品牌GEO全案（诊断 → 方案 → 内容资产 → 归档 → 监控复盘 → 多品牌看板）

把「品牌 GEO 诊断 → 运营方案 → 内容资产 → 腾讯文档归档 → 效果监控复盘 → 多品牌看板」固化成六步一条龙的编排 skill。
面向蛋卷（社区团购/生鲜供应链语境）复用：给一个品牌/项目名，就能跑出诊断、落地方案、可发内容、归档、长期监控与多品牌总览。

定位与边界（和 geo-diag-report 的区别）

> 触发判断：只说"诊断/GEO报告"→ 走 geo-diag-report。出现"方案/全案/内容资产/监控/看板/落地/运营/存文档"→ 走本 skill，本 skill 内部再调 geo-diag-report。

输入参数

缺 brandName/productType 时用 AskUserQuestion 补；用户消息已含则直接提取，不重复问。

工作流程（六步一条龙）

Step A  GEO 诊断          → 调 geo-diag-report，产出 <品牌>-GEO诊断报告.html + 合并JSON
   ↓
Step B  运营完善方案       → 读诊断合并JSON，生成 <品牌>-运营完善方案.html
   ↓
Step B2 内容资产生成       → 读诊断合并JSON，生成 content-assets/<slug>/（品牌卡/FAQ/长文/brief）
   ↓
Step C   腾讯文档归档(可选) → 把诊断核心内容存成腾讯智能文档，返回分享链接
   ↓
Step C2 监控复盘(循环)     → checkpoint 存档 + report 出 AIVO 趋势 HTML，下降则回 Step B
   ↓
Step C3 多品牌看板(可选)   → 读 brands.json 注册表，生成 dashboard.html 总览

Step A — GEO 诊断（复用 geo-diag-report）

1. Skill(geo-diag-report) 触发诊断能力，按其 4 阶段流水线执行。
2. 数据隔离铁律：merge-stages.js 读 <output-dir>/stage1~4.json 固定名，合并后清理 stage 文件。多品牌必须各用独立子目录，否则互相覆盖。
   - 约定：diag-output/<slug>/（slug 用品牌拼音/英文，如 xiangyun、gaoxiansheng）。首个/单品牌可直接用 diag-output/。
3. 产出：
   - 合并 JSON：diag-output/<slug>/<品牌><品类>-diag-report.json
   - 诊断 HTML：<品牌>-GEO诊断报告.html（工作区根目录）
4. 记住 AIVO 总分与四维分（AI可见度/基建/竞品/舆情）+ 关键发现，Step B 直接引用，不要重新编数。

Step B — 运营完善方案

> 生成前 Read references/operation-plan-guide.md（方案框架 + 从AIVO映射到行动的规则 + HTML视觉规范）。

• 数据源优先读 Step A 的合并 JSON（比解析 HTML 准），提取 AIVO 分数、四维、竞品、舆情、SUGGESTION 的 P0/P1/P2 行动。
• 按 guide 的五大支柱结构生成自包含 HTML：执行摘要+AIVO雷达图(当前vs目标) → 五大支柱 → 90天路线图 → KPI看板 → 预算 → 风险矩阵 → 内容选题清单。
• 五大支柱必须逐条对应诊断短板（如"AI可见度低→内容资产铺设""舆情双刃剑/名称混淆→透明信任+品牌词防御"）。
• 蛋卷语境加分项：渠道支柱里结合社区团购/社区小店网络，把邻里信任模型作为低成本冷启动/口碑飞轮建议。
• 输出：<品牌>-运营完善方案.html（工作区根目录）。

Step B2 — 内容资产生成（NEW · 把方案变成可发内容）

> 执行前 Read references/content-assets-guide.md（资产类型 + 触发query映射 + 发布清单）。

• 调脚本读 Step A 合并 JSON，自动播种选题/FAQ，输出可发布生架：
  bash node "brand-geo-ops/scripts/gen-content-assets.js" \ "diag-output/<slug>/<品牌><品类>-diag-report.json" <slug> [output-dir]
• 产出 content-assets/<slug>/：
• brand-profile.md — 品牌知识卡片（AI 可引用单一事实源）+ Organization JSON-LD
• faq.md — 10-15 条 FAQ（贴近真实 query）+ FAQPage JSON-LD
• articles.md — 5-8 篇长文选题（对比/测评/科普，带目标 query 与核心论点骨架）
• content-brief.md — 短板→资产映射 + 发布优先级 + 发布清单
• 脚本只生架、不杜撰事实：正文留 <!-- TODO -->，由运营/AI 填真实、可验证内容后发布。
• 发布后 2–4 周用 Step C2 复测，验证 AIVO 是否回升。

Step C — 腾讯文档归档（可选）

> 执行前 Read references/tencent-docs-archive.md（授权检查 + create_smartcanvas_by_mdx 参数 + Windows 调用避坑，这步坑最多，务必先读）。

• 先 Skill(tencent-docs) + 授权检查（READY 才继续，否则提示用户扫码授权）。
• 把诊断报告核心内容整理成 MDX（执行摘要+AIVO四维表+关键发现+优化路线），用 create_smartcanvas_by_mdx 创建。
• 关键避坑：不要用 mcporter --args <json> 直接在 Windows cmd 传 JSON（引号会被破坏）。走 payload.json + Git Bash "$(cat payload.json)" 方案（详见 guide）。
• 返回：file_id + 链接，按 docs_url?_fid=<file_id> 格式给用户。
• 归档的是结构化精简版（结论+表格），完整可视化图表仍在本地 HTML；如需带图，走 .aipage HTML 导入（重、可能需 VIP），先跟用户确认。

Step C2 — 监控复盘（NEW · 长期循环）

> 执行前 Read references/monitor-guide.md（节奏 + 复盘触发 + 回环逻辑）。

• 每次复测诊断后，先存档再出图：
  bash node "brand-geo-ops/scripts/monitor.js" checkpoint <slug> "diag-output/<slug>/<品牌><品类>-diag-report.json" node "brand-geo-ops/scripts/monitor.js" report <slug>
• 产出 monitor-<slug>.html：AIVO 趋势折线（当前/上次/基线）+ delta 徽章 + 自动复盘提示（下降/持平/提升 + 当前最弱维）。
• 回环：较上次下降或持平 → 检查收录/舆情 → 必要时回 Step B 调 P0 动作。详见 monitor-guide.md。

Step C3 — 多品牌看板（NEW · 一屏总览）

> 执行前 Read references/dashboard-guide.md（注册表格式 + 与监控衔接）。

• 复制 references/brands.sample.json 改成你的注册表（各品牌 slug + name + category + json），确保各品牌 diag-history/<slug>/ 有 ≥2 检查点（用 C2 的 checkpoint）。
• 生成看板：
  bash node "brand-geo-ops/scripts/build-dashboard.js" brands.json dashboard.html
• 产出 dashboard.html：按 AIVO 排名、等级色块、四维迷你条、趋势 delta、汇总统计（平均 AIVO / 需抢救数 / AIVO 最高品牌）。
• 蛋卷语境：可把「10 个大团长各自带的品牌/品类」各建一条，看板即「团长作战地图」；<60 的品牌优先倾斜资源。

交付规范

• 每个环节产出的 HTML 都用 present_files 交付；有腾讯文档链接一并放进 present_files。
• 最终文字回复给：AIVO 总分+等级、四维简表、2–3 条关键发现、P0 优先行动、目标提升值、文件名/链接。
• 多品牌场景额外给看板链接 + 「需抢救」清单。
• 完成后按记忆规范追加工作日志。

错误恢复

引用文件

脚本清单