智引

SKILL内容创作
内容创作 未标注权限 许可证不明确
安装这个技能

面向中国主流生成式引擎(DeepSeek、豆包、Kimi、智谱 GLM、文心一言、元宝、通义、百度 AI)的 GEO(生成式引擎优化)通用 skill。双轨评分:站内信号分由 site_signal.py 确定性计算(可引用性五维/技术基建/Schema/权威信号/爬虫与 llms.txt),引擎实测分由 probe_runner.py 调度真实提问 + answer_judge.py 规则判定(提及率/引用位次/情感/波动区间)。覆盖快检(60秒)、全站诊断、内容重写、国内模型引用适配(CN-Fit)、技术基建、渠道矩阵、监测迭代七大模块;参数校验、规范校验、来源核验、结果判定、流程控制全部脚本化,prompt 仅保留内容创作、竞品研判、渠道定制、疑难判定兜底四处且均有脚本打回闭环;禁捏造与广告法违规为硬阻断红线。支持独立安装,含上游依赖检测三态逻辑(直用/引导补参/讲解降级)。

一句话选型结论

按资料字段整理

智引是内容创作类的 Agent Skill,安装方式未标注,权限级别未标注,许可证不明确,有可直接复制的安装命令。技能本质是给模型读的说明书,效果取决于模型与客户端;装完先用一个小任务验证,再放进正式流程。

分类内容创作 安装方式未标注 权限级别未标注权限 许可证许可证不明确
累计安装 未标注 本周 未标注
GitHub 星标 未标注 仓库 未标注
下载量 未标注 技能市场下载数
权限级别 未标注权限 安装前请确认风险范围
许可证 许可证不明确 未说明

安装

未标注
在支持 Skills 的客户端里执行,装完问一句「你有哪些技能」验证
skillhub install user_989eb8f0/tri-geo
  1. 1
    确认客户端支持

    确认你的客户端支持 Skills(Claude、Codex、Cursor 等),并升级到较新的版本。

  2. 2
    拿到技能文件

    执行上面的命令安装;也可以把仓库里的 SKILL.md 手动放进客户端的 skills 目录。

  3. 3
    刷新技能列表

    重新打开客户端,或刷新技能列表,让新放进来的技能被加载。

  4. 4
    验证是否生效

    问一句「你有哪些技能」,确认列表里出现它,再拿一个小任务试跑。

技能档案

内容创作
字段来自技能仓库与公开索引,中文说明由本站标注
作者 / 维护方user_989eb8f0仓库 未标注 · 版本 未标注
宿主客户端未标注技能可被这些客户端加载
安装方式未标注安装包 community
权限级别未标注权限安装前请确认风险范围
许可证未说明许可证不明确,商用前请自行确认条款
仓库可用性available技能仓库当前是否可访问
最近核验未标注上游最后核验时间 · 数据更新 1791620756
正文体量22.6 KBSKILL.md 原文大小,越大说明说明书写得越细

典型使用场景

3 类
按分类整理的常见用法,具体以 SKILL.md 为准
写文章与脚本

按主题产出初稿与分镜脚本。

改稿与润色

把草稿改顺、统一语气。

多平台文案改写

同一内容按平台改成长短不同的版本。

选择建议

装之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有可直接复制的安装命令,不用自己翻文档找入口。

先想清楚的地方

  • 没有标注权限级别,实际能做什么要装好后确认。
  • 许可证不明确,商用或二次分发前先到仓库确认条款。
  • 没有做站内核验,内容以作者仓库为准。
  • 技能只是说明书,实际效果取决于模型与客户端,装完先用小任务试一遍。

