GEO 全流程服务

从诊断到交付的完整链路，不只是给建议：

站点体检 → AI答案采样 → 生成工单 → 产出资产 → 报告 → 自动验收 → 客户交付包

核心判断只有一句：GEO 的终点不是排名，是 AI 答案里那句话是不是按你的口径说的。
所以最小单位不是页面，是可被抽取的事实块。

项目目录：<技能根目录>，每个客户/产品一个 work/<slug>/。

最快的用法：给一个网址

python3 scripts/geo.py new --url https://example.com --market both

九步全自动：建项目 → 站点体检 → 自动推导品牌事实/竞品/问题库 →
重跑体检 → AI 答案采样 → 工单与建设蓝图 → 资产与报告 → 三份交付物。

产出 work/<slug>/deliverables/：

自动推导出来的品牌事实必须人工复核——bootstrap 只从官网正文抽取，
抽不到的一律标「待确认」，绝不用常识填充。标了「待确认」的字段
（成立时间、工商主体、可具名客户等）需要你补齐或明确不对外说。

两种用法

界面（推荐）

python3 scripts/geo.py ui        # 默认 http://127.0.0.1:8765

全流程都在界面上，不用记命令：新建项目、编辑配置与问题库、写事实卡、
一键跑任意步骤或整个周期（带实时日志）、改工单状态、看资产、导入人工采样表、打开交付包。

界面为暗色四段主线：现状（总览 / 引擎表现 / 竞品对比 / 问题库）→ 诊断（差距诊断 / 阵地地图 / 品牌事实库）→ 提升（行动计划 / 内容工作台）→ 成效（效果验收 / 报告与交付），外加设置与三步接入引导。统一口径：GEO 健康分（五项加权，未测项权重归一）、提及率、引用份额、阵地、任务、内容。总览标题是由数据自动生成的一句结论；所有数字来自同一份采样，算不出的显示「未测」，不编数。
任务在后台子进程跑，关掉页面也会继续；同一项目同时只允许一个任务，避免抢同一份 audit.json。

只用标准库起服务，前端零外部依赖，断网可用。

命令行

python3 scripts/geo.py serve --slug <项目>

站点体检 → 采样 → 工单 → 资产 → 报告 → 验收上期 → 打包交付，全做完。
产出在 work/<slug>/delivery/<日期>/，可直接发客户。

首次接一个新客户走下面的步骤 0–2 做好底座，之后每期只跑这一条。

客户自助使用（自运营模式）

买席位自己跑 GEO 的客户，按这条最短路径走：

# 第 1 步 · 5 分钟自检：看你的品牌在 AI 眼里长什么样（可先不配 Key，出人工采样表）
python3 scripts/geo.py snapshot --slug <项目> --industry <行业> --region <地区> --scene <场景>

# 第 2 步 · 配 Key（ENV_VARS.md 模式 A：一把 302.AI Key 全解锁）

# 第 3 步 · 完整诊断：一条命令跑完九步，拿到工单清单与三份交付物
python3 scripts/geo.py new --url https://你的官网 --market cn

# 第 4 步 · 按工单执行（每条写明怎么做、怎么算做完）

# 第 5 步 · 每月复跑 + 质检：月报自动按三层词分列（品牌词基本盘/品类词主战场/场景词转化口）
python3 scripts/geo.py qa-report --slug <项目>

自检快照没有 Key 也能出人工版：导出问题清单，在豆包/DeepSeek 网页版逐题问一遍粘回来即可。
质检报告里的异常项（P0 未处理/提及率下滑/工单回归/疑似事实偏差）每条都可追溯到原始记录，
按「处理建议」逐项闭环。

先读什么

• 每次必读：references/method.md（评分口径和所有判据的出处，脚本就是它的代码实现）
• 排外部信源优先级时必读：references/cn-source-ranking.md
  （CN-GEO 187,818 条引用实算榜。官网只占 1.37%，这个数字会改变资源分配）
• 打国内平台：references/cn-platforms.md ｜ 打海外：references/global-platforms.md
• 写内容/改页面：references/content-patterns.md
• 更深方法或原始数据：references/sources.md（含 GEORank / GEOFlow 选型说明）
• 采样/平台异常先对表：references/known-issues.md（豆包超时、302 国内/海外端点模型目录、
  SPA 空壳、llms.txt 范围过滤）

