doubao-geo-publisher

当用户需要围绕豆包 AI 搜索做 GEO 内容规划、关键词挖掘、E-E-A-T 资料整理、今日头条与搜狐号双平台改写、文章合规检查或批量生成发布素材时使用。适用于本地服务、全国品牌、B2B 工厂制造和混合型业务,尤其适合“问答词到目标达成词”的中文内容运营任务。

SKILL.md

GitHub

Doubao GEO Publisher

Overview

这个 Skill 面向“豆包搜索 + 今日头条主发 + 搜狐补发”的 GEO 工作流。它不是单纯的发文工具,而是一套从客户接待到监测复盘的交付框架:

  1. 接待客户并做上线前诊断。
  2. 把客户资料整理成结构化档案和 E-E-A-T 证据包。
  3. 生成带商业意图的关键词、选题和写作 Prompt。
  4. 为今日头条和搜狐号生成差异化版本并做合规检查。
  5. 在发布后做豆包搜索验证、引用追踪和迭代建议。
  6. 对稳定动作逐步沉淀为 Playwright 命令或脚本,降低反复操作成本。

这套流程分两条链路:

  • 客户流程: 发布前诊断、内容生产发布、发布后检测、前后对比反馈。
  • 内部复盘流程: 竞品与信源反推、模板逻辑提炼、行业模块更新。

默认策略:

  • 豆包优化主阵地优先看 今日头条,搜狐号作为补位与扩散平台。
  • 关键词只保留 中商业型 和 强商业型,避免纯知识词浪费篇幅。
  • 一切数据优先引用客户资料和可验证公开来源;没有来源就不要硬写。
  • 在正式生成内容前先做 客户诊断,避免客户资料不全时直接进入生产。
  • 对高重复的监测动作优先用 npx playwright 做半自动探测或留出脚本接口。

Quick Start

1. 先做客户诊断

先用 assets/intake_questionnaire.template.md 跟客户对齐需求,再把信息整理成 assets/client_profile.template.json。

如果已经拿到客户资料,优先先跑诊断:

python3 skills/doubao-geo-publisher/scripts/diagnose_client.py \
  --input /path/to/client_profile.json

这个脚本会输出:

  • 客户所处场景
  • 当前资料完备度
  • 缺失字段
  • 接下来应该先补什么
  • 第一阶段应该交付什么

2. 准备客户资料

如果原始资料很乱,先按下面顺序补字段:

  • objectives
  • target_customers
  • conversion_goal
  • brand_name
  • industry
  • business_type
  • service_area
  • core_services / core_products
  • eeat
  • verified_sources
  • competitors
  • compliance.industry_sensitivity

缺失字段宁可留空或写 待补充,不要编造。

3. 生成关键词与选题包

运行:

python3 skills/doubao-geo-publisher/scripts/generate_geo_plan.py \
  --input /path/to/client_profile.json \
  --output /path/to/geo_plan.json

这个脚本会输出:

  • 品牌词和目标达成词
  • 中商业型 / 强商业型关键词
  • 推荐文章类型
  • 头条标题候选
  • 搜狐安全标题候选
  • FAQ 种子问题
  • 发布与验证建议

4. 生成写作 Prompt 包

选定 关键词 + 文章类型 + 平台 后运行:

python3 skills/doubao-geo-publisher/scripts/build_prompt_packet.py \
  --profile /path/to/client_profile.json \
  --keyword "郑州家庭保洁怎么选" \
  --article-type guide \
  --platform toutiao

支持的文章类型:

  • guide: 选购 / 选择指南
  • analysis: 行业深度分析
  • annual: 年度盘点
  • procurement: 采购决策

支持的平台:

  • toutiao
  • sohu
  • both

5. 检查成稿是否适配平台

python3 skills/doubao-geo-publisher/scripts/platform_guard.py \
  --platform sohu \
  --industry medical \
  --keyword "郑州正骨医院怎么选" \
  --title "2026郑州正骨医院推荐TOP5" \
  --article /path/to/article.md

这个脚本会检查:

