GEO 可引用度评分技能
为网页内容打出一个 0-100 的 AI 可引用度分数，告诉你 ChatGPT、Perplexity 等系统是否会引用你的段落，并给出具体改写建议。
该技能仅使用 Read/Grep/Glob/Bash/WebFetch/Write 工具，无破坏性默认行为，输出为本地 Markdown 报告，风险总体可见；但 SKILL.md 自身未声明确认机制、目标范围限制（任意 URL 抓取）、错误回滚或数据流说明，且允许 Write 写文件而未说明覆盖行为，扣分。
分析流程（抓取、分块、加权评分、输出格式）在文档内自洽且结构清晰，但评分完全依赖 LLM 主观判断，五个子项的 0-100 分档标准模糊，无本技能路径的测试覆盖（仓库现有测试仅针对 fetch_page 的 SSR 启发式），异常输入（超时、非 HTML、 paywall）处理未定义，扣分。
目标场景（内容团队/代理商评估页面可被 AI 引用的程度）明确，触发词 'citability' 语义清晰，输出格式固定；但能力边界、不适用的内容类型（如 JS 渲染页面、非英文内容）未声明，无中文支持说明，扣分。
SKILL.md 分层清晰（评分标准→流程→输出模板→参考数据），frontmatter 规范，示例充分；但无版本号/变更记录、无已知局限披露，引用的研究数据（Bortolato 2025、各校 2024 数据）未附可核查出处，维护责任仅在仓库层面隐含，扣分。
评分 rubric 具体、输出模板可直接交付，静态读判断核心任务（生成可引用性评分与改写建议）大概率可完成；但输出分数可复现性和准确性未经验证，'预期提升 +X 点' 的量化主张无支撑，边际价值相对人工评审有限，扣分。
引用了 Princeton/Georgia Tech/IIT Delhi 的 GEO 研究及具体百分比，但均为不可核查的第二手转述；仓库虽有测试套件与 CI 信号，均不覆盖本技能的关键评分路径，无独立可复现的结论，扣分。
- 静态审查，未执行任何代码；所有评分为低置信度的保守估计。
- 可引用性评分完全由 LLM 主观判断，同一页面多次运行可能得到不同分数。
- 声称的研究数据（134-167 词最佳长度、+30~115% 可见度等）未附原始出处，使用前应自行核查。
- 该技能依赖 WebFetch 抓取任意外部 URL，注意目标站点隐私与合规；输出文件可能覆盖同名 GEO-CITABILITY-SCORE.md。
- 仓库测试不覆盖本技能路径，'+X 点提升' 类量化承诺不应被采信。
这个 Skill 能做什么，适合哪些场景？
这是 zubair-trabzada/geo-seo-claude 仓库（含 16 个技能的单体仓库）中的一个子技能，位于 skills/geo-citability/SKILL.md。它基于 2024 年普林斯顿、佐治亚理工和 IIT 德里的 GEO 研究，评估网页内容被 AI 系统引用的可能性。技能将页面切分为内容块，按五个维度加权评分（答案块质量 30%、段落自包含性 25%、结构可读性 20%、统计数据密度 15%、独特性 10%），并输出带改写建议的 GEO-CITABILITY-SCORE.md 报告。它面向的是"可提取性"而非传统关键词 SEO，适合想让内容进入 AI 搜索答案的内容团队和 GEO 服务商。
用 WebFetch 抓取目标 URL 并解析正文（排除导航、页脚、广告）；按 H2/H3 标题将内容切分为内容块；对每个块按五个维度打 0-100 分并加权汇总为页面总分；找出得分最高和最低的三个块，计算 70 分以上块的占比（可引用覆盖率）；为低于 60 分的块生成具体的改写建议（答案优先开头、补充统计、结构调整）；最终输出 GEO-CITABILITY-SCORE.md 报告，含评分汇总表、逐节评分表和预期提分的快速改进清单。
- 内容营销团队在发布长文前检查段落是否容易被 ChatGPT 或 Perplexity 直接引用
- GEO/SEO 顾问为客户做 AI 可见性诊断，用可引用度分数和改写清单作为交付物
- SaaS 公司优化产品文档，让 AI 助手在回答相关问题时引用自家内容
- 博客作者发现文章答案被埋在段落中段，按建议改成答案优先结构
- 电商团队优化产品页，使其进入 AI 购物推荐引用源
这个 Skill 有哪些优点和局限？
- 评分体系透明：五个维度的权重和每档分数标准都写在 SKILL.md 里，可复核
- 输出具体可执行：改写建议针对到每个低分块的句子级别，并估算提分幅度
- 内置按平台区分的引用偏好参考（ChatGPT、Perplexity、Claude、Gemini、Copilot）
- 附带可复用的高/低可引用度示例段落和评分清单
- 引用的研究结论（134-167 词最佳段落、各提升百分比）来自第三方论文转述，仓库自身未提供测试或验证数据
- 评分为启发式规则，统计密度等维度依赖 AI 判断，同一页面可能得到不同分数
- 五个允许的工具中没有持久化存储，评分结果只写入本地报告文件
- 只覆盖引用度评分本身；爬虫分析、品牌扫描等能力属于仓库中其他兄弟技能，不能混用
如何安装这个 Skill？
先安装整个技能集合：macOS/Linux 运行 curl -fsSL https://raw.githubusercontent.com/zubair-trebzada/geo-seo-claude/main/install.sh | bash（仓库实际地址为 zubair-trabzada/geo-seo-claude），或手动 git clone 后执行 ./install.sh；Windows 需在 Git Bash 中运行 install-win.sh。依赖 Claude Code CLI、Python 3.8+ 和 Git，Python 依赖装入 ~/.claude/skills/geo/.venv/ 的独立虚拟环境。注意：SKILL.md 本身位于 skills/geo-citability/，安装脚本是否单独启用该子技能未在源材料中说明。
如何使用这个 Skill？
在 Claude Code 中对整个集合可用 /geo citability <url> 命令触发引用度评分；如果单独使用本技能，可在对话中要求分析某个 URL 的 AI 可引用度，技能会通过 WebFetch 抓取页面并按 SKILL.md 中的五维评分流程执行，最后生成 GEO-CITABILITY-SCORE.md。允许的工具为 Read、Grep、Glob、Bash、WebFetch、Write。
这个 Skill 与同类方案有什么区别？
仓库将整体定位为对传统 SEO 的补充：传统 SEO 优化关键词密度和用户参与度，而本技能优化的是段落的可提取性，即 AI 能否直接抽取并引用你的段落。