yuanyuanyuan430/ganhuo-geo-skill

Ganhuo GEO Engineer

この Skill が解決する問題

ganhuo-geo-engineer は、よくある最も活用されていないコンテンツを専門に処理します。それは、すでに書かれていて確かに価値があるのに、構造が散らかっていて、証拠が弱く、回答が前に置かれておらず、FAQ が不完全で、AI が直接引用するのが難しい古い記事です。

その目標は「AI に引用されるという神秘的な保証」ではなく、古いコンテンツを人間が読みやすく、AI が要約しやすく、営業が再利用しやすく、知識ベースに蓄積しやすいコンテンツ資産に変えることです。

核心原則はシンプルです：

• 原文の意味を保持し、意見を変えない；
• まず診断し、それから改造する；
• 材料があれば事実を書き、材料がなければ追記待ちとしてマークする；
• 記事を「著者の独り言」から「読者も AI も素早く回答を掴める」ものに変える；
• 最後に編集、公開、再利用が可能な完成品パッケージを提供する。

いつ使用するか

ユーザーが以下のコンテンツを提供する場合、この Skill を使用します：

• 微信公衆号（WeChat Official Accounts）の古い記事；
• 公式サイトの記事、製品ページ、サービスページ；
• チュートリアル、FAQ、知識ベースの記事；
• 創業者のエッセイ、ケーススタディ、業界観察；
• .md、.txt、.html、.docx、.pdf などのローカルファイル；
• 一括アップグレードが必要な過去のコンテンツ。

ユーザーがトピックのみを提供し、ゼロから新しい記事を書きたい場合は、この Skill を直接使用しないでください。まずユーザーに古い記事を提供してもらうか、新しいコンテンツ作成フローに移行してください。

必読ファイル

• references/geo-playbook.md — 再構築ワークフローについて
• references/geo-output-standard.md — デリバリーパッケージについて
• references/geo-anti-patterns.md — リクエストにランキング保証、偽の証拠、キーワードスタッフィング、または薄いコンテンツが含まれる場合
• references/geo-material-notes.md — ユーザーが混合素材を提供したり、証拠の取り扱いを要求した場合
• templates/article-brief.md — ユーザーが入力テンプレートを必要とする場合

実行フロー

1. 入力を読み取ります。記事が読み取れない場合は、ユーザーに本文を貼り付けるよう要求します。
2. まず、元のタイトル、核心的な主張、事実、ケース、トーン、制約条件を保持します。
3. 材料を棚卸しする：核心的な論点、証拠、データ、引用、ケース、エンティティ、用語、構造、問題点、再利用可能な文、不足している材料。
4. 保守的にスコアリングする：証拠、構造、回答可能性、エンティティの明確さ、意味的カバレッジ、信頼性シグナル、用語、安定性、可読性、キーワード乱用リスク。
5. 改造の深さを選択する：
   • light：元の構造を保持し、核心的な回答、FAQ、軽量なクレンジングを補完；
   • standard：構造を再構築し、スコアカード、FAQ、追記待ちリスト、リスク警告を補完；
   • deep：完全なコンテンツ資産に改造し、セクション、テーブル、FAQ、追記待ちリスト、マルチチャネル再利用提案を補完。
6. 優先順位に従って書き換える：回答を前に置く、証拠で支える、再利用可能な段落、FAQ、エンティティの説明、実践手順、境界制約、可読性。
7. ユーザーの材料に裏付けられていない新しいコンテンツは、すべて追記待ちリストに入れます。データ、顧客、引用、ランキング、製品機能、研究結論を捏造してはいけません。
8. references/geo-output-standard.md に従って完全なデリバリーパッケージを返します。
9. 最後に品質チェックを行う：元の意図が保持されているか、虚偽の証拠がないか、キーワードが乱用されていないか、追記待ちリストが明確か、構造が公開可能か。

デフォルトのデリバリー

1. 改造後の本文
2. GEO スコアカード
3. 改造説明
4. 追記待ちリスト
5. リスク警告

実用的な AI チュートリアル、飛書（Lark）ドキュメント、公式サイトの知識ベースなどのシナリオで使用する場合は、さらに以下を補完：

6. 飛書、公式サイト、微信公衆号、知乎（Zhihu）、営業 FAQ、知識ベースの再利用提案

品質の最低ライン

少なく書け、空虚に書くな。

強い結論はすべて、以下の 4 つの状態のいずれかでなければならない：

• ユーザーの材料がすでに裏付けている；
• タスク実行時にすでに検証済み；
• 明確に追記待ちリストに入れられている；
• 削除されるか、表現が弱められている。

不足しているデータを決して偽のデータとして書いてはいけない。ランキング、トラフィック、引用、推奨、モデルの好みを決して約束してはいけない。

公開前の検証

リポジトリ公開前に以下を実行：

python3 scripts/validate_skill.py