从《从 SEO 到 GEO》蒸馏的可执行 Agent Skill —— 13 张方法论能力卡，让 AI 助手按实测打法回答 AI 搜索优化问题
-blueviolet){kind=icon}
适配：Claude Code · ZCode · WorkBuddy · CodeBuddy · Codex · Cursor · 任意自定义指令 Agent
越来越多的用户买东西前直接问 AI："有哪些好用的 XX""X 和 Y 哪个""X 是不是智商税"。AI 只给一个答案，你的品牌要么在这个答案里，要么就不存在——让 AI 在回答里提到你、正面提到你、优先提到你，就是 GEO（生成式引擎优化，不是地理信息）。
市面上的 GEO 资料要么是二手概念翻译，要么是"交给我们做"的服务商软文。这个仓库是第三种东西：把一本基于六引擎实测的书，蒸馏成 AI 助手能直接执行的方法论技能。装好后你的 agent 会这样回答问题：
| 你问 | 没装这个技能 | 装了这个技能 |
|---|---|---|
| "内容该发到哪些平台？" | "全平台都重要，要坚持输出" | 反问决策人画像 → 按"定引擎→看生态→按题型→定形态"四步给出引擎×渠道×形态分工表，并给出官网仅占引用 1.37% 的实测依据 |
| "为什么 AI 从来不引用我的文章？" | "内容要优质、坚持原创…" | 四条硬指标 + 七个结构信号逐项体检（pass/fail 附证据行），产出改写稿 |
| "要不要把 AI 爬虫全禁掉？" | 给一段 robots.txt 配置 | 按训练/检索/用户触发三类分别决策，明确拒绝"全部 Disallow"（屏蔽检索类=立即失去被引机会） |
给谁用：做内容营销/增长的人、想把官网改成"AI 能用"的 B 端团队、本地门店、给客户做 GEO 服务的乙方、研究 GEO 方法论的 agent 开发者。
- 不是金句集，是可执行方法：每张卡都有触发场景、执行步骤与输入/输出契约、边界与反例——agent 知道什么时候用、怎么算做完、什么时候该停下来问你。
- 一手实测打底：原书 2026-08-05 对豆包/DeepSeek/腾讯元宝/通义千问/文心一言/Kimi 六引擎做了 12 题 × 6 引擎实测 + 97 次多次采样，每条建议都能追到实测数字。
- 三源交叉印证：原书（MIT）+ GEO Wiki 百科（CC BY 4.0）+ GeoLook CN-GEO 数据集 187,818 条引用实算（MIT），卡内逐条标注来源与口径。
- 给得出交付物：19 个随包模板——9 个国内口径 JSON-LD、robots.txt 三类放行模板、llms.txt 模板，加 7 张各卡承诺的产出物表格（渠道分工 / query 分级 / 稿件体检 / 分发对照 / 实测记录 / 双周迭代 / NAP）。
- 守红线的 agent：刷好评、编数据、伪装中立洗地、高频批量抓取会被明确拒绝并给合规替代——"铺出来的东西经不起查，上榜就是上榜示众"。
- 经过测试：触发盲测、跨技能诱饵、真实任务输出评测全通过，仓库自带一致性校验脚本（见下文质量一节）。
| Agent | 方式 | 说明 |
|---|---|---|
| Claude Code | cp -r geo-playbook ~/.claude/skills/ |
重开会话自动发现 |
| ZCode | cp -r geo-playbook ~/.zcode/skills/ |
同上 |
| WorkBuddy / CodeBuddy 等遵循 Agent Skills 规范的产品 | 把 geo-playbook/ 目录（含 SKILL.md）放入各自技能目录，或在"技能管理"中导入 |
SKILL.md 是通用规范 |
| Codex / Cursor 等读取 AGENTS.md 的产品 | 把 AGENTS.md 内容放入 ~/.codex/AGENTS.md（全局）或项目根目录，路径指向本仓库 |
AGENTS.md 内含完整路由表与硬性纪律 |
| 任何支持自定义指令的 AI 产品 | 把 prompts/geo-playbook.prompt.md 全文粘贴进"自定义指令/系统提示" |
单文件压缩版，开箱即用 |
git clone https://github.com/88lin/geo-book-skill.git
cd geo-book-skill
# Claude Code 示例
mkdir -p ~/.claude/skills && cp -r geo-playbook ~/.claude/skills/我们是做仓储管理系统的，内容应该先发到哪些平台？
我写了篇文章结论埋在第三段，帮我改得更容易被 AI 引用
我们要不要屏蔽 GPTBot？
三条分别应触发：渠道决策树（会先反问决策人画像）、硬指标体检（逐项 pass/fail）、AI 爬虫三类决策（明确警告"全部禁掉"是代价最高反模式）。详细验证与排查见 教程 01。