不要凭经验给 GEO 建议。每条建议都要能追到 method.md 里的某条实测数字，
说不出依据的别写进方案。

步骤 0 · 建项目

python3 scripts/geo.py init --url <产品官网> --name <品牌名> --market both

--market 取 cn / global / both。

双市场不是"顺带也做海外"，是两套并行的战场——问题库、内容、竞品清单、指标全部分开。
纪律见 global-platforms.md 第 5 节。

步骤 1 · 吃透产品，建事实底座

读官网 + 用户给的材料（PDF/PPT/文档/公众号文章都行），补全 geo.json：

• brand：规范名、别名和常见错写（品牌消歧的地基）、产品线、行业、目标用户、业务目标
• competitors：3–6 个真实竞品，带别名。首期可以留空——先跑一轮"推荐类"问题的采样，
  从 AI 答案里反推真实竞争集，比主观拍脑袋准得多。双市场时国内外竞品通常不是同一批，都要列全
  （排名指标是相对这个清单算的，漏掉真实对手会高估名次）

同时写 work/<slug>/content/facts.md 品牌事实卡，模板见 content-patterns.md 第 1 节。
每条事实标证据等级 A–E，没来源的标"待确认"，不许编。
这份文件是后面所有资产生成的输入——llms.txt、JSON-LD、定义块都从它来。

材料不够就直接问用户要，别猜产品能力和价格。

步骤 2 · 建问题库

问题库决定采样什么、写什么内容、怎么算指标。按七组各出 3–6 题：
推荐 / 比较 / 替代 / 价格 / 风险 / 品牌验证 / 场景。

每题必须标 market，脚本据此路由——中文题不会打到 Perplexity，英文题不会打到豆包：

{"id": "q001", "group": "推荐", "market": "cn",     "text": "国内做私域运营的 SaaS 有哪些好用的？"}
{"id": "q101", "group": "推荐", "market": "global", "text": "What's the best CRM for small B2B teams in 2026?"}
{"id": "q900", "group": "品牌验证", "market": "both", "text": "<品牌> 是家什么公司？"}

• cn：中文口语问法，不要翻译腔 ｜ global：英文原生问法，不是机翻
• both 只留给品牌验证类。注意这类问题点名了品牌，答案必然复述品牌名，
  脚本会把它们单独归入「品牌认知」，不混进可见性指标

每期循环（serve 自动做完，这里说明每步在干什么）

站点体检（自有/授权网站）

按六维打分：可抓取性 / 长度 / 结构 / 可抽取块 / 权威信号 / 对题性。
读结果时先看四件事：

1. SPA 空壳页（word_count 接近 0）——国内官网最常见致命伤，AI 抓取器看到的是空白
2. robots 有没有封 AI 抓取器——封了就什么都别谈
3. language_coverage 中英是否对等——做海外却没英文原生页直接 P0
4. block_gap 缺得最多的块——内容工程第一优先级

AI 答案采样

Key 放项目根目录 .env（已 gitignore，权限 600），脚本自动加载。

豆包在 302.AI 模式下走「搜索+回答」组合，单题超时读 .env 的 AI302AI_SEARCH_ASK_TIMEOUT
（默认 45s）。平台/端点异常先对 references/known-issues.md 对表，别让任务空转。

没有公开联网 API 的——国内纳米AI搜索/百度AI/豆包 App，海外 ChatGPT 网页版/
Claude 网页版——走人工或浏览器采样：

python3 scripts/geo.py sample-sheet --slug <项目>
python3 scripts/geo.py sample-import --slug <项目> --file <采样表>

口径纪律（详见 method.md 第 4 节）：

• 国内 ≠ 海外，跨市场平均提及率没有解释力，报告里各占一张表
• API ≠ 网页端，Web ≠ App（千问 web 与 App 信源只有 24.5% 重合），单独记单独算
• 没有答案原文/截图/采样环境记录的，不许标成"真实采样"
• 归因默认写"观察相关"，除非有基线窗口 + 对照 Prompt + 竞品对照
• 采样频率克制，遵守平台服务条款，不批量滥采、不模拟登录

生成工单 plan

诊断结果 → tasks.json，这是执行状态的单一真相源。每条工单必须有：
依据（追到 method.md 哪一条）、负责角色、工作量、时间窗口、验收标准、市场。

七个工作包：实体消歧 / 页面技术 / 内容矩阵 / 标题体系 / 知识库 / 外部证据 / 监测闭环。

优先级顺序（method.md 第 6 节）：
门票问题 → 事实错误 → 抽取块缺口 → 高价值问题无承接 → 外部信源（P1，不是 P2） → 长尾扩量。

> 外部信源是 P1 不是 P2，因为官网只占全库引用 1.37%。
> 官网是事实源不是引用源，把它从 60 分做到 90 分的边际收益，远低于拿下一个榜单站词条。

