技能介绍

解决什么问题

把同一篇稿件原封不动地群发到公众号、知乎、百家号等平台，在 AI 搜索眼里等于「同一篇内容的复读」。语义聚类会把它们识别为一个信源，既无法形成交叉验证信号，也容易因为措辞雷同被判定成低质操作。更糟的是，如果各平台版本出现数据打架或信源模糊，AI 反而会降低整体采信率。

核心机制

这个技能围绕「一套事实，多种面孔」展开，核心是三条铁则：

数据锚点优先：每个论点必须带「数字 + 来源 + 年份」，AI 引用时明显偏好含量化数据的句子
信源绑定进首段：首段主语必须是机构品牌，而非「业内专家」「笔者」等模糊称呼，避免 AI 摘取时无法归属
五个叙事重心互不相同：新闻通稿、深度分析、故事化、科普拆解、精简版各占一个角度，语义相似度控制在 60–75%，而非只换标题和开头

执行分五步：先产出一篇通过质检的母版（TL;DR、FAQ、独立可引用段落缺一不可），再按 references/variant_templates.md 生成五类变体，所有数字和机构名称 100% 原样保留，但叙述重心各不相同；随后为母版添加 Schema.org 标记与 llms.txt；按 Day1–Day7 节奏分发，所有变体回链母版；最后用 scripts/geo_scan.py 在目标 AI 平台实测引用率，对未被引用的变体重新改写。

适用边界

需要先有核心稿：技能只做分发与改写，不负责从零写稿。母版不达标时，必须先改稿再分发
依赖已核实的知识库：原文缺少量化数据且用户未提供核实来源时，必须停下来确认，严禁编造
不是群发工具：核心事实不变，但每篇变体必须在叙述结构上真正不同，否则仍会被 AI 判为重复
API key 仅走环境变量：geo_scan.py 不读取任何本地配置文件，扫描题目模板在 scripts/example_questions.json 里替换品牌名即可使用