
最近整理本机 Skill,我翻到一套做网站诊断的开源工具:`geo-seo-claude`。项目在 GitHub 上有 9,000 多个 Star,包含 15 个可以直接调用的 GEO Skill。
为什么现在要看 GEO?
以前做搜索,重点是把网页排到前面。现在不少用户直接询问 ChatGPT、Perplexity 或 Gemini,再从 AI 的回答里挑品牌。
SEO 仍是基础,GEO 多检查一步:网站能否被 AI 抓取,内容是否方便引用,品牌和结构化数据是否可信。
15 个 Skill,只管四件事
- 网站体检:检查技术、内容、Schema 和 AI 爬虫权限;
- AI 引用:分析内容可引用性、品牌信号和不同平台的表现;
- 报告交付:生成 Markdown、PDF 和月度对比报告;
- 业务管理:制作方案、跟进商机并更新整套 Skill。
它不是一堆零散命令,更像一套从发现问题到交付结果的 GEO 工作流。
我会怎么用这套工具?
第一次不用全跑。先用 `geo-audit` 体检,根据结果补做 citability、crawler 或 schema 专项检查,再用 `geo-report` 输出报告。一个月后用 `geo-compare` 复查即可。
使用前先说清边界
项目原生面向 Claude Code,本地需要 Python、Git 等环境。不同 Agent 工作台的安装和调用方式并不相同。
GEO 也没有“保证被 AI 引用”的通行证。这套工具能帮你发现问题、建立检查流程,但最终是否被引用,仍取决于内容、品牌和平台规则。
对企业来说,先查清自己为什么没进入 AI 答案,再动手优化,比追着新概念跑更实在。
生成式ai正在成为越来越多人的信息入口。用户不再只是搜索:“有哪些品牌?”而是直接问ai:“哪个品牌更适合我?”
# geo优化:从信息堆砌走向可信内容建设## 一、背景:搜索正在改变过去二十年,seo的核心逻辑是"争夺排名"——让用户在搜索结果页点击你的链接。但随着生成式ai搜索的普及,用户获取答案的方式正在发生根本…
做 geo 半年,老板们问得最多的一句话: "ai 里已经有我了,怎么客户还是不打过来?"不怪 geo,也不怪 ai。 问题出在 ai 推到你之后、客户决定联系你之前—— 那段没人管的真空地带。完整的 geo 转化链路,…
做geo必须先做官网,核心原因是官网是geo优化的唯一核心阵地,是ai判断企业信息真伪的第一真值来源,从底层逻辑上决定了你的内容能否被ai信任、引用和优先推荐。🔐 唯一可完全掌控的信任锚点geo的核心目…