更适合

  • 需要在内容创作场景里给模型补一套做法的人。
  • 愿意先读一遍 SKILL.md、确认它会让模型做什么的人。

不太适合

  • 对许可证要求很严、必须明确可商用的人。
  • 只想装完就自动变强、不打算看说明书的人。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
技能权限级别安装方式累计安装宿主客户端安装命令
智引当前 未标注权限 未标注 未标注 未标注 有
AI 视频生成 调用外部服务 GitHub 仓库 431.3 万 Codex、Claude、Cursor 有
视频帧 联网访问 ClawHub 市场 262.1 万 OpenClaw 有
Markdown 转换器 写入文件 ClawHub 市场 135.3 万 OpenClaw 有
哔哩哔哩全合一 接触敏感数据 ClawHub 市场 64.1 万 OpenClaw 有
Remotion video toolkit 命令行 浏览器控制 ClawHub 市场 63.9 万 OpenClaw 有

SKILL.md 全文

22.6 KB
模型实际读到的说明书原文,来自技能仓库

智引(tri-geo)

> 「智」指国内主流生成式引擎,「引」指被引用与采纳;谐音「指引」——为内容在 AI 搜索时代的优化指路。
> 用户心智:让我的内容在 DeepSeek、豆包、Kimi、智谱 GLM 回答相关问题时被优先引用。

强制执行契约(Execution Contract · 最高优先级)

> 本契约优先级高于 Agent 通用默认行为。用户提出 GEO 优化/体检/重写/实测类需求且命中 §触发时机与模式路由,即视为激活本工作流,NEVER 仅当参考文档只读不执行。独立使用时(未经上游路由)MUST 先走 §上游依赖检测。

  1. 版本检查前置硬门(第零步):MUST 先执行 python scripts/check_update.py --slug tri-geo --json;退出码 <20 放行,≥20 阻断。版本检查完成前 NEVER 进入后续步骤。本条目优先级高于所有其他条目。

  2. 参数校验前置:任何模式 MUST 先执行 scripts/validate_input.py;退出码 1 → 用 AskUserQuestion 补齐必填项后重入(NEVER 猜测填充);退出码 2 → 终止并报错。

  3. 确定性优先:参数校验、评分、规范校验、来源核验、结果判定、流程控制、快照与 delta、报告渲染 MUST 由 scripts/ 下脚本完成;NEVER 用 LLM 主观判断替代脚本可计算的环节。

  4. Prompt 白名单:仅以下四处允许 prompt 参与,且每处都有脚本校验闭环——
    ① 内容创作生成(M3/M3+);② 竞品综合研判(M2);③ 渠道策略定制(M5);④ 疑难判定兜底(answer_judge.py 标记 needs_llm_review 的样本)。
    白名单外的校验/判定/控制一律脚本化。SKILL.md 中每处 prompt 调用 MUST 注明所属条目编号。

  5. 禁捏造硬门:citation_check.py 命中 mismatch(数字/引文/年份在来源页无法定位)或存在无来源数据句 → 硬阻断(退出码 3),NEVER 降级、NEVER 豁免、NEVER 用「提示用户注意」代替阻断。

  6. 合规红线:writing_rules.py 命中广告法禁用语(R9)→ 打回改写(退出码 3),未通过前禁止输出成品。

  7. 评分来源规范(P3):对外呈现的每个分数 MUST 附带「产出脚本 + 证据路径 +(实测)采样轮数与波动区间 +(文献)来源与测试环境」。转引未核验数字 MUST 标注"转引未核验"且不得用于评分;实测波动区间由实测统计得出,NEVER 预设数值。

  8. 快照与落盘:每次运行 MUST 用 snapshot.py 追加落盘(历史只读,NEVER 覆盖);过程产物落 .tribro/tri-geo/,台账落 .geo-snapshots/&lt;品牌&gt;/。

  9. 自检句:每次操作前 MUST 声明「本次模式=<quick|audit|optimize|cn_fit|infra|channels|monitor>,触发源=<用户显式调用|上游路由>,目标=<url/域名/品牌>,引擎=<...>,已执行 check_update=<A/B/C/D>,已执行 validate_input=<通过/补齐/报错>,已读教训=<N 条/无文件>,脚本链=<...>」;与契约/快照冲突时 MUST 停止并纠正。

