GEO 全流程服務

從診斷到交付的完整鏈路，不只是給建議：

抓取 → 體檢 → AI答案採樣 → 產生工單 → 產出資產 → 報告 → 自動驗收 → 客戶交付包

核心判斷只有一句：GEO 的終點不是排名，是 AI 答案裡那句話是不是按你的口徑說的。 所以最小單位不是頁面，是可被抽取的事實塊。

專案目錄：/Users/brucejan/geo，每個客戶/產品一個 work/<slug>/。

最快的用法：給一個網址

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

九步全自動：建專案 → 抓官網 → 體檢 → 自動推導品牌事實/競品/問題庫 → 重跑體檢 → AI 答案採樣 → 工單與建設藍圖 → 資產與報告 → 三份交付物。

產出 work/<slug>/deliverables/：

檔案	回答什麼
`1-GEO診斷報告.html`	現在什麼樣
`2-GEO優化方案.html`	應該改成什麼樣、為什麼
`3-GEO執行方案.html`	誰在什麼時候做什麼、做到什麼算完成

自動推導出來的品牌事實必須人工覆核——bootstrap 只從官網正文抽取，抽不到的一律標「待確認」，絕不用常識填充。標了「待確認」的欄位（成立時間、工商主體、可具名客戶等）需要你補齊或明確不對外說。

兩種用法

介面（推薦）

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

全流程都在介面上，不用記命令：新建專案、編輯設定與問題庫、寫事實卡、一鍵跑任意步驟或整個週期（含即時日誌）、改工單狀態、看資產、匯入人工採樣表、打開交付包。

介面為暗色四段主線（AtlasGEO）：現狀（總覽 / 引擎表現 / 競品對比 / 問題庫）→ 診斷（差距診斷 / 陣地地圖 / 品牌事實庫）→ 提升（行動計畫 / 內容工作台）→ 成效（效果驗收 / 報告與交付），外加設定與三步接入引導。統一說法：GEO 健康分（五項加權，未測項權重歸一）、提及率、引用份額、陣地、任務、內容。總覽標題是由數據自動生成的一句結論；所有數字來自同一份採樣，算不出的顯示「未測」，不編數。任務在背景子行程跑，關掉頁面也會繼續；同一專案同時只允許一個任務，避免搶同一份 audit.json。

只用標準庫起服務，前端零外部依賴，斷網可用。

命令列

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

抓取 → 體檢 → 採樣 → 工單 → 資產 → 報告 → 驗收上期 → 打包交付，全做完。產出在 work/<slug>/delivery/<日期>/，可直接發客戶。

首次接一個新客戶走下面的步驟 0–2 做好底座，之後每期只跑這一條。

先讀什麼

每次必讀：references/method.md（評分口徑和所有判據的出處，腳本就是它的程式碼實作）
排外部信源優先級時必讀：references/cn-source-ranking.md （CN-GEO 187,818 條引用實算榜。官網只佔 1.37%，這個數字會改變資源分配）
打國內平台：references/cn-platforms.md ｜打海外：references/global-platforms.md
寫內容/改頁面：references/content-patterns.md
更深方法或原始數據：references/sources.md（含 GEORank / GEOFlow 選型說明）
採樣/平台異常先對表：references/known-issues.md（豆包超時、302 國內/海外端點模型目錄、 SPA 空殼、llms.txt 範圍過濾）

不要憑經驗給 GEO 建議。每條建議都要能追到 method.md 裡的某條實測數字，說不出依據的別寫進方案。

步驟 0 · 建專案

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

--market 取 cn / global / both。

雙市場不是「順帶也做海外」，是兩套並行的戰場——問題庫、內容、競品清單、指標全部分開。紀律見 global-platforms.md 第 5 節。

步驟 1 · 吃透產品，建事實底座

讀官網 + 使用者給的材料（PDF/PPT/文件/公眾號文章都行），補全 geo.json：

brand：規範名、別名和常見錯寫（品牌消歧的地基）、產品線、行業、目標用戶、業務目標
competitors：3–6 個真實競品，帶別名。首期可以留空——先跑一輪「推薦類」問題的採樣，從 AI 答案裡反推真實競爭集，比主觀拍腦袋準得多。雙市場時國內外競品通常不是同一批，都要列全（排名指標是相對這個清單算的，漏掉真實對手會高估名次）

