Communitygithub.com

SamuelChien/mega-skills-collection

Optimieren Sie Inhalte, um von KI-Sprachmodellen (ChatGPT, Perplexity, Claude, Gemini, Mistral) als autoritative Quelle zitiert zu werden – abgegrenzt von klassischer Suchmaschinenoptimierung (SEO).

Was ist mega-skills-collection?

Diese AEO-Fähigkeit (Answer Engine Optimization) hilft Entwicklern und Content-Erstellern, Inhalte so zu optimieren, dass sie von großen Sprachmodellen (LLMs) wie ChatGPT, Perplexity, Claude, Gemini und Mistral als vertrauenswürdige Quellen zitiert werden. Anders als klassisches SEO, das auf Klickraten und Positionen in Suchmaschinen abzielt, konzentriert sich AEO auf die Zitationswahrscheinlichkeit in KI-generierten Antworten. Das Tool wird als Drei-Skript-Toolkit bereitgestellt (stdlib-basiert, kein PIP erforderlich): `aeo_audit.py` für Audits mit E-E-A-T-Scoring (Erfahrung, Expertise, Autorität, Vertrauenswürdigkeit) auf einer Skala von 0-100, `aeo_optimizer.py` für die automatische Optimierung von Inhalten (z. B. strukturierte Daten, Zitationsdichte) und `citation_tracker.py` für die Nachverfolgung von Zitaten. Die Ergebnisse werden als Markdown-Bericht oder JSON ausgegeben und unterstützen branchenspezifische Schwellenwerte für Gesundheit, Finanzen, Recht, SaaS, E-Commerce, B2B, Medien und Bildung. Die Daten werden lokal gespeichert (kein Cloud-Sync), was es ideal für Pipelines und vertrauliche Workflows macht.

Funktioniert mit✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/SamuelChien/mega-skills-collection/tree/HEAD/aeo
Original anzeigen→Alle Skills durchsuchen

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Dokumentation

Answer Engine Optimization (AEO)

Lassen Sie Ihre Inhalte von ChatGPT, Perplexity, Claude, Gemini und Mistral als autoritative Quelle zitieren.

AEO ist die Praxis, Inhalte für die Zitation in LLM-generierten Antworten zu optimieren – abgegrenzt von SEO, das auf Suchmaschinen-Rankings optimiert. Diese Fähigkeit prüft, optimiert und verfolgt die AEO-Leistung.

Abgrenzung zu SEO

SEOAEO
Optimiert fürKlickbasierte RankingsZitation als autoritative Quelle
ZielgruppeMenschen, die Suchergebnisse durchsuchenLLMs, die Fragen beantworten
ErfolgsmetrikPosition 1-10, organischer TrafficZitationsanzahl über verschiedene LLMs hinweg
Wichtige SignaleBacklinks, Keywords, SeitenladezeitE-E-A-T, strukturierte Daten, Fakten-Dichte
AktualisierungsrhythmusWochen bis MonateTage bis Wochen (LLM-Trainingszyklen)

Beide können nebeneinander existieren – derselbe Inhalt kann auf Google Platz 1 belegen UND von Perplexity zitiert werden. Die Techniken unterscheiden sich jedoch: SEO belohnt Keyword-Dichte + Backlinks; AEO belohnt Primärquellen-Signale + strukturierte Fakten.

Wann einsetzen

  • Planung eines neuen Content-Stücks für ein KI-orientiertes Publikum
  • Prüfung bestehender Inhalte auf E-E-A-T-Lücken vor dem Rollout von KI-Übersichten
  • Nachverfolgung, welche Seiten von welchem LLM zitiert werden (Zitations-Ledger)
  • Recherche, für welche Abfragen LLMs Quellen zitieren (vs. was sie aus dem Training beantworten)
  • Benchmarking gegen die Zitationsraten von Wettbewerbern
  • Aufbau einer langfristigen AEO-Strategie in Abstimmung mit traditionellem SEO