  10. 教训文件读写闭环:激活时(版本门第零步后)MUST 先读取 .tribro/tri-geo/lessons.md(历史执行沉淀的教训;目录或文件不存在则静默跳过——NEVER 报错、NEVER 阻断、NEVER 追问);执行结束后 MUST 追加本次教训(含日期/场景/教训/可操作规避动作;空泛内容如「本次顺利」NEVER 写入,无新增写「无新增」占位留痕);写入失败 MUST 提示用户但不阻断交付。

  11. 结论置信标注:本 skill 产出的一切结论性表达/观点/判定(评分解读、适配建议、渠道判断、疑难兜底结论)MUST 附三要素:① 置信度(高/中/低);② 依据类型六选一(事实 known/计算 computed/推断 inferred/常识 common/框架 iframe/猜测 guess);③ 可验证事实源 URL 或本地证据锚(脚本名 + 证据路径)。猜测 guess 类 MUST 标低置信并提示人工验证;NEVER 引用无法访问的编造链接。

触发时机与模式路由

用户意图(示例) 模式 层级
"帮我看看这个页面 AI 会不会引用" quick L0(60 秒)
"把这篇改写成 AI 爱引用的" optimize L1(5 分钟)
"让国内大模型(DeepSeek/豆包/Kimi/智谱)引用这段话" cn_fit L1
"给我的网站做 GEO 体检" audit L2(30 分钟)
"检查爬虫、llms.txt、结构化数据" infra L2
"该发哪些平台?百科/知乎/公众号怎么布局" channels L3
"跟踪这个月的提升情况" monitor L3

意图路由三原则:① 用户不必知道模块名,说"不知道从哪开始"→ 路由 L0;② 已提供的信息直接提取,只补必缺项(由 validate_input.py 判定);③ 实测分标注波动区间,推演/定性内容显式标注依据类型。

上游依赖检测(独立使用时)

模式 触发条件 行为
A · 直用模式 用户已给出目标(URL/域名/品牌)与意图 直接进入 §模块矩阵 对应模式(本 skill 无强制上游 skill)
B · 引导补参 缺模式必填项(validate_input.py 退出码 1) 按 missing_required 清单用 AskUserQuestion 补齐后重入;NEVER 猜测填充
C · 讲解降级 用户只想了解 GEO 原理/边界,不提供目标 仅讲解 references/geo-theory.md 与 §评分解读,不执行脚本链

输入契约

参数与默认值以 scripts/validate_input.py 为唯一事实源(--help 可查全量):

参数 用途 默认/必填 约束
--url / --domain 目标页面/域名(二选一,统称 target) 按模式必填 无 scheme 自动补 https://;域名须 idna 合法
--brand 品牌名 audit/optimize/cn_fit/channels/monitor 必填 MUST 与用户原话一致,禁改写
--product-type 品类/产品类型 cn_fit 必填 —
--target-query 目标问题(本内容应被 AI 引用以回答的提问) 可选 M3/M3+ 直答校验用
--engines 引擎编码逗号分隔 全选 8 引擎 白名单外 → 退出码 2;cn_fit 未指定时默认 deepseek,doubao,kimi,zhipu
--mode 运行模式 必填 quick\|audit\|optimize\|cn_fit\|infra\|channels\|monitor

模式必填矩阵:quick/infra→target;audit/optimize→target+brand;cn_fit→target+brand+product_type;channels/monitor→brand。