同時寫 work/<slug>/content/facts.md 品牌事實卡，範本見 content-patterns.md 第 1 節。 每條事實標證據等級 A–E，沒來源的標「待確認」，不許編。 這份文件是後面所有資產生成的輸入——llms.txt、JSON-LD、定義塊都從它來。

材料不夠就直接問用戶要，別猜產品能力和價格。

步驟 2 · 建問題庫

問題庫決定採樣什麼、寫什麼內容、怎麼算指標。按七組各出 3–6 題：推薦 / 比較 / 替代 / 價格 / 風險 / 品牌驗證 / 場景。

每題必須標 market，腳本據此路由——中文題不會打到 Perplexity，英文題不會打到豆包：

{"id": "q001", "group": "推薦", "market": "cn",     "text": "國內做私域營運的 SaaS 有哪些好用的？"}
{"id": "q101", "group": "推薦", "market": "global", "text": "What's the best CRM for small B2B teams in 2026?"}
{"id": "q900", "group": "品牌驗證", "market": "both", "text": "<品牌> 是家什麼公司？"}

cn：中文口語問法，不要翻譯腔｜ global：英文原生問法，不是機翻
both 只留給品牌驗證類。注意這類問題點名了品牌，答案必然複述品牌名，腳本會把它們單獨歸入「品牌認知」，不混進可見性指標

每期循環（`serve` 自動做完，這裡說明每步在做什麼）

抓取 + 體檢

按六維打分：可抓取性 / 長度 / 結構 / 可抽取塊 / 權威訊號 / 對題性。讀結果時先看四件事：

SPA 空殼頁（word_count 接近 0）——國內官網最常見致命傷，AI 抓取器看到的是空白
robots 有沒有封 AI 抓取器——封了就什麼都別談
language_coverage 中英是否對等——做海外卻沒英文原生頁直接 P0
block_gap 缺得最多的塊——內容工程第一優先級

AI 答案採樣

市場	平台	變數	說明
國內	智譜GLM	`ZHIPUAI_API_KEY`	OpenAI 相容端點，不聯網
國內	豆包	`ARK_API_KEY`	火山方舟；聯網要在控制台單獨開通內容外掛，沒開通自動降級
國內	DeepSeek	`DEEPSEEK_API_KEY`	不聯網，測模型參數化知識裡的品牌認知
國內	Kimi	`MOONSHOT_API_KEY`	預設不聯網
國內	MiniMax	`MINIMAX_API_KEY`	OpenAI 相容端點，不聯網
海外	Gemini	`GEMINI_API_KEY`	OpenAI 相容端點，不帶 grounding
海外	OpenAI(ChatGPT)	`OPENAI_API_KEY`	Chat Completions 預設不聯網
海外	Claude	`ANTHROPIC_API_KEY`	Anthropic 原生協定，不聯網
海外	Grok	`XAI_API_KEY`	xAI API，不聯網
海外	Perplexity	`PERPLEXITY_API_KEY`	原生聯網並回傳 citations，海外證據品質最好

Key 放專案根目錄 .env（已 gitignore，權限 600），腳本自動載入。

豆包在 302.AI 模式下走「搜尋+回答」組合，單題超時讀 .env 的 AI302AI_SEARCH_ASK_TIMEOUT （預設 45s）。平台/端點異常先對 references/known-issues.md 對表，別讓任務空轉。

沒有公開聯網 API 的——國內奈米AI搜尋/百度AI/豆包 App，海外 ChatGPT 網頁版/ Claude 網頁版——走人工或瀏覽器採樣：

python3 scripts/geo.py sample-sheet --slug <專案>
python3 scripts/geo.py sample-import --slug <專案> --file <採樣表>

口徑紀律（詳見 method.md 第 4 節）：

國內 ≠ 海外，跨市場平均提及率沒有解釋力，報告裡各佔一張表
API ≠ 網頁端，Web ≠ App（千問 web 與 App 信源只有 24.5% 重合），單獨記單獨算
沒有答案原文/截圖/採樣環境記錄的，不許標成「真實採樣」
歸因預設寫「觀察相關」，除非有基線視窗 + 對照 Prompt + 競品對照
採樣頻率克制，遵守平台服務條款，不批量濫採、不模擬登入

產生工單 `plan`

診斷結果 → tasks.json，這是執行狀態的單一真相源。每條工單必須有：依據（追到 method.md 哪一條）、負責角色、工作量、時間視窗、驗收標準、市場。

