GEO文章优化写作助手

概述

GEO Writing – 生成式引擎优化写作

任务目标

• 本 Skill 用于：指导撰写和优化面向AI搜索引擎（ChatGPT搜索、Perplexity、豆包、Kimi、Google AI Overview等）的内容，最大化被AI引用的概率
• 能力包含：GEO优化文章撰写、内容GEO多维度评分、针对性优化建议
• 触发条件：用户提到GEO写作、AI搜索优化、生成式引擎优化、提升AI引用率、内容被AI推荐

GEO写作五大核心原则

原则一：可提取性（Extractability）

AI将页面拆成段落逐段评估，每段必须能独立传达有效信息。

• 每段开头1-2句直接给出答案或结论，再补充细节
• 每个主要段落应能被单独引用，截取任意一段陌生读者也能看懂
• 统计数据、百分比、年份、专有名词要显眼呈现
• 禁止使用"如前所述""如上文所示"等依赖上下文的表述

原则二：实体密度与权威（Entity Authority）

AI评估的是"实体"而非"页面"，品牌、产品、作者都是实体。

• 核心实体（品牌/产品/人物）在文中自然重复出现（建议全文不少于5次），首段必须明确定义
• 使用"实体名称+定义+关键属性"的标准格式介绍核心概念
• 作者署名需附带专业资质说明
• 实体描述在全网保持一致性

原则三：事实密度（Factual Density）

AI偏好引用包含具体数据和可验证声明的内容。

• 融入具体数字：百分比、年份、统计结果、对比数据
• 每个核心论点至少配一个可验证的数据支撑
• 数据来源需标注（研究报告、官方数据、学术论文）
• 禁止编造数据，所有数字必须可查证

原则四：结构化表达（Structured Presentation）

结构化内容被AI引用的概率是未结构化内容的3.5倍（据Princeton大学2024年GEO研究，Aggarwal et al.）。

• 标题直接回答用户问题（如"GEO怎么写？5个核心策略"）
• 使用层级标题（H2/H3）组织内容，每个标题下内容聚焦单一主题
• 优先使用列表代替大段文字，每段不超过5行（约200字）
• 结论前置：先说结论再说原因

原则五：引用与来源（Citation & Sourcing）

注明来源是提升权威性最直接的方式，可带来最高132%的可见性提升（据Princeton大学2024年GEO研究）。

• 关键数据和声明明确标注出处
• 引用来源优先级：学术论文 > 官方数据 > 行业报告 > 权威媒体
• 使用直接引用+来源标注格式增强可信度
• 添加FAQ结构并配合Schema标记可提升约47%的被引用率（据Princeton大学2024年GEO研究）
• 具体Schema标记（JSON-LD）模板见参考文档的「结构化数据（Schema）标记模板」章节

操作步骤

步骤一：主题分析与关键词规划

1. 明确用户目标主题、目标受众、核心实体（品牌/产品/人物）
2. 分析目标用户可能向AI提出的问题（问题意图映射）
3. 确定3-5个核心问题和对应的答案要点
4. 收集可引用的数据来源和权威参考

步骤二：构建GEO优化大纲

按以下结构组织大纲：

标题：直接回答核心问题（含核心实体+数字+年份）
首段：自报家门（定义+价值+适用范围），80-160字可独立引用
H2-1：核心问题1的直接回答（结论前置）
  - 数据支撑 + 来源标注
  - 案例/对比
H2-2：核心问题2的直接回答
  ...
H2-N：FAQ结构（用户高频问题）
尾段：总结要点 + 行动建议

步骤三：撰写GEO优化内容

按五大原则逐项落实：

1. 每段开头给结论，段落可独立提取
2. 核心实体在首段定义，全文自然重复（不少于5次）
3. 每个论点配数据，数据标来源
4. 列表优先，段落精简，标题即答案
5. 关键声明标注出处