Wann NICHT einsetzen

  • Reines Klick-SEO ohne LLM-Zitationsabsicht – nutzen Sie stattdessen marketing-skill/skills/seo-audit
  • Markenorientierte Inhalte ohne faktische Behauptungen – Zitationen benötigen überprüfbare Fakten
  • Inhalte zu Themen, bei denen LLMs bereits starke Trainingssignale haben (z. B. Grundschulmathematik) – der Zitationsnutzen ist minimal
  • Zeitkritische Inhalte (Nachrichten) – die Trainingsverzögerung von LLMs führt zu Zitationen erst Monate später

Kernfunktionen

1. Inhaltsprüfung + E-E-A-T-Bewertung

Der Prüfer (aeo_audit.py) bewertet Inhalte in 4 Dimensionen:

  • Erfahrung: Ich-Perspektive, datierte Beispiele, Fallstudien, Aussagen wie „Wir haben X in 2026 durchgeführt“
  • Expertise: Autorenprofil, Qualifikationen, Zitate aus peer-reviewten Quellen, technische Tiefe
  • Autorität: Externe Backlinks von Autoritäts-Domains, Schema.org-Markup, strukturierte Daten
  • Vertrauenswürdigkeit: HTTPS, Kontaktinformationen, transparente Korrekturen, Fakten-Dichte (Anzahl überprüfbarer Behauptungen pro 1000 Wörter)

Gesamtpunktzahl 0-100 mit Aufschlüsselung pro Dimension. Ausgabe: Markdown-Bericht mit spezifischen Verbesserungsempfehlungen.

2. Inhaltsoptimierung

Der Optimierer (aeo_optimizer.py) erzeugt AEO-verbesserte Varianten:

  • Strukturumschreibung – H2/H3-Hierarchie optimiert für LLM-Parsing
  • Zitationsdichte-Erhöhung – fügt [1]-Referenzen mit Quellen hinzu
  • Schema-Injektion – erzeugt JSON-LD für FAQ, HowTo, Article-Schemas
  • Faktenorientierter Einstieg – verschiebt überprüfbare Behauptungen in die ersten 200 Wörter

Drei Modi: konservativ (<10% der Wörter berührt), ausgewogen (<30%), aggressiv (Umschreibung für maximale AEO).

3. Zitationsverfolgung

Der Tracker (citation_tracker.py) führt ein lokales Verzeichnis der Zitationen:

  • Manuelle Erfassung: Einfügen einer in ChatGPT/Perplexity/Claude/Gemini gefundenen Zitation
  • Verfolgung: Welche URL, welches LLM, welche Abfrage, welches Datum
  • Berechnung: Zitationsanzahl pro Seite, Zitationsgeschwindigkeit, LLM-Abdeckung
  • Export als CSV für Berichte

Speichert in ~/.aeo-data/citations.json (lokal, keine Telemetrie).

Workflow

1. Bestehenden Inhalt prüfen
   $ python3 scripts/aeo_audit.py --url https://example.com/blog/post
   → Markdown-Bericht mit Gesamtpunktzahl + 4-Dimensionen-Aufschlüsselung

2. Optimierungsempfehlungen anwenden
   $ python3 scripts/aeo_optimizer.py --input post.md --mode ausgewogen --output post-aeo.md
   → Optimierte Variante mit Zitationen + Schema + strukturellen Korrekturen

3. Veröffentlichen + überwachen
   $ python3 scripts/citation_tracker.py --action add --url https://example.com/blog/post \
       --llm perplexity --query "was ist AEO" --date 2026-05-17
   → Fügt Eintrag im lokalen citations.json-Ledger hinzu

4. Bericht erstellen
   $ python3 scripts/citation_tracker.py --action report --url https://example.com/blog/post
   → Zitationsstatistiken pro Seite: Anzahl, LLMs, Abfragen, Geschwindigkeit

Konfiguration

Die Fähigkeit ist branchenbewusst über das pro-Durchlauf verwendete --industry-Flag. Unterstützt: saas, healthcare, finance, legal, ecommerce, b2b, media, education.