| 教程 | 内容 | 适合 |
|---|---|---|
| 01 · 快速上手 | 5 分钟安装、3 个验证 prompt、路由逻辑、没触发怎么办 | 所有人，先读这篇 |
| 02 · 八个实战场景 | 渠道决策 / 对比稿 / 旧稿体检 / 一稿多发 / 监测算账 / 负面应对 / AI 爬虫 / 从零跑完整项目——每个场景给"你说什么→agent 怎么走→得到什么→避坑" | 日常使用者 |
| 03 · 进阶 | 先测后投实测规程、判停点哲学、归因三段算账、配合 GeoLook 跑自动化、数据保鲜 | 操盘手/乙方 |
| DIGEST 精华长文 | 约 9000 字读懂全书方法论（含陷阱与作者局限） | 不装技能先看原理的人 |
| # | 能力卡 | 一句话 | 数据来源 |
|---|---|---|---|
| 1 | geo-channel-map | 四步渠道决策树 + 六引擎信源画像（含官网 1.37% 定律、生态集中度） | 原书 ch6/7/9 + GeoLook |
| 2 | golden-question-formulas | 症状/对比/信任三类黄金问题的内容公式 | 原书 ch8 |
| 3 | citable-content-spec | 可引用四硬指标 + 七结构信号体检改写 | 原书 ch10 + GEO Wiki |
| 4 | geo-query-research | 真实语料捞词 + easy_win/target/skip 三维分级 | 原书 ch10 |
| 5 | one-fish-multi-platform | 一鱼多吃：知乎/公众号/头条三版 + 官网事实页，改写非复制 | 原书 ch10 |
| 6 | geo-monitoring-iteration | 两周周期三分支迭代 + 引用≠提及≠链接 + 归因三段 | 原书 ch10 + GeoLook |
| 7 | geo-test-protocol | 实测规程（新对话/逐字/二值口径）+ 先测后投 + 限速红线 | 原书 ch6/9 |
| 8 | negative-semantic-occupy | "智商税"类负面 query 抢阅卷权：分人群给结论 | 原书 ch9 |
| 9 | lso-local-playbook | 本地商户五步执行（NAP/评价/本地内容） | 原书 ch2 |
| 10 | vso-video-optimization | 视频搜索四件套 + 视频/图文双吃分工 | 原书 ch3 |
| 11 | aeo-answer-optimization | AEO 三板斧 + 答案位占位五步 | 原书 ch4 |
| 12 | brand-data-infrastructure | 数据基建三层；官网=事实源非引用源 | 原书 ch11 + GeoLook |
| 13 | ai-crawler-access | AI 爬虫三类放行策略 + llms.txt + 抓不到排查 | GEO Wiki + GeoLook（补充） |
跨卡任务（"从零跑一个 GEO 项目""给客户出完整方案"）走 references/workflow.md——先做适用性确认（国内/海外、是否本地门店、有无内容资产），再走 0→6 步依赖顺序，每步给入口卡、该问什么、产出模板、参考工期与判停点，另附七条快捷路径。
geo-playbook/resources/（索引见 resources/README.md），按需读取，不占常驻上下文。
| 类别 | 内容 |
|---|---|
| JSON-LD 结构化数据（国内口径） | organization / software-saas / product-ecommerce / local-business / article-author / website-searchaction / faqpage / howto / breadcrumb 共 9 个。addressCountry: CN、+86、CNY、zh-CN，sameAs 指向知乎、微博、百度百科、企查查、高德、点评——打海外市场时按 resources/README.md 说明替换 |
| 爬虫与索引文件 | robots-ai-crawlers.txt（按训练/检索/用户触发三类放行，含 26 令牌全名单与 RFC 9309 specificity 陷阱）、llms.txt.template（硬格式 + 收录三档 + 误用清单） |
产出物表格（templates/） |
渠道分工表、query 分级表、稿件体检表（四硬指标 + 七信号 + 段落评分 + E-E-A-T）、分发对照表、实测记录表（含证据等级 A–D）、双周迭代表（含归因三段与报告七陷阱）、NAP 对照表 |