  • 标题长度、年份、数字
  • 搜狐号标题禁词
  • 电话号泄漏
  • 医疗类敏感表达
  • 优化术语外露
  • 参考来源段落
  • 关键词出现频次

6. 生成监测计划

python3 skills/doubao-geo-publisher/scripts/build_monitoring_plan.py \
  --profile /path/to/client_profile.json \
  --plan /path/to/geo_plan.json

这个脚本会输出:

  • 监测查询词
  • 建议频率
  • 要记录的字段
  • 触发人工复盘的阈值
  • 哪些步骤适合继续自动化

7. 做发布前 / 发布后豆包研究

当需要把豆包搜索结果变成客户诊断、发布后检测或内部复盘时,使用 $geo-doubao-research。

先从当前项目变量抽取检验词,不使用固定样例:

python3 skills/geo-doubao-research/scripts/select_doubao_queries.py \
  --keywords /path/to/keywords.csv \
  --profile /path/to/client_profile.json \
  --output /path/to/doubao-query-batch.md

再用有头浏览器进行豆包检验:

bash skills/geo-doubao-research/scripts/prepare_doubao_session.sh \
  --profile-dir /tmp/doubao-geo-profile

最后把人工复制的豆包回答、引用来源和截图路径整理成报告:

python3 skills/geo-doubao-research/scripts/build_doubao_research_report.py \
  --mode effect \
  --stage pre \
  --input /path/to/effect-log.md \
  --output /path/to/pre-diagnosis-report.md

这个步骤用于:

  • 发布前诊断客户在 AI 搜索里的真实状态
  • 发布后检测内容发布是否改变豆包结果
  • 对比发布前后变化
  • 收集竞品和引用来源,进入内部复盘

8. 浏览器探测豆包入口

skills/doubao-geo-publisher/scripts/probe_doubao_surface.sh \
  --url https://www.doubao.com \
  --output-dir /tmp/doubao_probe

这个脚本使用 npx playwright screenshot 做低成本探测,适合:

  • 验证页面是否可打开
  • 观察是否需要登录
  • 保存页面截图给人工复核
  • 作为后续登录态脚本的前置探针

9. 跑展示版闭环

如果要把这套 Skill 用于 上传展示、案例演示 或 对外说明,直接跑闭环脚本:

python3 skills/doubao-geo-publisher/scripts/run_closed_loop_demo.py \
  --profile /path/to/client_profile.json \
  --publish-dir /path/to/publish-batch \
  --article-manifest /path/to/article-manifest.json \
  --industry education \
  --output-dir /path/to/showcase

这个脚本会自动输出:

  • diagnosis.json / diagnosis.md
  • geo-plan.json
  • prompts/*.txt
  • monitoring-plan.json
  • article-validation.json / article-validation.md
  • showcase-summary.json / showcase-summary.md

适合拿来证明这套 Skill 已经从“方法论”进入“可交付工作流”。

Workflow

0. 接待与诊断

默认把自己当成客户接待人员,而不是写稿机器人。先判断客户当前处于哪一类场景:

  • 新客户冷启动: 没有资料、没有内容、没有平台基建
  • 已有内容但没收录: 发过文章,但豆包和平台效果差
  • 品牌防守: 品牌词搜索结果杂乱,官网 / 头条 / 搜狐信息不统一
  • 重点项目冲刺: 某个业务词、地区词或季度活动要快速起量
  • B2B线索型: 重点是询盘、留资、采购决策内容,不是单纯流量

先做三件事:

  1. 确认客户目标是 曝光、咨询、品牌词防守、地区商机 还是 招商/采购线索。
  2. 确认客户现在手里到底有什么,尤其是资质、案例、媒体、平台账号和历史内容。
  3. 确认行业敏感级别,尤其是医疗、教育、法律、金融这类高风险场景。

A. 先判断业务类型

  • local_b2c: 本地服务,优先“地域 + 品类 + 商业动作词”
  • national_brand: 全国品牌,优先“评价前缀 + 品类属性 + 推荐后缀”
  • b2b_factory: 工厂制造 / 供应链,优先“产业带 / 地域 + 品类 + 企业类型词 + 商业动作词”
  • hybrid: 同时输出两套关键词池

