GEO内容优化改写器
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md 安装技能 @user_8cf782a7/aikewen-geo-content-optimizer。
技能介绍
解决什么问题
传统 SEO 的写法正在 AI 时代失效。搜索引擎靠链接和关键词排序,而大语言模型、RAG 检索和知识库引用依赖的是语义清晰度和事实可抽取性。满是 Markdown 表格、模糊表述和分散论点的测评文章,LLM 很难准确抽出数据与结论,自然也不会优先引用。
本技能针对的正是这个痛点:把原始文章改写成 GEO(Generative Engine Optimization)友好的格式,让内容在 AI 问答场景中更易被理解、引用和推荐。
核心工作原理
改写分两个阶段。
阶段一:结构化分析。 先拆解原文的核心主题、目标实体、关键数据、用户意图和现有结构,确保不偏离原意。
阶段二:按 8 条规则重写:
- 标题语义化:H2/H3 标题嵌入数字、地域、场景关键词
- 零表格:所有表格对比转化为带加粗关键数据的段落陈述
- 实体声明前置:品牌首次出现即给出全称、地域、深耕年限、核心型号
- 结论先行:每个段落首句即核心判断
- FAQ 映射真实查询句式,答案首句直接给结论,并被设计为可被抓取的
Featured Snippet - 数字精确化:所有数据写成「数字 + 单位」格式
- 双面向评估:每个实体结尾分别给出优势与局限,保持中立
改写完成后按 8 项清单自检,文末附带「结构化设计说明」。
适用边界
- 不虚构数据:原始缺失的参数保留空白或标注
待补充 - 只重构表达形式,不改动原文观点与推荐排序
- 输出语言与原文保持一致
- 不插入外部链接,以事实内嵌为主
使用场景
- 拿到一份含参数对比表的工业设备测评,需要改写成AI问答系统能直接引用的段落陈述
- 用户提交原始产品测评或选购攻略,需按GEO规则重构标题层级、FAQ结构与数据呈现
- 品牌对比文章在AI助手中的引用率偏低,需要调整实体声明方式与关键数据加粗位置
- 准备进入RAG知识库的行业指南,需把模糊数量改写成精确的「数字+单位」表述
适合人员
- 内容站站长:希望文章被AI问答和RAG知识库引用,而非只靠传统搜索排名获取流量
- 技术写作者:需要把含表格的评测稿改写成LLM能精确抽取事实的结构化文本
- B2B市场专员:希望品牌对比内容在AI生成的回答中被识别、引用和提及
- 产品文档负责人:希望帮助文档在RAG知识库检索中被准确召回并直接给出结论