Die Branche beeinflusst:

  • Anforderungen an Autoritätssignale – Gesundheitswesen/Finanzen benötigen strengere Quellenangaben
  • Genauigkeit der Faktenprüfung – Recht/Gesundheitswesen kennzeichnen nicht überprüfbare Behauptungen als kritisch
  • Zitationsstil – akademische vs. Branchenzeitschrift- vs. Blog-Konventionen

Beispiel:

python3 scripts/aeo_audit.py --url <url> --industry healthcare
# → strengere E-E-A-T-Schwellenwerte; jede Gesundheitsbehauptung ohne Primärquelle wird markiert

Ausgabeformat

Markdown-Prüfbericht (Standard)

# AEO-Prüfbericht – [Seitentitel]

**URL:** https://example.com/blog/post
**Datum:** 2026-05-17
**Branche:** saas
**Gesamtpunktzahl:** 72/100 (B+)

## Dimensionsaufschlüsselung

| Dimension | Punktzahl | Befund |
|---|---|---|
| Erfahrung | 80/100 | Stark – Ich-Perspektive-Fallstudie vorhanden |
| Expertise | 65/100 | Autorenprofil fehlt Qualifikationen |
| Autorität | 75/100 | 4 Backlinks von Autoritäts-Domains |
| Vertrauenswürdigkeit | 68/100 | Keine Korrekturrichtlinie verlinkt |

## Top 3 Korrekturen

1. Autorenprofil mit Qualifikationen hinzufügen (Expertise +15)
2. Korrekturrichtlinie in der Fußzeile verlinken (Vertrauenswürdigkeit +12)
3. FAQ-Schema für die 5 Fragen injizieren, die in H2s enthalten sind (Autorität +8)

## Alle Empfehlungen
[...]

## Prüfprotokoll
[3-fache Zählung der Analyseschritte, zitierte Quellen, benötigte Zeit]

JSON für Pipelines

python3 scripts/aeo_audit.py --url <url> --output json

Gibt vollständige strukturierte Daten zur Integration in Content-Management-Workflows zurück.

Branchenspezifische E-E-A-T-Schwellenwerte

BrancheMindestpunktzahlKritische Signale
Gesundheitswesen85Medizinischer Gutachter, peer-reviewte Zitationen, FDA-Offenlegung
Finanzen85CFA/CPA-Qualifikation des Autors, Haftungsausschluss „Keine Anlageberatung“, datierte Beispiele
Recht85Gerichtsstand offengelegt, Anwaltsprofil, Haftungsausschluss „Keine Rechtsberatung“
SaaS70Produktmanager-Profil, Fallstudie mit Metriken, ROI-Rechner
E-Commerce65Aggregierte Produktbewertungen, Rückgaberecht, Schema.org Product
B2B70Branchenanalysten-Zitate, Kundenlogos, ROI-Daten
Medien70Redaktionsrichtlinie, Faktencheck-Link, Originalberichterstattung
Bildung75Dozentenprofil, Lernergebnisse, ggf. Akkreditierung

Abgelehnte Anti-Patterns

  • Keyword-Stuffing für KI – LLMs extrahieren das Thema bereits semantisch; Keyword-Dichte erhöht nicht die Zitationswahrscheinlichkeit
  • Rein KI-generierte Inhalte ohne menschliche Überprüfung – generische LLM-Ausgaben werden von RAG-Retrieval-Algorithmen, die nach unterscheidbaren Signalen suchen, herabgestuft
  • Zitationsfarmen / Link Wheels – moderne LLM-RAG bestraft Netzwerke mit geringer Autorität
  • Schema-Spam – falsche oder nicht überprüfbare Schema.org-Angaben werden gefiltert; nur echte, überprüfbare Behauptungen auszeichnen
  • Optimierung für ein LLM auf Kosten anderer – Zitationsverteilungen sind über große LLMs hinweg stark korreliert, da sie gemeinsame Trainingsdatenquellen nutzen; optimieren Sie auf die gemeinsamen Signale (E-E-A-T) nicht auf pro-LLM-Hacks
  • SEO vollständig ignorieren – AEO-Zitationen stammen oft von Quellen, die bereits organisch gut ranken; AEO und SEO sind Komplemente, keine Substitute