步骤四：GEO评分与优化

使用脚本对完成的内容进行评分：

python scripts/geo_analyzer.py --file <文章文件路径>                # 默认输出JSON
python scripts/geo_analyzer.py --file <文章文件路径> --format text  # 人类可读摘要
python scripts/geo_analyzer.py --file <文章文件路径> --format text --platform perplexity  # 按目标平台评分

脚本输出5个维度的评分（0-100）和具体优化建议；--format text 可输出更易读的中文报告；--platform 支持 general/chatgpt/perplexity/doubao/kimi/tongyi/wenxin/deepseek/hunyuan/zhipu，会启用对应平台的专属检查。国内平台（豆包/Kimi/通义/文心一言/Deepseek/混元/智谱AI）通用基线为强化中文实体一致性与本土权威源；其中新增的4个平台各有差异化侧重：文心一言强化知识图谱友好与"XX 是/指…"百科式实体定义；Deepseek 强化技术深度与代码示例/可验证推理；混元 强化多模态结构（列表/表格/图文）；智谱AI 强化学术引用与研究数据。根据评分结果针对性修改：

• 可提取性 < 70：检查每段开头是否有直接答案，消除上下文依赖表述
• 实体密度 < 70：补充核心实体的定义和属性描述，提升重复频次
• 事实密度 < 70：为薄弱论点补充数据和来源
• 结构化程度 < 70：调整标题、增加列表、精简段落
• 引用质量 < 70：补充数据来源标注和权威引用（注意：仅有数字但无来源会被判定为"未引用事实"而扣分）

使用示例

示例1：从零撰写GEO优化文章

• 场景/输入：用户要求写一篇关于"Python数据分析入门"的GEO优化文章
• 预期产出：一篇结构化的GEO优化文章，包含直接回答式标题、结论前置段落、数据支撑、来源标注、FAQ结构
• 关键要点：首段80-160字独立可引用，每个H2下配至少1个数据+来源，标题直接回答"Python数据分析怎么入门"

示例2：对已有内容进行GEO评分

• 场景/输入：用户提供一篇已写好的文章文件，要求评估GEO表现
• 预期产出：5维度评分报告 + 针对性优化建议列表
• 关键要点：运行 python scripts/geo_analyzer.py --file article.md --format text 获取评分，根据低分项逐一优化

示例3：优化已有内容的AI搜索可见度

• 场景/输入：用户反馈文章在AI搜索中从未被引用，要求优化
• 预期产出：优化后的文章 + 优化前后对比说明
• 关键要点：先用脚本评分定位薄弱维度，重点补充事实密度和引用质量，重构标题和首段

资源索引

• 脚本：见 [scripts/geo_analyzer.py](scripts/geo_analyzer.py)（用途：对文章内容进行GEO五维度评分，支持 --format text 输出人类可读报告，输出JSON格式评分报告和优化建议）
• 参考：见 [references/geo_guidelines.md](references/geo_guidelines.md)（何时读取：需要查阅详细的GEO写作检查清单、标题模板、FAQ结构示例、Schema标记模板、E-E-A-T与多平台策略时）

注意事项

• 运行评分脚本需 Python 3.8+ 环境（仅依赖标准库，无需安装第三方包）；命令示例：python scripts/geo_analyzer.py --file 文章.md --format text
• 仅在需要详细检查清单或模板时读取参考文档，保持上下文简洁
• GEO评分脚本基于文本规则分析，评分为参考值，最终质量需结合人工判断
• 所有数据必须真实可查证，禁止编造统计数据或来源
• 充分利用智能体的内容创作能力完成撰写，脚本仅用于量化评估
• GEO是SEO的增量层而非替代品，优化时应兼顾两者
• 本文档引用的统计数据（3.5倍、132%、47%）均出自 Princeton 大学 2024 年 GEO 研究（Aggarwal et al., "Generative Engine Optimization"），请以该原始研究为准