七個工作包：實體消歧 / 頁面技術 / 內容矩陣 / 標題體系 / 知識庫 / 外部證據 / 監測閉環。

優先級順序（method.md 第 6 節）：門票問題 → 事實錯誤 → 抽取塊缺口 → 高價值問題無承接 → 外部信源（P1，不是 P2） → 長尾擴量。

外部信源是 P1 不是 P2，因為官網只佔全庫引用 1.37%。官網是事實源不是引用源，把它從 60 分做到 90 分的邊際收益，遠低於拿下一個榜單站詞條。

產出資產 `generate`

到 work/<slug>/assets/，中英分開：

產物	說明
`llms.txt` / `llms.en.txt`	官方事實索引，直接傳網站根目錄
`jsonld/*.json`	Organization / SoftwareApplication / FAQPage / Article / BreadcrumbList，貼進 `<head>`
`snippets/definition.*.html`	定義塊，放首屏口號下方（口號保留，不影響轉換）
`snippets/faq.*.html`	FAQ 塊，答案必須在靜態 HTML 裡可見，不要純 JS 折疊
`outlines/*.md`	每個目標問題一份內容大綱（含標題候選、章節骨架、字數與抽取塊要求）
`drafts/*.md`	加 `--draft` 時呼叫已配 LLM 出全文初稿

分工：結構性資產由程式碼確定性產生（不會漏 schema 欄位）；文章正文由你按 outline 寫—— 程式碼寫不出好文案。--draft 的初稿必須人工核實事實後才能發布。

自動驗收 `verify`

重抓站點 → 跑 checker → 回寫工單狀態。這是「服務」和「建議」的分界線：能自動驗收的，就不靠人口頭說做完了。做完會翻成 done，回歸了會翻回 todo。

無法程式判定的（如百科詞條是否過審）標「待人工」，確認後手動標記：

python3 scripts/geo.py task --slug <專案> --id T-003 --status done --note "詞條已上線"
python3 scripts/geo.py status --slug <專案>     # 進度看板

客戶交付 `deliver`

打包到 work/<slug>/delivery/<日期>/：總覽 index、診斷報告、執行方案、工單表（HTML + CSV 可匯入專案管理工具）、驗收表、建設地圖、引擎表現 / 競品對比 （複用 UI 同一套 analytics 口徑，逐引擎提及率/引用份額/樣本回放 + 競品×引擎矩陣/失守問題）、 assets 目錄、交付說明。

跑完之後你要做的事（腳本做不了的部分）：

讀 reports/latest.md 看 delta：均分漲跌、提及率變化、新出現的 P0
看「AI 實際引用的信源域名 Top」和「與全國大盤對照」——這是當期真實的分發地圖，用它修正外部信源計畫
檢查採樣答案裡有沒有事實錯誤（品牌說錯、張冠李戴、價格錯、歸錯行業）→ 立刻 P0
按 outlines/ 寫內容，按 plan.md 更新進度

建議節奏：頁面體檢每週，答案採樣每兩週或每月（採樣有成本，指標本身有雜訊，跑太密看不出訊號）。

全部命令

命令	作用
`new`	★ 只給一個網址，全自動出三份交付物
`autopilot`	對已建好的專案跑完整引導流程
`bootstrap`	從官網正文推導品牌事實、競品、問題庫
`deliverables`	出三份正式交付物（診斷/最佳化/執行）
`init`	只建專案骨架，不跑流程
`crawl` / `audit`	抓站 / 六維體檢
`sample` / `sample-sheet` / `sample-import`	API 採樣 / 匯出人工採樣表 / 回灌
`plan`	診斷結果 → 帶驗收標準的工單
`generate`	產出可部署資產（`--draft` 加 LLM 初稿）
`report`	Markdown + 自包含 HTML 報告，含 delta 與大盤對照
`verify`	重抓並自動驗收工單（`--no-recrawl` 用現有結果）
`task` / `status`	單條工單狀態 / 專案看板
`deliver`	打包客戶交付物
`ui`	全流程介面：新建專案、設定、問題庫、事實卡、一鍵執行、工單、資產、交付
`serve`	全流程一條命令
`cycle`	輕量循環（抓取→體檢→採樣→報告，不含工單與交付）
`list`	所有專案