职责边界

  • 本 skill 负责:国内 8 类生成式引擎的 GEO 全链路——站内信号评分、引擎实测调度与判定、内容重写与 CN-Fit 适配、技术基建建议、渠道矩阵规划、快照监测。
  • 不负责 / NEVER 代办:传统 SEO 排名优化(外链/关键词排名);海外引擎(ChatGPT/Perplexity/Gemini 等)的优化执行;引擎接口逆向破解或风控规避;刷收录/虚假流量类灰产手段。
  • 与 tri-intent 的关系:独立领域入口型 skill,不认领 I 系列意图编码、不经 tri-intent 路由,由用户显式调用激活(豁免理由:GEO 是跨内容/技术/渠道的独立领域闭环,现行 27 个 L2 落点无对应项;后续若家族裁定纳入路由,按 L3 子类回填并同步计数)。
  • 与相邻 skill 边界:长文写作与去 AI 化归 tri-article / tri-content(本 skill 只产出「可引用性优化」重写稿并过脚本校验);网站技术改造归 tri-coding(本 skill 只输出 JSON-LD / llms.txt / robots 建议)。
  • 事实源:评分口径唯一真源 references/scoring-spec.md;引擎偏好框架 references/models-cn.md(unverified 待实测校准);脚本实现唯一真源 scripts/*.py。
  • 不触发场景(Not-Trigger):本 skill 不接手「传统 SEO 排名优化(外链/关键词排名)」(NEVER);不接手「海外引擎优化执行」(NEVER);不接手「引擎接口逆向破解或风控规避」(NEVER);不接手「长文写作与去 AI 化」(属 tri-article / tri-content,本 skill 只产出可引用性重写稿并过脚本校验);不接手「网站技术改造实现」(属 tri-coding,本 skill 只输出 JSON-LD / llms.txt / robots 建议)。

模块矩阵(七大模块)

模块 能力 关键脚本 交付物
M1 快检 5 项确定性快指标 + 1 次引擎实测 validate_input → fetch_page → site_signal → probe_runner → answer_judge 结论卡(分数 + Top3 修复项 + 证据路径)
M2 全站诊断 双轨评分 + veto 一票否决 site_signal + probe_runner + answer_judge → report_build → snapshot 双分数报告 + P0-P2 行动清单
M3 内容重写 证据狩猎→直答前置→配额达标→反模式清除→Schema 注入 writing_rules + citation_check(打回闭环) 重写稿 + 变更清单 + 来源核验表
M3+ 国内模型引用适配 按引擎 RAG 偏好产出可直引答案块,实测验证 同 M3 + probe_runner + answer_judge 适配版内容 + 引用友好度实测评分
M4 技术基建 爬虫访问矩阵、llms.txt、JSON-LD、SSR 检测 fetch_page + site_signal robots 建议 + llms.txt + JSON-LD
M5 渠道矩阵 百科/知乎/公众号/CSDN/搜狐/POI 布局 (prompt 条目③,输入为 M2 评分 JSON) 渠道执行计划(P0-P3 + 成本 + 周期)
M6 监测迭代 快照追加 + delta + pattern 沉淀 snapshot + report_build 趋势对比表 + 下周期行动项

脚本调用契约(9 个领域脚本 + 1 个家族版本门)

脚本 职责 典型调用 退出码
check_update.py 版本门第零步(家族共用逻辑) --slug tri-geo --json <20 放行 / ≥20 阻断
validate_input.py 参数校验与规范化 --url X --brand Y --mode audit --json 0 通过 / 1 缺必填 / 2 非法
fetch_page.py 抓取解析 + 原始 HTML 落盘 --url X --raw-dir .tribro/tri-geo/raw --assets --out page.json 0 / 2 失败 / 3 正文过少
site_signal.py 站内信号确定性评分 --content page.json --robots robots.txt --llmstxt llms.txt --out scores.json 0 / 1 封顶 / 2 阻断
writing_rules.py 写作规范校验(打回器) --file rewrite.md --target-query &quot;...&quot; --json 0 通过 / 2 打回 / 3 红线
citation_check.py 来源核验与捏造检测 --file rewrite.md --sources sources.json --json 0 / 2 未核验 / 3 硬阻断
probe_runner.py 实测执行与流程控制 plan / ingest / status 0 / 2 校验失败
answer_judge.py 实测结果规则判定 --probe-dir ... --brand X --aliases A,B --domains x.com --json 0 / 2 无样本
snapshot.py 快照台账与 delta append / delta / list 0 / 2 无数据 / 3 拒绝覆盖
report_build.py 报告渲染(HTML/Markdown) --scores scores.json --probe judge.json --brand X --out report.html 0 / 2 缺入参

