geo-visibility-probe

当用户要探测品牌/产品/事件在主流大模型中的收录与可见度,或做 GEO 监测 Layer1 采集时使用。必测国内豆包/DeepSeek/千问/百度/Kimi/腾讯元宝与国外 OpenAI/Gemini/Claude/Grok/Meta;产出 llm_coverage 矩阵供 hub 合并。

SKILL.md

GitHub

主流大模型收录探测(Layer1)

对被查询主体(品牌 / 产品 / 事件)在主流大模型回答中的收录状态、提及率、首位推荐、引用来源做矩阵化探测。

权威字段定义:references/llm-coverage-matrix.md
必测清单:config/geo-llm-coverage-required-models.json

核心策略(必测 11 模型)

国内(6):doubao 豆包 · deepseek DeepSeek · qwen 千问 · baidu 百度文心 · kimi Kimi · yuanbao 腾讯元宝

国外(5):openai OpenAI · gemini Gemini · claude Claude · grok Grok · meta Meta AI

缺 Key 或不可达时:status: skipped,indexing_status: unknown,仍须输出占位行。不得省略任一必测 id。

能力边界(避免重复)

能力 职责 不做什么
本 skill 逐模型收录矩阵 → llm_coverage 不写完整 MD/HTML 报告
geo-monitor-hub 合并多源 → 单一 monitor-data.json 不重复全量探测
geo-monitor-report MD+HTML 呈现与优化建议章节 不重新探测
mkt-brand-mention 公开渠道提及与情感 不含逐模型收录
geo-competitor-analysis 竞品差距与行动清单 不含全量模型矩阵
pd-geo verification-plan 快检 10 条问句 不含十模型矩阵

工作流

  1. 确认主体:subject.type + subject.name + 别名;从用户或 keywords.md 取 8–12 条问句
  2. 逐模型探测(必测 11 id,见 llm-coverage-matrix):
    • 国内:web_search(博查)模拟「用户问 AI」
    • 国外:有 Key 时 mcp-agent-aeo,否则 skipped 占位
  3. 记录每模型:indexing_status、indexing_score、mention_rate、citation_sources、evidence_summary
  4. 汇总:
    • 写入 probe-results.json 或 monitor-data.json 的 llm_coverage + 派生 engines[]
    • 校验 models.length ≥ 11 且含全部必测 id
    • 计算 coverage_score;列出 gaps[] 与 optimization[](P0/P1/P2)

评分

  • llm_coverage.coverage_score:有效模型 indexing_score 均值
  • mention_rate / top_pick_rate:问句维度(与旧字段兼容)

Key 降级

无 AgentAEO 时:国内六模型仍探测;国外五模型 skipped 占位。勿中断。

交付

  • 最小:probe-results.json(含完整 11 模型 llm_coverage)供 hub 合并
  • 完整三件套由 geo-monitor-hub → geo-monitor-report 产出