排期自動執行

用 schedule skill 建定時任務：

每週一早上跑 python3 /Users/brucejan/geo/scripts/geo.py serve --slug <專案>，然後讀 work/<專案>/reports/latest.md，如果出現新的 P0、提及率下降超過 10 個百分點，或有工單從 done 回歸成 todo，就告訴我。

邊界

做：GEO 診斷、方案、工單、內容工程、資產生成、AI 答案監測、驗收閉環、客戶交付包。

不做：

傳統 SEO 關鍵字排名、外鏈買賣、競價投放
建站/改站的實際程式碼實施（給方案、給可直接用的片段，落地由客戶開發做）
繞過平台限制的批量採集、模擬登入、刷量
編造品牌事實、客戶案例、價格或資質——查不到就標「待確認」，問用戶

不承諾任何平台一定會引用某個頁面。GEO 提高的是機率，不是保證。給客戶寫方案時這句話必須原樣寫進去。

/Users/brucejan/geo/
├── SKILL.md
├── references/
│   ├── method.md              評分口徑與全部判據出處
│   ├── cn-source-ranking.md   國內信源實測榜（CN-GEO 實算，含復算腳本）
│   ├── cn-platforms.md        國內平台適配
│   ├── global-platforms.md    海外平台適配
│   ├── content-patterns.md    可抽取內容範本
│   └── sources.md             資料索引（含 GEORank / GEOFlow 選型）
├── scripts/
│   ├── geo.py       CLI 總入口
│   ├── crawl.py     抓站      audit.py     六維體檢
│   ├── sample.py    多平台採樣  benchmark.py 與全國大盤對照
│   ├── tasks.py     工單系統    generate.py  資產生成
│   ├── verify.py    自動驗收    deliver.py   客戶交付包
│   ├── bootstrap.py 自動推導底座  deliverables.py 三份交付物
│   ├── blueprint.py 建設地圖
│   ├── dashboard.py 介面後端    ui.html      前端工作台
│   ├── jobs.py      背景任務（子行程 + 即時日誌）
│   └── report.py    報告渲染    geolib.py    共用工具
└── work/<slug>/
    ├── geo.json        品牌、競品、問題庫、平台、目標
    ├── content/facts.md 品牌事實卡（所有資產的輸入）
    ├── evidence/       抓取快照      audit.json  體檢結果
    ├── samples/        採樣原始答案   metrics/    每期指標
    ├── tasks.json      工單（執行狀態單一真相源）
    ├── assets/         可部署資產
    ├── reports/        每期報告 + latest.md
    ├── verify/         每期驗收結果
    ├── delivery/<日期>/ 客戶交付包
    ├── history/        歷史基線（算 delta）
    └── plan.md         30/60/90 方案

liangdabiao/geo

geo 是什麼？

在你喜歡的 AI 中提問

說明文件

GEO 全流程服務

最快的用法：給一個網址

兩種用法

介面（推薦）

命令列

先讀什麼

步驟 0 · 建專案

步驟 1 · 吃透產品，建事實底座

步驟 2 · 建問題庫

每期循環（`serve` 自動做完，這裡說明每步在做什麼）

抓取 + 體檢

AI 答案採樣

產生工單 `plan`

產出資產 `generate`

自動驗收 `verify`

客戶交付 `deliver`

全部命令

排期自動執行

邊界

目錄

相關技能

steipete/bluebubbles

steipete/eightctl

steipete/blucli

steipete/bear-notes

steipete/camsnap

steipete/gifgrep

在你喜歡的 AI 中提問

說明文件

GEO 全流程服務

最快的用法：給一個網址

兩種用法

介面（推薦）

命令列

先讀什麼

步驟 0 · 建專案

步驟 1 · 吃透產品，建事實底座

步驟 2 · 建問題庫

每期循環（serve 自動做完，這裡說明每步在做什麼）

抓取 + 體檢

AI 答案採樣

產生工單 plan

產出資產 generate

自動驗收 verify

客戶交付 deliver

全部命令

排期自動執行

邊界

目錄

相關技能

steipete/bluebubbles

steipete/eightctl

steipete/blucli

steipete/bear-notes

steipete/camsnap

steipete/gifgrep

每期循環（`serve` 自動做完，這裡說明每步在做什麼）

產生工單 `plan`

產出資產 `generate`

自動驗收 `verify`

客戶交付 `deliver`