模板是填空件不是成品——填之前先读对应能力卡。JSON-LD 九份由 scripts/gen_schema_templates.py 统一生成，改模板请改脚本再重跑。
蒸馏流程：整书理解 → 五路并行提取（219 条候选）→ 三重验证（来源/可执行/任务增益）→ 晋级门 → RIA 能力卡 → 压力测试 → 编译交付。全审计轨迹在 docs/。
| 测试 | 结果 |
|---|---|
| 触发盲测（独立 agent、含跨技能诱饵，首版） | 31/31 |
| 路由可达性（router 卡） | 5/5 |
| 实际任务输出评测（首版 12 能力 × 正常+边界） | 24/24 |
| v0.2.0 回归（新增 AI 爬虫卡） | 触发 15/15、输出 6/6（含拒绝"全部 Disallow"反模式） |
| v0.3.0 回归（合入 GeoLook 数据） | 输出 2/2 |
| v0.4.0 回归（合入 geo-seo-claude 评分体系与 Schema 模板） | 输出 2/2 |
| v0.4.2 / v0.5.0 回归（七卡穷尽审查补充块） | 两场景各 38/40 PASS，补充块利用率 10/10（报告存档于 docs/supplement-audits/） |
| v1.0.0 回归（workflow 编排 + 19 个模板） | 四场景 PASS：38 / 37 / 38 / 39（满分 40）；共修复 11 项缺陷，5 项高严重度。报告见 docs/supplement-audits/ |
仓库一致性校验 python scripts/validate.py |
0 errors 0 warnings |
scripts/validate.py 每次改动后跑一遍，它检查：13 张卡的六段结构完整、SKILL.md 路由表 ↔ capability-index ↔ cheatsheet ↔ verified.yaml ↔ 磁盘文件四方一致、全仓相对链接可解析、技能内反引号裸路径能从所在文件打开、JSON-LD 模板可解析且 @context/@type 正确、AGENTS.md 与 prompts 引用的路径存在。
v1.0.0 的回归评测把 workflow 编排与模板按 agent 的真实加载路径跑了四个场景，修掉 11 项缺陷（含"跨境电商"误入国内流程、体检表把合规短文判成全 fail、schema 模板预填假评分三项会导致实际答错或触碰红线的问题）。该轮为撰写者自评而非独立盲测，报告里已标明局限。
亮点场景：agent 会拒绝"刷一百条五星好评""1 小时连问 500 次采样""装中立用户洗地""AI 爬虫全部 Disallow"，并给出合规替代方案——边界是功能，不是摆设。
- 快照时效：引擎信源数字来自 2026-08-05 单日单账号实测；GeoLook 数据集为 2026-07-14。所有数字按方向性使用，不做精确百分比比较；引擎行为随时漂移，技能内置"重要决策前先复测"纪律。
- 行业覆盖：原书实测覆盖广告电商与教育两行业；其他行业的"决策人-引擎"映射是外推，技能会要求先小样本实测再定渠道。
- 转化归因：原书未提供"被引用→生意结果"的 ROI 数据（技能提供可测的三段归因方法，但不承诺结果）。
- 永不承诺：GEO 提高被引用概率，不是保证；任何引擎不欠你一个引用位。
- 技能会拒绝：刷量刷评、编造数据、伪造评价、批量账号自问自答、伪装中立洗地、高频自动化抓取（约 30 次连续提问触发 DeepSeek 风控）。
| 项目 | 关系 | 许可 |
|---|---|---|
| JingHao-Leon/geo-book | 原书《从 SEO 到 GEO》——方法论主源 | MIT |
| GEO Wiki | 百科补充：AI 爬虫/llms.txt/可引用性七信号/答案循环/十项 KPI | CC BY 4.0 |
| aigclink/geolook | 配套技能（自托管 GEO 流水线：体检/采样/工单/验收）+ CN-GEO 数据集大样本 | MIT |
| zubair-trabzada/geo-seo-claude | 配套技能（海外引擎向：GEO Score 六维审计、品牌权威扫描、乙方交付流）+ Schema JSON 模板 | MIT |
分工：geo-playbook 出方法论与决策（为什么、怎么选、怎么写），GeoLook 跑自动化流水线（诊断、采样、验收、交付），可同时安装、触发场景基本不重叠。
geo-playbook/ # 安装这个：Agent Skill
SKILL.md # 入口：触发描述 + 核心原则 + 路由表 + 回答纪律
references/
capabilities/ # 13 张 RIA 能力卡（六段结构 R/I/A1/A2/E/B + 相关能力）