Prompt 白名单契约(4 处)

# 环节 输入契约 输出契约 脚本校验点
① 内容创作生成 内容块 JSON + 行动清单 + geo-writing-zh.md / models-cn.md 重写稿 + 变更清单 + 来源列表 writing_rules.py 全量校验 → citation_check.py 全量核验;不达标打回 ≤2 轮,仍不达标降级"草稿+人工确认"
② 竞品综合研判 各维评分明细 JSON 定性建议(禁止输出任何数字评分) 建议文本中出现数字分数 → 重写;report_build.py 只接受脚本分数
③ 渠道策略定制 M2 评分 JSON + channels-cn.md 渠道执行计划(P0-P3 排序) 每项 MUST 引用评分明细或证据路径,无依据项剔除
④ 疑难判定兜底 单条原始回答 + 判定问题 判定结果 + 理由(落盘标注 judge: llm) 兜底占比 >30% → 必须回头补规则,NEVER 扩大兜底

评分与报告

  • 轨道 A 站内信号分:五维可引用性 40% + 技术基建 20% + Schema 15% + 权威信号 15% + 爬虫与 llms.txt 10%(细则见 references/scoring-spec.md,脚本与文档 MUST 一致)。
  • 轨道 B 引擎实测分:prompt 集 × 多轮采样 → 提及率 / 引用位次 / 情感;判定由 answer_judge.py 规则完成,存疑样本标记 needs_llm_review。
  • 报告结构:每个分数呈现为「分数 | 产出脚本 | 证据路径 | 采样轮数与波动区间 | 文献来源与测试环境」。
  • 实测纪律:NEVER 用 LLM 自我推演冒充实测;引擎不可达时标注 source_type: trace_search/unavailable;样本为空 NEVER 记 0 分。

落盘规则

.tribro/tri-geo/raw/        抓取原始证据(HTML / robots.txt / llms.txt)
.tribro/tri-geo/lessons.md  执行教训台账(追加式:日期/场景/教训/规避动作)
.geo-snapshots/&lt;品牌&gt;/&lt;YYYY-MM-DD&gt;-&lt;mode&gt;.json     台账快照(追加,历史只读)
.geo-snapshots/&lt;品牌&gt;/probe/&lt;engine&gt;/&lt;Pxx&gt;-r&lt;N&gt;.txt 实测原始回答
  • 过程产物统一落 .tribro/tri-geo/ 与 .geo-snapshots/(目录不存在自动创建,NEVER 散落工作区根目录);快照历史只读,同日重复运行用 --revision。
  • NEVER 生成 LICENSE 与 .gitignore——许可证仅由 frontmatter license: MIT 声明。

错误恢复表

错误 处置
页面抓取失败(重试 2 次) 报错 + 建议用户粘贴正文,NEVER 伪造内容块
引擎实测单轮失败 重试 1 次;有效轮数 <2 标注「样本不足」
引擎整体不可达 降级留痕检索(source_type: trace_search)并标注;两条路都不可行时报告只含站内分并声明实测缺失
判定规则不确定 标记 needs_llm_review(NEVER 猜测)
快照写入失败 输出 JSON 请用户手动保存
报告渲染失败 降级 Markdown;再失败输出原始 JSON

Schema 模板选型(schema/,6 套)