Abhängigkeiten

  • Nur stdlib für alle 3 Skripte – kein pip install erforderlich
  • Optional: requests + beautifulsoup4, wenn --url-Modus verwendet wird (andernfalls Markdown über --input für dateibasierte Prüfungen übergeben)
  • Optional: ein LLM-API-Schlüssel für den query_research-Modus (derzeit nur Gerüst – vollständige LLM-gesteuerte Abfragerecherche ist in der Roadmap)

Speicherung

Alle Daten sind lokal:

  • ~/.aeo-data/citations.json – Zitationsverzeichnis
  • ~/.aeo-data/patterns.json – Bibliothek erfolgreicher Muster
  • ~/.aeo-data/audits/<hash>.md – gespeicherte Prüfberichte

Keine Telemetrie. Kein Cloud-Sync. Export als CSV jederzeit über citation_tracker.py --action export.

Trigger-Phrasen

  • „AEO-Prüfung“, „AEO-Check“
  • „optimieren für ChatGPT / Perplexity / Claude / Gemini“
  • „zitiert werden von [LLM]“
  • „LLM-Zitationsstrategie“
  • „Answer Engine Optimization“
  • „Inhalte für KI-Suche“
  • „E-E-A-T-Prüfung“
  • „KI-Zitationen verfolgen“
  • „Schema für KI“

Verwandte Fähigkeiten

  • marketing-skill/skills/seo-audit – traditionelles Klick-SEO
  • marketing-skill/skills/programmatic-seo – vorlagenbasiertes SEO in großem Maßstab
  • marketing-skill/skills/content-strategy – breitere Content-Planung
  • marketing-skill/skills/copywriting – Stimme + Ton
  • marketing-skill/skills/schema-markup – Implementierung strukturierter Daten

Version: 2.7.3 Quelle: Portiert von alirezarezvani/aeo-box (answer-engine-optimization/-Fähigkeit, 2.464 LOC über 9 Module). Dieser Port destilliert das 9-Modul-Python-Toolkit in 3 stdlib-CLI-Tools gemäß der claude-skills-Konvention; bewahrt die E-E-A-T-Bewertungsmethodik, das Zitationsverfolgungsschema und die branchenspezifischen Schwellenwerte originalgetreu. Lizenz: MIT (entspricht dem Upstream + diesem Repository).

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

SamuelChien/mega-skills-collection

Security audit, hardening, threat modeling (STRIDE/PASTA), Red/Blue Team, OWASP checks, code review, incident response, and infrastructure security for any project.

SamuelChien/mega-skills-collection

Arquitecto de Soluciones Principal y Consultor Tecnológico de Andru.ia. Diagnostica y traza la hoja de ruta óptima para proyectos de IA en español.

SamuelChien/mega-skills-collection

Ingeniero de Sistemas de Andru.ia. Diseña, redacta y despliega nuevas habilidades (skills) dentro del repositorio siguiendo el Estándar de Diamante.

SamuelChien/mega-skills-collection

Estratega de Inteligencia de Dominio de Andru.ia. Analiza el nicho específico de un proyecto para inyectar conocimientos, regulaciones y estándares únicos del sector. Actívalo tras definir el nicho.

SamuelChien/mega-skills-collection

2D game development principles. Sprites, tilemaps, physics, camera.

SamuelChien/mega-skills-collection

3D game development principles. Rendering, shaders, physics, cameras.