workflow.md # 全流程编排：原书五步 + 适用性确认 + 先测后投闸门
cheatsheet.md # 速查：规则一句话 + 关键数字（带口径）+ 红线 + 判停点
glossary.md # 术语词典
overview.md # 全书参考区与数据边界
capability-index.md# 完整意图与关键词索引
resources/ # 19 个随包模板（JSON-LD / robots / llms.txt / 产出物表格）
AGENTS.md # Codex / Cursor 等的通用入口（含完整路由表与硬性纪律）
prompts/ # 纯提示词版：粘贴进任意"自定义指令"即用
bundle/verified.yaml # 能力登记表（三重验证结论、晋级判定、意图/关键词、资源清单）
scripts/
validate.py # 一致性校验：结构 / 四方一致 / 链接 / JSON（CI 也跑它）
gen_schema_templates.py # 九份 JSON-LD 模板的生成器
docs/
tutorials/ # 三篇使用教程（快速上手 / 实战场景 / 进阶）
DIGEST.md # 精华长文（约 9000 字）
BOOK_OVERVIEW.md # 阶段 0：整书理解（骨架/术语/批判/15 项关键任务）
verified.md # 三重验证记录；coverage-audit.md 覆盖审计
test-results.md # 全部测试结果与局限声明；supplement-audits/ 回归报告
candidates/ rejected/ acceptance/ # 审计轨迹（原始候选/去重/评测用例）
CHANGELOG.md # 版本历史
和直接问 ChatGPT "怎么做 GEO" 有什么区别？
通用模型没有实测数据底座，容易给出"内容要优质"式的正确废话，还会把过时的渠道结论（如"知乎是主阵地"——实测已被推翻）当成事实。本技能的每条建议绑定实测依据与反例边界：它知道"豆包对症状型口语题倾向不联网（0/4）"，会劝你别把宝押在视频上；它知道"官网只占引用 1.37%"，会拦下"把预算全砸官网改版"的决策。和 GeoLook 是什么关系？会冲突吗？
互补，可同时安装。geo-playbook 是方法论卡（决策与内容），GeoLook 是自动化流水线（诊断/采样/验收/交付工具）。触发场景基本不重叠：问"怎么选怎么写"走前者，说"给我跑一次诊断"走后者。装了没触发怎么办？
① 确认技能目录位置正确、重开会话；② 问题里带意图关键词（发哪里/怎么写才被引用/监测/智商税/llms.txt）；③ 直接点名能力卡："用 geo-channel-map 帮我分析"。数字过期了怎么办？
技能内置"方向性使用 + 定期复核"纪律。重要决策前用 geo-test-protocol 的规程复测当前引擎行为；复合策略是把资源投向跨期稳定的事实资产（结论前置、对比表、带日期的可验证数据）。能自己改/加能力卡吗？
能。geo-playbook/ 是唯一事实源——直接改 geo-playbook/references/capabilities/ 下的卡片，注意保持六段结构（R/I/A1/A2/E/B + 相关能力）。改完做三件事：① 同步 bundle/verified.yaml 登记表（意图、关键词、also_read、resources）；② 同步 SKILL.md 路由表、capability-index.md、cheatsheet.md；③ 跑 python scripts/validate.py，0 errors 才提 PR（CI 也会跑）。补充块统一写成 **补充 · 标题**（来源），不要用编号。
那些 JSON-LD 模板能直接上线吗？
不能，它们是填空件。占位符（YOURDOMAIN.com、XXX、YYYY-MM-DD）必须全部替换成真实值，且标记内容必须与服务端输出的可见文字一致——无效或不一致的标记比不加更糟：实时抓取型引擎（ChatGPT / Perplexity）会把 JSON-LD 当正文读，受控观察发现它们会照搬虚构标记里的值。另外别对模板里的示例评分（如 ratingValue: 4.8）照抄，那是占位不是你的数据。
WorkBuddy / CodeBuddy 怎么装？
它们与 Claude Code 一样遵循 Agent Skills 规范（SKILL.md 目录）：把geo-playbook/ 目录放到其技能目录，或在技能管理界面导入；部分产品的技能可由 AI 自动生成，直接把本仓库 SKILL.md 内容发给它即可。
MIT。原书与实测数据版权归 JingHao-Leon/geo-book 所有；GEO Wiki 部分为 CC BY 4.0（卡内逐条标注"改编自 GEO Wiki"）；本仓库的蒸馏整理部分以 MIT 开源。版本历史见 CHANGELOG.md。