产出资产 generate

到 work/<slug>/assets/，中英分开：

分工：结构性资产由代码确定性生成（不会漏 schema 字段）；文章正文由你按 outline 写——
代码写不出好文案。--draft 的初稿必须人工核实事实后才能发布。

自动验收 verify

复检站点 → 跑 checker → 回写工单状态。这是"服务"和"建议"的分界线：
能自动验收的，就不靠人口头说做完了。做完会翻成 done，回归了会翻回 todo。

无法程序判定的（如百科词条是否过审）标「待人工」，确认后手动标记：

python3 scripts/geo.py task --slug <项目> --id T-003 --status done --note "词条已上线"
python3 scripts/geo.py status --slug <项目>     # 进度看板

客户交付 deliver

打包到 work/<slug>/delivery/<日期>/：总览 index、诊断报告、执行方案、
工单表（HTML + CSV 可导进项目管理工具）、验收表、建设地图、引擎表现 / 竞品对比
（复用 UI 同一套 analytics 口径，逐引擎提及率/引用份额/样本回放 + 竞品×引擎矩阵/失守问题）、
assets 目录、交付说明。

跑完之后你要做的事（脚本做不了的部分）：

1. 读 reports/latest.md 看 delta：均分涨跌、提及率变化、新出现的 P0
2. 看「AI 实际引用的信源域名 Top」和「与全国大盘对照」——这是当期真实的分发地图，
   用它修正外部信源计划
3. 检查采样答案里有没有事实错误（品牌说错、张冠李戴、价格错、归错行业）→ 立刻 P0
4. 按 outlines/ 写内容，按 plan.md 更新进度

建议节奏：页面体检每周，答案采样每两周或每月（采样有成本，指标本身有噪声，跑太密看不出信号）。

全部命令

排期自动执行

用 schedule skill 建定时任务：

> 每周一早上跑 python3 <技能根目录>/scripts/geo.py serve --slug <项目>，
> 然后读 work/<项目>/reports/latest.md，如果出现新的 P0、提及率下降超过 10 个百分点，
> 或有工单从 done 回归成 todo，就告诉我。

边界

做：GEO 诊断、方案、工单、内容工程、资产生成、AI 答案监测、验收闭环、客户交付包。

不做：
- 传统 SEO 关键词排名、外链买卖、竞价投放
- 建站/改站的实际代码实施（给方案、给可直接用的片段，落地由客户开发做）
- 绕过平台限制的批量采集、模拟登录、刷量
- 对非自有、未授权网站的批量抓取或数据采集
- 编造品牌事实、客户案例、价格或资质——查不到就标"待确认"，问用户

使用前提：站点体检与验收仅面向用户自有或已获授权的网站，遵守目标站点 robots 协议与各平台服务条款。

不承诺任何平台一定会引用某个页面。GEO 提高的是概率，不是保证。
给客户写方案时这句话必须原样写进去。

目录

<技能根目录>/
├── SKILL.md
├── references/
│   ├── method.md              评分口径与全部判据出处
│   ├── cn-source-ranking.md   国内信源实测榜（CN-GEO 实算，含复算脚本）
│   ├── cn-platforms.md        国内平台适配
│   ├── global-platforms.md    海外平台适配
│   ├── content-patterns.md    可抽取内容模板
│   └── sources.md             资料索引（含 GEORank / GEOFlow 选型）
├── scripts/
│   ├── geo.py       CLI 总入口
│   ├── crawl.py     站点体检    audit.py     六维评分
│   ├── sample.py    多平台采样  benchmark.py 与全国大盘对照
│   ├── tasks.py     工单系统    generate.py  资产生成
│   ├── verify.py    自动验收    deliver.py   客户交付包
│   ├── bootstrap.py 自动推导底座  deliverables.py 三份交付物
│   ├── blueprint.py 建设地图
│   ├── dashboard.py 界面后端    ui.html      前端工作台
│   ├── jobs.py      后台任务（子进程 + 实时日志）
│   └── report.py    报告渲染    geolib.py    共用工具
└── work/<slug>/
    ├── geo.json        品牌、竞品、问题库、平台、目标
    ├── content/facts.md 品牌事实卡（所有资产的输入）
    ├── evidence/       站点快照      audit.json  体检结果
    ├── samples/        采样原始答案   metrics/    每期指标
    ├── tasks.json      工单（执行状态单一真相源）
    ├── assets/         可部署资产
    ├── reports/        每期报告 + latest.md
    ├── verify/         每期验收结果
    ├── delivery/<日期>/ 客户交付包
    ├── history/        历史基线（算 delta）
    └── plan.md         30/60/90 方案