GEO 内容生成引擎

问题在哪

品牌在 Kimi、豆包、通义千问、文心一言、DeepSeek 等 生成式引擎里往往「搜得到官网，答不出你」：高搜索量的通识词拉不开差异，带品牌特色的表达又几乎没有检索量。传统 SEO 标题堆品牌、正文一上来就推销，更容易被模型当成广告而少引用、少推荐。

GEO（Generative Engine Optimization） 针对的是：用户用自然语言提问时，引擎是否把你的内容写进答案、是否点名你的方案。

技能怎么跑

启动前工作目录必须有 brand.yaml，否则 Skill 直接拒绝运行。资料可以从品牌方原始文件按 references/conversion-spec.md 转成工程结构；知识库越完整，能写的体裁和 EEAT 强度越高（仅 brand.yaml 时偏通用痛点，补齐 case-database.json、data-stats.md、competitor-intel.md 后可做案例、数据与竞品对比）。

单篇流程是：准备上下文（cache-check、选题防撞、search-index 检索案例）→ 按格式裁剪 Prompt（formats/ 下避坑指南、How-To、思想领导力等 8 类映射不同规则子集与 FAQPage/HowTo/Article）→ Agent 写作 → 脚本后处理（check-rules、geo-check）→ 存储与 Schema。编排上遵守 14 条规则要点：标题不含品牌词、前约 300 字只谈问题、品牌落在方案段，并强制 适用 / 不适用 场景 H3；配合术语分层（发现→桥接→表达→记忆）与 8 维场景因子（含地域）。

≥3 篇时走并发批量：主 Agent 共享加载 brand.yaml，多子 Agent 并行写文，主线程串行后处理与 MASTER-INDEX 写入；每篇独立 checkpoint（scripts/checkpoint.py），单篇失败可单独续传。单篇 token 大头在生成，其余阶段尽量脚本化以减少重复读库。

边界与注意

• 脚本只做扫描、模板与索引，不自动改稿；后处理未通过时通常需有限轮 AI 修复，超过应人工介入。
• 发布后可配合 geo-monitor 做引用与收录追踪，但效果取决于平台收录与选题，不是写完即保证前排引用。
• 示例包 sim-wankang-ad/ 仅供结构参考，不代表你的品牌已配置完成。