模拟驱动发布器
你正在帮助内容团队停止猜测。不是发布一篇内容然后祈祷它被引用，这个技能会生成 2-3 个不同的变体，根据 AI 模型对该主题的实际回答对每个变体进行评分，并在一个字上线之前推荐最可能获得引用的那个。
步骤 0 — CMS 发现（每次会话开始时运行一次）
在做其他事情之前，先弄清楚获胜内容将发布到哪里。这可以避免工作流程结束时出现复制粘贴的死胡同。
检查是否已连接的 CMS 工具
扫描当前上下文中可用的工具。已知的 CMS MCP 模式：
| CMS | 要查找的工具名称模式 |
|---|---|
| Sanity | sanity, create_documents_from_markdown, patch_document_from_markdown |
| Contentful | contentful, create_entry, update_entry |
| HubSpot CMS | hubspot, update_blog_post, create_blog_post |
| WordPress | wordpress, wp_update_post, wp_create_post |
| Ghost | ghost, update_post, create_post |
| Webflow | webflow, update_cms_item, create_cms_item |
如果已连接 CMS MCP： 用一句话确认：
"我看到 [CMS] 已连接 —— 完成后我会将获胜变体以草稿形式推送到那里。可以吗？" 然后继续步骤 1。
如果没有任何连接： 简洁地问一次：
"开始之前 —— 您发布到哪个 CMS？我可以将获胜变体直接以草稿形式推送过去，而不是给您一段需要粘贴的文本。"
提供选项：Sanity · Contentful · HubSpot · WordPress · Webflow · Ghost · 其他 · "只给我内容"
然后根据他们的回答给出定制化的设置建议（与 prompt-gap-to-publish 中的指导相同）。不要因设置而阻塞 —— 立即开始分析，并表示当他们连接好时，您已准备好推送。
步骤 1 — 识别待模拟的机会
使用 list_ai_visibility_org_brands 来识别品牌（或使用用户指定的品牌）。
用户可能已经带着一个机会来到这里（例如，运行了 prompt-gap-to-publish 或 competitor-prompt-hijacker）。如果是这样，直接使用该机会。
否则，使用 get_ai_visibility_topics 以及选定的 orgBrandId，通过标准评分启发式方法呈现排名前 3-5 的机会：相关性 > 60% 且可见度 < 40% 的主题。简要呈现它们，并询问要模拟哪一个。
在构建变体之前，与用户确认机会：
"我将为 [机会标题] 生成变体。目标提示词是：[2-3 个示例提示词]。这与您要测试的内容匹配吗？"
步骤 2 — 加载 LLM 响应上下文
对于选定的机会，使用以下方法拉取实际的 AI 模型响应：
get_ai_visibility_prompts，使用相关的topicId获取提示词列表get_ai_visibility_prompt_responses，获取responseCount最高的前 5-8 个提示词的响应
仔细阅读每个响应。这是事实依据 —— 正是 AI 模型在回答该领域问题时的当前表述。您的变体将根据此上下文进行评分。
从响应中提取：
- AI 模型使用什么语言和框架？（词汇、问题格式、关键术语）
- 它们提出了哪些主张？（统计数据、产品功能、命名的工具）
- 哪些内容缺失或薄弱？（AI 响应模糊、含糊或引用来源薄弱的领域）
- 答案中出现了哪些品牌？（不应被引用的竞争对手被引用了）
- 响应使用什么格式？（项目符号列表、散文、表格 —— 您的内容应与之匹配）
此上下文是您将要构建的变体的评分标准。
同时调用 get_ai_visibility_sentiment 以了解情绪基调：AI 对此主题的品牌情绪是正面、中性还是负面？变体应设计为强化正面情绪或对抗负面框架。
步骤 3 — 生成 2-3 个变体
构建 2-3 个不同的内容变体。每个变体应采取意义不同的角度或结构 —— 并非只是相同内容配上不同的开头。小的重写对学习毫无帮助；真正的备选方案才能做到。
变体差异化维度
选择与机会最相关的维度：
角度：教育型（"X 如何工作"）和竞争型（"Amplitude 与其他方案对比"）和应用场景型（"最佳的 X 针对 [特定细分市场]"）
开头：数据优先（以基准或统计开头）和问题优先（以痛点开头）和答案优先（直接回答核心问题开头）
深度：全面指南（长篇，涵盖所有内容）和精准具体（集中回答一个问题）和互动/结构化（大量使用表格、对比矩阵、常见问题解答）
框架：品牌先行（"这是 Amplitude 如何做 X"）和类别中立（"这是产品分析如何工作 —— 以及 Amplitude 的位置"）和竞争型（"X 工具的诚实指南"）
变体格式
对于每个变体，撰写：
- 完整的 H1 和开头段落（AI 模型最重视的部分）
- H2 大纲，每个部分附带 1-2 句内容描述
- 一个完整撰写的章节 —— 最重要的 H2，完整书写
- 完整常见问题解答块 —— 4-6 个问答，使用步骤 2 中确切的提示词语言
- 元字段：
metaTitle、metaDescription、slug
清晰标记它们：变体 A、变体 B、变体 C。
步骤 4 — 根据 LLM 上下文对每个变体评分
现在，根据步骤 2 中的实际 AI 模型响应评估每个变体。这就是模拟。按照以下维度对每个变体进行 1-5 分评分：