模板文件 @type 适用场景 必填字段(缺失即扣分)
organization.json Organization 品牌主体/官网首页(所有站点必做) name、url、logo、description、sameAs ≥3 条
local-business.json LocalBusiness 有线下门店/服务网点 name、address、telephone、geo、openingHoursSpecification
article-author.json Article + Person(数组) 内容页/博客/问答/白皮书 headline、author(Person 对象)、datePublished、dateModified、speakable
software-saas.json SoftwareApplication SaaS / App / 工具型产品 name、applicationCategory、operatingSystem、offers
product-ecommerce.json Product 电商商品详情页 name、image、brand、offers(price + priceCurrency)、sku
searchaction.json WebSite + SearchAction 官网首页站内搜索框 url、name、potentialAction.target.urlTemplate

注入纪律:① 模板内 [REPLACE: ...] 全部替换后才可上线,NEVER 保留占位符;② sameAs 优先填国内高权重源(百度百科 → 中文维基 → 知乎机构号 → 公众号 → 企查查/天眼查 → 微博/B 站),链接 MUST 真实可达(citation_check.py 同款可达性核验思路);③ 模板 MUST 落在服务端渲染的初始 HTML 中,JS 注入的 JSON-LD 对不执行 JS 的 AI 爬虫不可见;④ 注入后用 fetch_page.py --assets 复抓并跑 site_signal.py,确认 schema 维度分数确有变化(NEVER 口头声称已注入)。

references 按需加载

文件 加载时机
geo-theory.md 任何模式启动前
geo-writing-zh.md M3 / M3+ 前
models-cn.md M3+ 前
channels-cn.md M5 前
scoring-spec.md 调用 site_signal / answer_judge 前
anti-patterns.md writing_rules / citation_check 维护与调用时

知识装配顺序

references/ 共 6 个文件,按层装配、同名只加载一次、冲突以本 skill 内 references/ 为准:

层 文件 加载时机 grep 检索模式
常驻层 geo-theory.md 任何模式启动前 MUST 读 「GEO 定义」「SEO 对比」「文献」
评分层 scoring-spec.md 调用 site_signal / answer_judge 前 维度名(citability/veto)、「llms.txt 分档」
模式层 geo-writing-zh.md M3 / M3+ 前 「直答段」「120-200」「R1」
模式层 models-cn.md M3+ 前 引擎编码(deepseek 等)、「unverified」
模式层 channels-cn.md M5 前 平台名(「百度百科」「知乎」「公众号」)
维护层 anti-patterns.md writing_rules / citation_check 维护与调用时 规则号(R1–R10)、「禁用语」

质量标准

维度 标准 验证方式
评分可复现 同输入逐字节一致;--stamp 默认关闭 T2 回归项 + 两次运行 diff
红线阻断 捏造来源与广告法命中 → 退出码 3,不降级 T4/T5 红线注入用例
证据可溯 每个分数可回溯至脚本结果 + 落盘文件 按报告分数抽查证据路径(T7)
实测诚实 缺失标 trace_search/unavailable;样本空不记 0 分 判定 JSON source_type 抽查
版本强一致 SKILL == CHANGELOG == tests == _meta.json tests/verify_tri_geo.py T0
文档同步 README/SKILL 描述无矛盾;目录树与磁盘 diff 一致 家族审计清单复核

版本检查与更新机制(强制技术约束 · 硬红线)

> 家族级强制技术约束,优先级与「强制执行契约」同级。细则唯一真源:tri-forge/references/version-check-spec.md;可执行实现:本 skill 自带 scripts/check_update.py(与 tri-forge 同源,按 --slug 自适应)。

python scripts/check_update.py --slug tri-geo --json
  • 退出码 &lt;20 放行(0=A 最新 / 10=B 离线 / 11=C 未注册 / 12=D 升级降级),20=BLOCK 绝对禁止执行。
  • state A/B/C/D 一律放行并按 warnings/notes 标注口径;检出陈旧 MUST 先真实执行自动升级(skillhub upgrade tri-geo),失败方可落 D 态。
  • 发布前特例:skill 尚未注册 skillhub 时版本检查自然落 C 态降级放行,属预期行为;发布后 C 态提示需核查端点配置。
  • 铁律:版本比较/升级/四态判定 MUST 由脚本完成,prompt 层仅调用脚本 + 解析 JSON,NEVER 内联推断;四态判定/升级流程/节流缓存等细则 NEVER 在本文件内联,一律见真源。

