一个专为GEO（生成式引擎优化）设计的按月循环语料投喂技能。每月自动或按指令执行一轮完整的语料收集与清洗、结构化标记、AI友好化优化、投喂与效果监测流程。帮助品牌通过持续、结构化、无矛盾的语料投喂，系统性地提升在 DeepSeek、Kimi、豆包等生成式AI模型中的被引用概率与语义权重。
当用户在对话中出现以下任一关键词或短语时，自动激活本 Skill：
GEO优化、GEO投喂、语料投喂
AI语料优化、生成式引擎优化
开始本月GEO循环、检查GEO进度
投喂语料、更新语料库、GEO月度报告
当用户首次激活本 Skill 或明确要求初始化时，执行以下操作：
corpus/ — 存放各类语料文件
corpus/brand/ — 品牌基础信息
corpus/product/ — 产品/服务信息
corpus/faq/ — 常见问答
corpus/case/ — 案例/客户评价
corpus/knowledge/ — 行业知识/白皮书
schedule/ — 调度与进度记录
schedule/history/ — 历史归档
templates/ — 语料格式模板
templates/corpus_template.md 不存在，则根据后附模板内容创建之。
schedule/current_month.json 中写入当月初始化配置（内容见后附示例）。
schedule/cycle_log.json 中初始化总日志记录。
corpus/ 各子目录下已有语料文件数量。
GEO 语料投喂按“收集→结构化→优化→投喂”闭环执行，每月为一个完整周期。Skill 按周推进，并在每阶段结束时更新进度状态。
目标：确认语料库完整性，淘汰低质、过时或矛盾内容。
执行步骤：
corpus/ 下所有子目录，识别新增、修改过的语料文件（基于文件修改时间或内部 updated 字段）。
schedule/current_month.json，更新 phases.week1.status 为 completed，记录本次处理的语料数量至 corpus_count。
目标：为每条语料添加标准化元数据，使 AI 能够高效解析和检索。
执行步骤：
corpus/ 中尚未包含标准化元数据头的语料文件，在文件顶部添加 YAML 格式元数据块（若用户允许自动修改；否则仅生成建议补丁并提示用户）。
标准元数据头格式：
```yaml
---
id: [自动生成，如 brand_001]
type: brand|product|faq|case|knowledge
priority: high|medium|low
keywords: [关键词1, 关键词2, 关键词3]
target_platforms: [deepseek, kimi, doubao, chatgpt]
created: YYYY-MM-DD
updated: YYYY-MM-DD
version: 1.0
---
2. 根据语料类型，在内容中嵌入对应的 Schema.org 标记建议（如 `FAQPage`、`Product`、`Article`、`HowTo`），以提升 AI 解析精度。实际插入 Schema 需用户确认；Skill 主要负责生成标注建议并输出。
3. **逻辑一致性校验**：
- 检查同一品牌名称、产品特性在不同语料中是否存在矛盾描述（如成立年份、产品材质、核心功能不一致）。
- 将发现的矛盾点汇总为“逻辑冲突报告”，提醒用户修正。强调：品牌信息存在 3% 以上的逻辑冲突，可能导致 AI 模型将其权重调降 80% 以上。
4. 更新月度进度，标记第 2 周完成，输出结构化处理报告。
#### 第 3 周：AI 友好化优化
**目标**：提升语料的语义密度、模块化程度，使其更易被 AI 直接引用。
**执行步骤**：
1. 对每条语料执行以下优化（可通过修改语料文件或生成优化版本供用户确认）：
- **模块化拆分**：将长段落拆分为独立、完整的小段落，每段具备明确主题。
- **精准表达增强**：消除模糊指代（如“该产品”、“此功能”），替换为具体品牌名或产品名。
- **场景与上下文补充**：明确适用场景、目标人群、前提条件。
- **问答对生成**：针对每条语料自动生成 3～5 个典型问答对，添加到文件末尾的“常见问答对”章节。
2. 计算每条语料的 **GEO 友好度评分**（1～10 分），评分维度包括：模块化程度、语义密度、元数据完整度、逻辑一致性。低于 6 分的语料标记为“需人工复审”。
3. 生成本周优化摘要：共优化语料 X 条，平均 GEO 评分提升 Y 分，列出待人工复核的低分语料。
#### 第 4 周：投喂与效果监测
**目标**：完成语料对外发布（投喂）记录，并建立月度效果追踪基线。
**执行步骤**：
1. **投喂执行记录**：
- 按优先级（高→中→低）列出本月应投喂的语料清单。
- 提示用户在各大 AI 平台（DeepSeek 联网搜索、Kimi 浏览器插件、豆包网页版等）中手动提交或通过 API 发布（Skill 不直接执行发布，仅负责记录与管理）。
- 在 `schedule/current_month.json` 中记录每条语料的投喂平台、投喂时间、状态（pending/completed）。
2. **效果监测基线建立**：
- 创建月度效果追踪数据模板，包含字段：`corpus_published`、`ai_citation_rate`、`exposure_rate`、`first_recommendation_rate`。
- 提示用户使用 GEO 监测工具（如 Ahrefs GEO 模块、品牌监听工具）在一个月后回填实际数据，用于下一轮优化。
3. **循环归档与下月准备**：
- 将 `schedule/current_month.json` 及所有详细记录移动至 `schedule/history/YYYY-MM/` 目录下。
- 基于本月配置自动生成下月的 `current_month.json`，状态置为 `pending`，循环次数 +1。
- 更新 `cycle_log.json` 总日志。
