这个 Skill 能做什么，适合哪些场景？
Entity Registry 是 Aaron Marketing Skills 集合中的协议层技能，专门维护单个稳定实体的机器可读身份。它审计和协调规范名称、别名、Schema.org 类型、Wikidata QID、sameAs、域名、消歧证据及 AI 识别状态。技能以实体事件流为权威来源，并生成可重建的 JSON 或 Markdown 视图。它适合需要知识图谱一致性和实体消歧的团队，不负责品牌定位、品牌语气或页面级 AI 引用优化。
读取 entities 事件流和投影、Narrative 与 claims 投影、已验证来源记录及可选视图；通过 registry-events.py 查询实体、审查提案并在具备相应主机权限时接受、拒绝或更新规范状态。它评估结构化数据、知识库、NAP+E 一致性、第一方内容、第三方佐证和 AI 识别六类信号，为每项记录来源、观察日期、证据类型及 Pass/Partial/Fail/Unknown 状态；完成后可重新生成 memory/entities/ 下的 Markdown 视图并运行 verify entities。
- SEO 或 GEO 团队审计组织在 Schema.org、Wikidata 和 AI 系统中的实体身份。
- 品牌团队发现公司与同名组织混淆时，核对别名、域名和交叉链接。
- 知识图谱维护者记录已验证的 Wikidata QID 与 sameAs 集合。
- 运营人员审查待处理的实体提案，并在有授权时更新规范实体状态。
如何安装这个 Skill？
- 在未确认目标实体、交叉链接、合法依据和主机写权限前，不应接受提案或写入规范状态。
- 外部知识库、搜索和 AI 识别结果应视为不确定的外部证据；材料未证明中国大陆网络环境下所有相关服务均可达。
- 技能版本 18.0.0 与安全政策支持 17.x 不一致，部署前应确认实际支持线、运行时和事件协议版本。
- Shell / 命令行
- 本地文件系统
Python 3Git
该技能随仓库集合安装。Claude Code 可运行 /plugin marketplace add aaron-he-zhu/aaron-marketing-skills，再运行 /plugin install aaron-marketing@aaron；兼容 Agent Skills 的主机可运行 npx skills add aaron-he-zhu/aaron-marketing-skills；也可直接运行 git clone https://github.com/aaron-he-zhu/aaron-marketing-skills。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/aaron-he-zhu/aaron-marketing-skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/protocol/entity-registry" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
将目标实体名称或 aggregate ID 交给技能，例如：Audit entity recognition for organization acme-analytics. 或 Review pending entity proposals and reconcile duplicate IDs. 持久化写入前需要先取得授权；规范变更还需要 entity-registry 主机能力，并应通过仓库运行时追加事件，不能直接编辑 NDJSON 或 JSON 投影。
这个 Skill 有哪些优点和局限？
- 明确区分机器面向的实体事实与品牌叙事、声明管理及页面内容。
- 覆盖六类识别信号，并要求来源、日期和证据类型。
- 把事件流作为规范来源，保留修订号、偏移量和依赖关系。
- 对未观测工具或引擎使用 Unknown，避免把缺失证据直接判为失败。
- 规范实体的接受、拒绝和更新需要具备主机能力的授权主体。
- 运行规范流程依赖仓库中的脚本、事件 schema、系统目录和相关投影。
- 独立的一文件夹安装只能准备有限提案，不能声称已写入规范实体真相。
- 自然人记录还涉及合法依据、字段最小化和擦除限制；文档明确说明这不是法律意见。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| 实体注册表 本页 | 60 · 推荐 | ★ 3k | 12 天前 | Apache-2.0 |
| 付费广告账户审计员 | 59 · 推荐 | ★ 3k | 12 天前 | Apache-2.0 |
| TAO DAFT 数据集验证器 ✓ NVIDIA · 官方 | 59 · 推荐 | ★ 3.6k | 12 天前 | Apache-2.0 |
| AI HOT 资讯查询 | 58 · 推荐 | ★ 21k | 25 天前 | MIT |
| NVIDIA AI-Q 深度研究 ✓ NVIDIA · 官方 | 55 · 谨慎使用 | ★ 3.6k | 12 天前 | Apache-2.0 |
与 geo-content-optimizer 的边界是：本技能维护实体身份和知识图谱事实，而 geo-content-optimizer 处理页面级 AI 引用准备。与 narrative-registry 的边界是：本技能维护机器面向的身份，本技能不拥有面向人的品牌定位、命名或语气规范。
FollowSkills 如何评估这个 Skill？
证据显示该技能限定稳定且非个人信息实体聚合 ID，要求用户确认后首次持久化写入，并通过具备主机能力的主体执行规范变更；明确区分提案与规范状态、保留冲突、禁止手工编辑规范流，并对自然人数据要求合法依据、最小化字段和擦除保护。扣5分：回滚机制未被明确规定，外部知识库和 AI 检查可能涉及外部数据流，且依赖的运行时权限与隔离实现未在所给文件中完全可核验。
证据显示流程、决策门、Unknown 处理、修订号、事件偏移量、验证步骤和异常时停止条件较清晰；缺少目标身份、写权限或合法依据时要求停止，并避免把调试成本转移给用户。扣2分：关键脚本、事件协议、运行时和系统目录未提供其实现，无法静态复现关键路径；未见针对本技能核心流程的专门测试或完整失败消息样例。
证据显示触发条件、参数格式、适用的实体类型、六类诊断信号、非适用边界以及与其他注册表技能的分工均较明确；支持粘贴数据和可选工具，核心路径不要求付费 API。扣4分：未明确列出更多非适用场景、中文输入输出约束或中国大陆网络下外部知识库/AI 服务的可达性与降级策略。
证据显示文档分为快速开始、契约、边界、数据源、步骤、保存结果、参考资料和后续技能，包含版本 18.0.0、Apache-2.0、参数提示、示例和已知限制。扣4分：维护责任人、更新路径和变更日志在所给技能材料中不清晰；Security policy 标示当前支持 17.x，与技能版本 18.0.0 存在治理信息不一致。
证据显示技能定义了实体审计、冲突协调、提案处理、规范变更、报告字段和后续交接，输出可直接指导 schema、sameAs、Wikidata 和 AI 识别工作；示例报告展示了可用结果结构。扣1分：示例结果依赖用户提供的 AI 测试结果，且真实写入、投影重建和 verify 通过均未在静态材料中验证，因此直接可用性仍需人工复核。
证据显示要求每项观察记录来源、日期和证据类型，区分 Unknown 与 Partial，要求事件 ID、偏移量、修订号和 verify 结果，并优先使用一手来源。扣1分：所给材料没有第三方执行记录、独立复现结果或覆盖该技能关键路径的专门测试，因此只能获得有限静态可审计性。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →