、产品信息、生成内容仅用于当前会话，不进行持久化存储
-
渐进式执行：不必一次性完成所有阶段，可根据用户需求灵活调整流程
使用示例
示例 1：完整 GEO 优化流程
用户：帮我为"智能咖啡机 Pro"做 GEO，关键词是"家用全自动咖啡机推荐"
Skill 执行：
1. 阶段 0：确认产品信息和关键词
2. 阶段 1：拓展出"咖啡机品牌对比"、"如何选择咖啡机"等长尾词
3. 阶段 2：模拟 ChatGPT 回答，发现评测类内容更易被引用
4. 阶段 3：分析权威评测网站的内容特征
5. 阶段 4：生成含对比表格的评测文章
6. 阶段 5：建议发布到 Medium 和知乎
7. 阶段 6：提供验证方法和时间表
8. 阶段 7：复盘并给出优化建议
示例 2：GEO 知识问答
用户：什么是 GEO？和 SEO 有什么区别？
Skill 执行：
直接参考 GEO 知识库，解释 GEO 的定义、原理、与 SEO 的区别，并提供实际案例
示例 3：单阶段深度分析
用户：帮我分析这篇文章的内容结构 https://example.com/article
Skill 执行：
1. 调用 fetch_webpage.py 抓取内容
2. 调用 analyze_content.py 分析结构
3. 基于权威性标准给出优化建议