B. 再判断文章形态

  • 用户不理解行业、岗位、产品或服务时,用 认知科普型。
  • 用户正在比选老师、机构、产品或服务时,用 选择判断型。
  • 用户需要看行业趋势、变化背景和品牌位置时,用 行业观察型。
  • 用户关心就业、案例、成果或交付痕迹时,用 案例成果型。
  • 用户搜索人物、账号、创始人、老师或机构时,用 人物机构型。

旧的 guide / analysis / annual / procurement 只作为脚本兼容类型。正式发布文章必须落到上面五类之一,并读取 $geo-article-writer 的 article-generation-rules.md。

C. 双平台策略

先做头条版,再做搜狐版:

  1. 头条版可以更有承接感,但先回答用户问题,不要在导语硬推客户。
  2. 搜狐版要把标题降锋芒,去掉 TOP、榜、推荐、靠谱、权威 等词。
  3. 搜狐版默认删电话、删过强 CTA、删医疗类“医院排名”表达。
  4. 正式正文必须遵守 $geo-article-writer 的五类文章规范,不把内部 GEO 逻辑写进正文。

D. 发布后监测

把监测视为交付的一部分,不要把“发完了”当成结束。

最少要追这几类问题:

  1. 目标关键词在豆包里是否出现了目标主体。
  2. 回答里出现的是自己、竞品,还是泛化知识。
  3. 豆包引用的是头条、搜狐、官网还是别的平台。
  4. 近期发布内容是否被平台限流、降权或误伤。
  5. 哪些关键词已经能稳定承接,哪些还要继续补内容。

发布前和发布后必须尽量使用同一批或同类关键词,来源优先级为:

  1. 表二关键词库里的强商业词
  2. 表二关键词库里的中商业词
  3. 品牌词 / 目标达成词
  4. 竞品对照词

如果豆包引用了竞品或第三方来源,不要直接改写竞品文章。先用 $geo-doubao-research 做信源和模板反推,再把结论回流到写稿 Brief。

E. 自动化沉淀

当某个动作重复 3 次以上,就考虑沉淀:

  • 手工 SOP -> Skill 文档
  • Skill 文档 -> 命令行脚本
  • 脚本 -> 登录态复用 / 定时监测

默认优先自动化这些环节:

  • 页面入口探测
  • 截图留档
  • 查询词轮询
  • 成稿合规校验
  • 监测计划生成

对于 最终发布、账号登录、敏感内容提交 这类动作,保留人工确认。

Hard Rules

  • 数据和案例必须可溯源。
  • 不写 EEAT、GEO、SEO、豆包优化、关键词布局 这类行话到正式文章里。
  • 不写 客户资料显示、补充材料显示、实体链、目标达成词、我们要绑定 这类内部交付痕迹到正式正文里。
  • 标题尽量少于 30 字,优先包含核心问题或核心词;年份和数字只有在真实有用时再加入。
  • 首段先回答用户真实问题,不允许直接硬推目标客户。
  • 正文每 300 字左右自然出现 1 次关键词,不堆砌;自然度优先于机械频次。
  • 目标客户 / 品牌 / 人物必须在正文中后段自然出现,作为样本、案例或观察对象。
  • 来源、关键词、配图建议默认放在 发布设置(不复制到正文) 或证据目录;除非用户要求,不强行在正文末尾堆参考来源。
  • 今日头条同主题内容间隔至少 6 小时,避免高相似度连发。
  • 诊断阶段发现资料不足时,先补证据,不要跳过直接出稿。
  • 监测记录必须沉淀,不要只靠聊天记忆判断效果。
  • 浏览器自动化默认先做探测和截图,再决定是否进入更深的登录态流程。
  • 豆包诊断和竞品信源反推必须使用当前项目变量,不能用固定样例代替验收。

When To Read References

Output Style

在实际帮用户产出内容时,优先给这些中间产物:

  1. 客户诊断摘要
  2. 客户资料摘要
  3. 关键词分层结果
  4. 文章角度建议
  5. 双平台标题候选
  6. 参考来源建议
  7. 发布前风险清单
  8. 监测计划
  9. 自动化建议

如果用户要求直接出稿,再进入完整文章生成。