这个 Skill 能做什么，适合哪些场景？
这是 Aaron Marketing Skills 中用于生成式引擎优化（GEO）的单项技能，专注于提升内容被 AI 系统引用的准备度。它面向 ChatGPT、Perplexity、Google AI Overviews、Gemini、Claude 和 Copilot 等引用场景，改善内容结构、事实密度、权威信号、可引用表达和来源归属。技能会输出可直接使用的内容或可实施的改写方案，并附带交接摘要。它适合已有内容的 GEO 优化，不负责结构化页面 SEO 审核或从零起草内容。
读取用户提供的简报、目标关键词、实体信息和质量约束；分析定义清晰度、可引用陈述、事实密度、来源引用、问答结构、权威信号、新鲜度和结构；必要时查询实体档案，并在连接器可用时使用 AI 监测或 SEO 工具。它按五步流程优化内容，加入独立定义、来源支持的陈述、问答、表格、列表、具体数据和可见内容匹配的 FAQ Schema；报告修改内容、优化前后 GEO 分数、AI Query Coverage 及 CORE-EEAT 自检结果。
- 内容团队希望让一篇已发布文章更可能出现在 ChatGPT 或 Perplexity 的引用结果中。
- SEO 负责人需要针对 AI Overviews、Gemini 或 Claude 优化现有页面，而不是重做传统页面 SEO。
- 品牌团队希望为某组目标 AI 查询建立独立、可引用且有来源支持的答案区块。
- 网站受到 AI Overview 对点击量的影响，需要按“衡量—诊断—改写—监测”流程制定恢复方案。
如何安装这个 Skill？
- 不要把 GEO 分数、Tavily citability 或结构化内容改进承诺为 ChatGPT、Perplexity 或 Google AI Overviews 的无提示引用结果。
- 在处理真实 URL、品牌实体或第三方内容前，确认授权、robots.txt、隐私和数据外发边界；缺少实体档案时应按 DONE_WITH_CONCERNS 处理。
- 所有统计、平台特性、爬虫规则和引擎偏好都应使用当前来源复核，不能仅依据技能内的启发式表格发布。
- 保存到 memory 或推广到热缓存、开放循环前，确认用户授权、路径安全和可恢复性。
- Shell / 命令行
- 网络访问
- 本地文件系统
Python 3
安装整个仓库：在 Claude Code 中运行 /plugin marketplace add aaron-he-zhu/aaron-marketing-skills，再运行 /plugin install aaron-marketing@aaron；或在兼容 Agent Skills 的主机中运行 npx skills add aaron-he-zhu/aaron-marketing-skills。也可以直接执行 git clone https://github.com/aaron-he-zhu/aaron-marketing-skills，然后使用 seo-geo/implement/geo-content-optimizer/SKILL.md。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/aaron-he-zhu/aaron-marketing-skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/seo-geo/implement/geo-content-optimizer" ~/.claude/skills/
rm -rf "$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？
提供内容或 URL，并说明目标 AI 引擎，例如：Optimize this content for GEO/AI citations: [content or URL]。也可以请求审计 GEO readiness、提升内容被 AI 引用的可能性，或针对 AI Overview 的点击恢复方案。若没有连接器，需提供目标查询、内容、目标引擎、竞争者示例和已知引用缺口。
这个 Skill 有哪些优点和局限？
- 覆盖 ChatGPT、Perplexity、Google AI Overviews、Gemini、Claude 和 Copilot 等多个 AI 引用场景。
- 有明确的五步工作流、输出契约、指标标签和 CORE-EEAT 自检。
- 区分即时可测的 citability 与受抓取和索引刷新影响的非提示式 surfacing，不承诺快速排名或引用。
- 默认可使用用户粘贴的数据；仓库整体采用 Apache-2.0 许可证。
- 技能文本未提供完整的 GEO 目标表、自检细则和测量协议正文，部分细节依赖仓库内的引用文件。
- Tavily 探针的结果只直接测量 Tavily 层，对 ChatGPT、Perplexity 和 Google AI Overviews 只是估计代理。
- 实时查询、URL 抓取和 Tavily 探针需要网络；保存结果还需要文件系统访问。
- 示例探针使用 `${CLAUDE_PLUGIN_ROOT}` 和 `python3`，在其他主机上可能需要调整路径或运行方式。
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 |
|---|---|---|---|---|
| GEO 内容引用优化器 本页 | 52 · 谨慎使用 | ★ 3k | 13 天前 | Apache-2.0 |
| SERP 分析 | 56 · 谨慎使用 | ★ 3k | 13 天前 | Apache-2.0 |
| Blog GEO AI 引用审计 | 55 · 谨慎使用 | ★ 2.4k | 13 天前 | MIT |
| GEO 可引用度评分技能 | 48 · 谨慎使用 | ★ 11k | 22 天前 | MIT |
| AI 搜索与 GEO 优化 | 52 · 谨慎使用 | ★ 19k | 23 天前 | MIT |
与 on-page-seo-checker 的边界是：本技能优化 AI 引用准备度，不负责结构化页面 SEO；与 content-writer 的边界是：本技能不是从零起草内容，而是优化已有内容或生成实现型改写。
FollowSkills 如何评估这个 Skill？
技能明确要求将抓取内容视为不可信数据，区分 User-provided、Measured 与 Estimated，并在用户确认后保存结果；连接器默认无密钥且相关探针为只读。扣分在于 memory 写入、外部连接器数据流、权限边界和回滚路径未在本技能内完整定义，且未明确敏感内容处理。
五步流程、输入输出契约、N/A 规则和异常时的 DONE_WITH_CONCERNS 状态较清晰。扣分在于本次仅静态阅读，未见覆盖关键路径的测试或可复现执行证据，部分依赖文件和工具可用性仍假定存在，失败诊断细节有限。
触发条件、目标用户任务、参数提示以及与 on-page-seo-checker、content-writer 的边界较明确，并支持中英文触发词。扣分在于不同 AI 引擎的适用边界、地区可达性和 URL 抓取失败场景说明不足，部分平台策略依赖外部工具或索引。
front matter、版本号、Apache-2.0 许可证、快速开始、契约、参考资料、限制说明和后续技能均有提供，信息分层较好。扣分在于技能自身没有明确维护负责人、更新路径或变更日志，安装和连接器故障排查仍依赖仓库外层文档，参数和输出模板缺少更多边界示例。
技能定义了可直接交付的内容/元数据/Schema 产物、前后 GEO 分数、AI Query Coverage 和自检结果，且明确不应把 citability 代理指标等同于无提示的真实曝光。扣分在于核心优化方法主要是启发式模板，未提供已验证的代表性产物或第三方执行证据，实际结果仍需事实核验和人工审阅。
文件要求标注指标来源，区分实测与估计，并说明 citability 与 surfacing 的时间尺度和控制组需求；参考资料提及研究和报告。扣分在于提供材料中没有可核验的第三方执行记录、CI 测试覆盖或完整来源证据，关键平台数据仍被明确要求再次验证。
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 →