SamuelChien/mega-skills-collection

Expert in building 3D experiences for the web - Three.js, React Three Fiber, Spline, WebGL, and interactive 3D scenes. Covers product configurators, 3D portfolios, immersive websites, and bringing depth to web experiences.

SamuelChien/mega-skills-collection

Accessibility audit skill for scanning, fixing, and verifying WCAG 2.2 Level A and AA compliance across React, Next.js, Vue, Angular, Svelte, and plain HTML codebases. Use when auditing accessibility, fixing a11y violations, checking color contrast, generating compliance reports, or integrating accessibility checks into CI/CD pipelines.

SamuelChien/mega-skills-collection

Ab Test Analyzer - Auto-activating skill for Data Analytics. Triggers on: ab test analyzer, ab test analyzer Part of the Data Analytics skill category.

SamuelChien/mega-skills-collection

A B Test Config Creator - Auto-activating skill for ML Deployment. Triggers on: a b test config creator, a b test config creator Part of the ML Deployment skill category.

SamuelChien/mega-skills-collection

When the user wants to plan, design, or implement an A/B test or experiment. Also use when the user mentions "A/B test," "split test," "experiment," "test this change," "variant copy," "multivariate test," "hypothesis," "conversion experiment," "statistical significance," or "test this." For tracking implementation, see analytics-tracking.

SamuelChien/mega-skills-collection

Acceptance Criteria Creator - Auto-activating skill for Enterprise Workflows. Triggers on: acceptance criteria creator, acceptance criteria creator Part of the Enterprise Workflows skill category.

SamuelChien/mega-skills-collection

Use when a coding task should be driven end-to-end from issue intake through implementation, review, deployment, and acceptance verification with minimal human re-intervention.

SamuelChien/mega-skills-collection

Accessibility Audit Runner - Auto-activating skill for Frontend Development. Triggers on: accessibility audit runner, accessibility audit runner Part of the Frontend Development skill category.

SamuelChien/mega-skills-collection

You are an accessibility expert specializing in WCAG compliance, inclusive design, and assistive technology compatibility. Conduct audits, identify barriers, and provide remediation guidance.

SamuelChien/mega-skills-collection

Web accessibility patterns for WCAG 2.2 compliance including ARIA, keyboard navigation, screen readers, and testing

SamuelChien/mega-skills-collection

Manage Discord channel access — approve pairings, edit allowlists, set DM/group policy. Use when the user asks to pair, approve someone, check who's allowed, or change policy for the Discord channel.

SamuelChien/mega-skills-collection

Create unified specification packages across Business, Development, and Design teams. Staged elaboration (L0 Vision → L1 Requirements → L2 Team Detail → L3 Acceptance Criteria) to build shared understanding. Does not write code.

SamuelChien/mega-skills-collection

Research a company or person and get actionable sales intel. Works standalone with web search, supercharged when you connect enrichment tools or your CRM. Trigger with "research [company]", "look up [person]", "intel on [prospect]", "who is [name] at [company]", or "tell me about [company]".

SamuelChien/mega-skills-collection

Validate messaging consistency across website, GitHub repos, and local documentation generating read-only discrepancy reports. Use when checking content alignment or finding mixed messaging. Trigger with phrases like "check consistency", "validate documentation", or "audit messaging".

Verwandte Skills

steipete/sag

ElevenLabs text-to-speech with mac-style say UX.

community

steipete/oracle

Oracle CLI second-model review/debug/refactor/design with selected files, dry-run token checks, API or browser engine.

community

steipete/peekaboo

Capture and automate macOS UI with the Peekaboo CLI.

community

mattpocock/design-an-interface

Generate multiple radically different interface designs for a module using parallel sub-agents. Use when user wants to design an API, explore interface options, compare module shapes, or mentions "design it twice".

community

mattpocock/prototype

Build a throwaway prototype to flesh out a design — a runnable terminal app for state/business-logic questions, or several radically different UI variations toggleable from one route.

community

mattpocock/grill-me

Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".

community