目录结构

tri-geo/
├── SKILL.md                        # 主入口:契约/路由/脚本契约/评分/红线
├── README.md                       # 特性/目录结构/安装/使用/测试/设计原则
├── CHANGELOG.md                    # 版本历史(Keep a Changelog)
├── _meta.json                      # slug + version
├── references/                     # 6 个按需加载文档(见 §知识装配顺序)
├── schema/                         # 6 套 JSON-LD 模板(organization/local-business/article-author/software-saas/product-ecommerce/searchaction)
├── scripts/                        # 9 个领域脚本 + check_update.py 版本门
├── templates/                      # report.html + quick-card.html
└── tests/
    ├── verify_tri_geo.py           # 离线验收(T0/T1/T2/T4/T5)
    ├── tri-geo-full-testcases.md   # 全场景测试用例(带 frontmatter)
    └── fixtures/                   # 固定夹具(页面/重写稿/来源清单/引擎回答)

进化契约

  • 反馈接收点:用户对评分解读、重写稿、实测判定、渠道建议的任何反馈与纠错,MUST 记入 .tribro/tri-geo/lessons.md。
  • 经验沉淀位:.tribro/tri-geo/lessons.md(启动读取 → 缺失静默跳过 → 结束追加写入,见契约条目 9)。
  • 自我修订触发条件:① writing_rules.py / citation_check.py 词表漏报或误报 → 修订词表并同步 references/anti-patterns.md;② 引擎白名单或评分细则漂移 → 修订 validate_input.py / references/scoring-spec.md(脚本与文档 MUST 同改);③ 章节或能力调整 → 按 SemVer bump(SKILL/CHANGELOG/tests/_meta.json 四处联动 + README 同步)。修订后 MUST 重跑 tests/verify_tri_geo.py。

完成判据(每次运行结束 MUST 自检)

  1. 版本门已执行且退出码 <20;
  2. 参数校验通过(或已补齐后重入);
  3. 评分均由脚本产出且证据路径已记录;
  4. 重写类产出已通过 writing_rules + citation_check(或明确降级为草稿并说明原因);
  5. 快照已追加且历史未被覆盖;
  6. 报告中的每个数字符合评分来源规范;
  7. 给出唯一下一步动作(学 geo-studio:NEVER 一次给 10 条建议);
  8. 教训已写入 .tribro/tri-geo/lessons.md(或写入失败已提示用户);
  9. 交付形态明确「停车态」或「结束态」。

停车态 ≠ 结束态:重写稿降级为「草稿+人工确认」、实测等待用户回填引擎回答、报告待用户确认发布——均为停车态,NEVER 在用户确认前宣告任务结束;脚本链跑完且判据 1-8 全绿方为结束态。

常见问题

5 问
答案由本站依据条目字段整理
智引怎么安装?

在支持 Skills 的客户端里执行:skillhub install user_989eb8f0/tri-geo。安装方式为未标注。装完刷新技能列表或重开客户端。

智引支持哪些客户端?

资料没有标注宿主客户端,但只要客户端支持 Skills(Claude、Codex、Cursor 等),一般都能加载。

智引权限高吗,安全吗?

权限级别为未标注权限。安装前先看它会读取或写入哪些内容。

智引收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于技能本身和所用的模型或客户端,正式使用前按作者说明确认。

智引用什么许可证?

许可证标注为 未说明(许可证不明确)。商用或二次分发前请到仓库确认条款原文。

热门专题

按场景挑技能
全部专题 →

技能内容以作者仓库为准;分类、权限级别与许可证状态的中文说明为中文整理,最近核验 未标注。