提示词对齐度（1-5）：变体的 H1、开头和常见问题解答是否直接匹配 AI Visibility 提示词中使用的语言和问题格式？如果变体紧密镜像提示词语言，得 5 分；如果使用不同的术语或埋没了答案，得 1 分。
答案直接性（1-5）：变体是否在前 2 句中回答了核心问题？如果是，得 5 分；如果答案出现在开头段落中，得 3 分；如果读者需要滚动，得 1 分。
具体性（1-5）：变体是否做出具体、可验证的声明（"Amplitude 在 100ms 以下的会话中捕获愤怒点击、滚动深度和热力图"）而不是泛泛而谈？如果每个主要声明都很具体，得 5 分；如果大多泛泛而谈，得 1 分。
空白覆盖（1-5）：变体是否覆盖了当前 AI 响应薄弱或不存在的领域？如果填补了所有已识别的空白，得 5 分；如果大部分重复了 AI 模型已经说过的话，得 1 分。
结构匹配（1-5）：变体的格式是否与 AI 模型当前呈现此主题的方式相匹配？如果结构镜像了响应格式（例如，如果 AI 模型使用项目符号列表，变体也突出使用它们），得 5 分。
以表格形式呈现分数：
| 维度 | 变体 A | 变体 B | 变体 C |
|---|---|---|---|
| 提示词对齐度 | 4 | 5 | 3 |
| 答案直接性 | 3 | 4 | 5 |
| 具体性 | 5 | 3 | 4 |
| 空白覆盖 | 4 | 4 | 3 |
| 结构匹配 | 3 | 5 | 4 |
| 总计 | 19 | 21 | 19 |
清晰陈述推荐意见："变体 B 得分最高（21/25）。其常见问题解答块镜像了来自 AI Visibility 的确切提示词语言，并且在第一句话中就回答了核心问题。建议发布变体 B。"
步骤 5 — 模拟变更检查点
在推送到 CMS 之前，引用 AI Visibility 内置的模拟变更功能：
"AI Visibility 有一个‘模拟变更’功能，它会针对实时的 AI 模型提示词运行您的内容，并在发布前预测引用提升。以下是需要粘贴的内容： [获胜变体开头部分 + 常见问题解答块的完整文本]
运行方法：打开 AI Visibility → 选择您的品牌 → 转到模拟变更 → 粘贴内容 → 运行模拟。我会等待，或者现在推送草稿，您可以并行模拟。"
让用户决定。如果他们想先模拟，暂停并提供要粘贴的确切文本。如果他们准备好推送，继续进行步骤 6。
如果模拟结果回来改变了他们对使用哪个变体的想法，在推送之前完整生成修改后的变体。
步骤 6 — 完整构建获胜变体
一旦变体被选定（无论是否经过模拟结果），撰写完整的文章：
- 从完整的 H1 到最后的行动号召（CTA）—— 无占位符，无 "[在此添加章节]"
- 大纲中的所有 H2 章节，完整书写
- 完整的常见问题解答块（4-6 个问答）
- 元字段：
metaTitle、metaDescription、slug - 元数据中的 "最后更新：[当前月/年]" 注释
同时将亚军变体作为 Markdown 块保存在末尾 —— 清晰标记它们为备选方案。这些可在发布后用于 A/B 测试，或根据不同渠道进行调整。
步骤 7 — 推送到 CMS
使用您在步骤 0 中发现的信息。这是一个新文档（创建操作，非更新），除非用户指定他们正在更新一个现有页面。
Sanity —— 使用 create_documents_from_markdown 和获胜变体。设置 _type 以匹配博客/文章模式。如果不确定，询问："在您的 Sanity 模式中，文章对应的文档类型是什么？" 未经明确指示，切勿使用 publish_documents。
Contentful —— 使用 create_entry，设置 contentType 匹配其文章类型。设置 fields.title、fields.slug、fields.body。将 published 设为 false。
HubSpot —— 使用 create_blog_post，设置 state: DRAFT。包含元描述和 slug。
WordPress —— 使用 wp_create_post，设置 status: draft。将 H1 映射到 title，正文映射到 content。
Ghost —— 使用 create_post，设置 status: draft。包含 slug、title、html 或 lexical，以及 meta_description。
Webflow —— 使用 create_cms_item，目标为博客集合（Collection）。将字段映射到集合的模式（如果不明显，询问用户字段名称）。
推送后，确认："完成 —— [文章标题] 已作为草稿保存到 [CMS]。这是 ID/URL：[链接]。亚军变体如下以 Markdown 格式提供 —— 保存它们以供将来使用或 A/B 测试。"
即使 CMS 推送成功，始终输出获胜变体及亚军备选方案的 Markdown 备选版本。
为什么要在发布前模拟
每篇内容都是一次赌博。模拟驱动的发布将这场赌博变成了一个理性选择：
- 提示词对齐度是引用率最强的单一预测指标。 镜像 AI 模型在提示词中使用的确切语言的内容，其被检索和引用的可靠性远高于用通用 SEO 语言编写的内容。
- 答案直接性会随着时间的推移而复合。 页面的第一句话被 AI 检索的权重非常高。在第一句话就给出答案的变体将始终优于需要三段才能到达核心的变体。
- 空白覆盖是最快的引用胜利。 如果 AI 对某个主题的响应在一个特定的子问题上薄弱或模糊，第一个具体回答该问题的页面将成为首选引用。
- 变体暴露了假设。 写同一内容的 3 个版本迫使团队阐明他们真正相信受众需要什么 —— 而且评分结果常常让他们惊讶。