GEO-SEO 优化套件

它解决什么问题

内容发布之后，真正的难题才开始：目标读者能不能在搜索结果里找到它，能不能被 ChatGPT、Claude、Perplexity 这类生成式引擎当作答案引用。传统 SEO 盯着关键词排名和外链，GEO 盯着模型引用与推荐，两套规则并不完全重合，同时维护往往意味着重复劳动。

geo-seo-claude 把这件事拆成一批可单独调用的子技能文件，一共 16 个，覆盖从内容打磨到发布后观察的完整流程。

技能如何工作

核心能力

• 以 16 个子技能文件组织工作流，每个文件聚焦一个环节，可按需组合，也可单独使用。
• 兼容 Claude Code、Codex、Hermes Agent、OpenClaw、QClaw、WorkBuddy 等多款编程助手，不绑定单一运行时。
• 同时面向两类目标优化：搜索引擎的可抓取结构，以及生成式引擎容易引用的表述方式。

关键步骤

1. 对比内容在搜索结果与模型回答中的呈现差异。
2. 按子技能拆分任务，逐项调整标题、结构、事实密度与表述方式。
3. 复核改动是否影响可读性与准确性。
4. 发布后持续观察，判断哪些调整真正带来了引用与曝光。

适用边界与注意点

• GEO 的效果受模型版本、检索策略与平台差异影响，任何工具都无法承诺稳定的引用位置。
• 它优化的是内容本身，不能替代索引提交、站点性能等基础设施工作。
• 子技能粒度较细，首次使用建议先跑通一两个环节再逐步扩展，避免一次性改动过多难以归因。