4. 向用户输出 **本月 GEO 循环总结报告**：各阶段完成情况、语料处理统计、下月建议重点。
### 3. 用户交互命令
用户可在对话中使用以下命令直接控制 Skill 行为：
- **“查看GEO进度”**
- 读取 `schedule/current_month.json`，展示当前月份、各阶段完成状态、已处理语料数量、待处理任务。
- **“GEO月度报告 [YYYY-MM]”**
- 若未指定月份，默认输出当月报告；若指定月份，则读取 `schedule/history/YYYY-MM/` 下的归档数据并生成报告摘要。
- **“跳过本周 / 继续下一阶段”**
- 将当前阶段标记为 `completed`，并自动进入下一周流程。适用于加速循环或调整节奏的场景。
- **“检查语料质量”**
- 对 `corpus/` 目录执行全量质量扫描，输出质量评分及优化建议列表。
- **“重置本月循环”**
- 清空当月进度文件，重新初始化 `current_month.json`，准备从头开始执行本月 GEO 流程。
- **“生成语料模板”**
- 在指定目录下生成一份符合规范的语料模板文件，供用户填充内容。
### 4. 关键设计原则与提醒
在执行过程中，Skill 应始终向用户传递以下 GEO 最佳实践：
- **结构化语料的 AI 引用概率比碎片化文本高出 320%**。
- **逻辑一致是 GEO 的生命线**：矛盾信息会使 AI 权重急剧降低。
- **持续循环优于一次性投喂**：深度优化的语义资产半衰期可达 180 天以上，每月迭代可保持长期优势。
## Environment Variables
本 Skill 支持通过环境变量自定义路径（可选）：
- `GEO_CORPUS_DIR`：语料库根目录路径，默认为当前 Skill 目录下的 `corpus/`。
- `GEO_SCHEDULE_DIR`：调度记录目录路径，默认为当前 Skill 目录下的 `schedule/`。
- `GEO_DEFAULT_PLATFORMS`：默认投喂平台，逗号分隔，如 `deepseek,kimi,doubao`。
## Tools Required
- `file_read`：读取语料文件、配置文件和日志。
- `file_write`：写入调度记录、优化后的语料内容（需用户确认）。
- `file_search`：扫描语料目录，查找新增或修改的文件。
- `memory_search`：记忆循环状态和用户偏好设置。
- `web_search`（可选）：查询最新的 GEO 平台算法动态，为优化策略提供参考。
## Appendix: 配套文件结构
本 Skill 预期以下目录结构（首次运行时会自动创建）：
geo-corpus-feeder/
├── SKILL.md # 本文件
├── corpus/ # 语料库
│ ├── brand/ # 品牌故事、定位、价值主张
│ ├── product/ # 产品特性、规格、使用场景
│ ├── faq/ # 常见问题与答案
│ ├── case/ # 客户案例、评价
│ └── knowledge/ # 行业白皮书、研究报告
├── schedule/ # 调度与日志
│ ├── current_month.json # 当月进度状态
│ ├── cycle_log.json # 所有循环的总日志
│ └── history/ # 每月归档目录
│ └── 2026-04/ # 示例归档
└── templates/ # 语料模板
└── corpus_template.md # 标准语料格式模板
**语料模板文件 (`corpus_template.md`) 核心内容建议**：
id: [待分配]
type: [brand|product|faq|case|knowledge]
priority: [high|medium|low]
keywords: []
target_platforms: [deepseek, kimi, doubao]
created: YYYY-MM-DD
updated: YYYY-MM-DD
version: 1.0
[1-2 句话概括，确保 AI 可直接提取引用]
[适用场景、目标用户、需求背景]
[可引用的具体数据、案例或权威来源]
Q1: [问题]
A1: [可直接引用的回答]
Q2: [问题]
A2: [回答]
Q3: [问题]
A3: [回答]
[10-15 个与内容相关的语义关键词，便于 AI Embedding 匹配]
## Example Usage
用户：开始本月 GEO 循环。
Skill：好的，已为您初始化 2026 年 4 月 GEO 语料投喂计划。本周为第 1 周——语料收集与清洗。
当前语料库规模：品牌 3 条，产品 12 条，FAQ 8 条，案例 5 条，知识 2 条。
我将开始扫描新增和修改的语料，并检查质量……
用户：查看 GEO 进度。
Skill：📅 2026 年 4 月 GEO 循环进度
✅ 第 1 周：语料收集与清洗（已完成，处理 28 条语料，发现 2 条待修正）
🔄 第 2 周：结构化与 Schema 标记（进行中，已完成 60%）
⏳ 第 3 周：AI 友好化优化（待开始）
⏳ 第 4 周：投喂与效果监测（待开始）
当前语料库 GEO 平均评分：7.4/10，建议关注低分语料 case_005.md。
skills 文件夹下创建 geo-corpus-feeder 文件夹。
geo-corpus-feeder/SKILL.md。
corpus/、schedule/、templates/ 等子目录，并生成 corpus_template.md 模板文件。
templates/corpus_template.md 的格式，在 corpus/brand/、corpus/product/ 等文件夹中放入你的品牌语料（Markdown 文件）。
如果需要我进一步提供 corpus_template.md 的完整单独文件内容或 current_month.json 的初始结构示例，可以继续告诉我。
共 2 个版本