Token导航 LogoToken导航TokenDH.com
效率需要联网clawhub未标认证来源可访问clear审计通过

geo-operation-assistant地理运营助理

Agent Skill

geo-operation-assistant 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

3,994

周安装

160

GitHub Stars

公开资料未说明

下载量

1,293
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:geo-operation-assistant(地理运营助理)
来源仓库:https://github.com/ludiansheng/geo-operation-assistant
安装命令:
openclaw skills install geo-operation-assistant
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install geo-operation-assistant

简介

GEO运营助手,帮助运营人员优化内容在生成式搜索引擎中的引用表现,提供关键词拓展、引用源分析、内容优化、发布策略等全流程支持;当用户需要GEO优化、提升大模型引用率、内容权威性分析或发布策略建议时使用

SKILL.md

name
geo-operation-assistant
description
GEO运营助手,帮助运营人员优化内容在生成式搜索引擎中的引用表现,提供关键词拓展、引用源分析、内容优化、发布策略等全流程支持;当用户需要GEO优化、提升大模型引用率、内容权威性分析或发布策略建议时使用

GEO 运营助手

任务目标

  • 本 Skill 用于:帮助运营人员从用户提问出发,完成从语义理解、内容挖掘、模拟发布到效果验证的全流程 GEO 工作
  • 能力包含:关键词拓展、大模型引用测试模拟、引用源分析、内容优化建议、发布策略建议、复盘优化
  • 触发条件:用户输入"GEO"、"帮我做GEO"、"生成式引擎优化"或提供产品/关键词请求优化

工作流程选择

本 Skill 提供两种工作流程,根据任务复杂度自动选择:

快速 GEO 检测(推荐用于简单任务)

适用场景:仅需判断内容能否被大模型引用、快速评估内容质量 流程时长:3-5 分钟 具体流程:参考 快速检测指南

完整 GEO 优化流程(推荐用于深度优化)

适用场景:需要系统化优化、从零开始创建内容、完整验证效果 流程时长:30-60 分钟 具体流程:参考下方 7 阶段完整流程


完整工作流程(7 阶段)

阶段 0:意图识别与流程选择

(智能体完成)

执行步骤:

  1. 识别用户意图类型:

- GEO 知识问答:解释 GEO 概念、原理、最佳实践 - 具体 GEO 任务:针对特定产品/关键词进行优化

  1. 确认流程模式:

- 快速检测模式:仅需判断内容引用潜力 → 进入快速检测流程 - 完整优化模式:需要系统化优化 → 进入 7 阶段完整流程

  1. 收集必要信息(完整优化模式):

- 产品/品牌名称 - 核心关键词(1-3 个) - 目标大模型(默认:全部主流模型) - 是否有现成内容源

  1. 确认任务范围并进入下一阶段

阶段 1:语义理解与关键词拓展

(智能体完成)

执行步骤:

  1. 基于用户输入,提取实体、意图、长尾问题
  2. 参考 关键词拓展策略,输出 3 类关键词:

- 核心高频词:直接相关的高搜索量词汇 - 长尾问题词:"如何…"、"为什么…"、"哪个更好"等问答型 - 竞品对比词:与竞品关联的对比搜索词

  1. 输出表格格式:关键词 | 搜索意图 | 建议内容类型

阶段 2:大模型引用测试模拟

(智能体完成)

执行步骤:

  1. 智能体模拟不同大模型(ChatGPT、Gemini、Claude、文心等)对用户关键词的回答

- 示例:模拟 ChatGPT 对"家用咖啡机推荐"的回答结构 - 分析可能的引用源类型(评测网站、论坛、官方文档等)

  1. 识别模拟回答中的引用特征:

- 引用的内容类型(产品评测、使用指南、对比表格) - 引用的权威性指标(数据支撑、专业术语、第三方验证)

  1. 输出分析结果:

- 当前哪些类型的源更易被引用 - 推荐的内容源类型优先级

阶段 3:引用源内容挖掘与权威性分析

(智能体完成)

执行步骤:

  1. 获取内容(选择其一):

- 方式 A(推荐):用户提供网页内容文本,直接复制粘贴到对话中 - 方式 B(可选工具):若环境支持 Python,可调用 scripts/fetch_webpage.py 抓取内容(需安装依赖) - 方式 C:提供网页 URL,智能体分析 URL 的域名权威性特征

  1. 分析内容结构(智能体直接分析,无需脚本):

- 评估标题层级清晰度 - 分析段落密度合理性 - 统计数据密度(数字、百分比、日期出现次数) - 检查结构化元素使用(列表、表格、加粗等)

  1. 评估权威性

- 参考 权威性评估标准,评估: - 域名权威性(.gov/.edu/知名媒体/企业官网等) - 内容结构质量(标题层级、数据密度、结构化元素) - 引用可信度(外部引用质量、数据来源标注)

  1. 输出分析报告:

- 权威内容特征清单 - 用户内容与权威源的差距对比 - 具体优化建议(优先级排序)

阶段 4:内容模拟与美化

(智能体完成)

执行步骤:

  1. 参考 内容模板库,生成内容草稿:

- 选择合适格式:博客文章、产品页、FAQ、对比测评等 - 融合产品信息 + 权威源特征

  1. 检测并优化"混淆结构"(大模型容易忽略的元素):

- 无关段落:删除与主题不直接相关的内容 - 模糊标题:改为明确、数据化的标题 - 缺少结论句:在关键位置添加总结性结论

  1. 增强权威感的优化操作:

- 引述数据:"根据 2025 年市场调研,70% 用户认为…" - 加粗关键结论:**结论:** 智能咖啡机 Pro 在清洁便捷性方面领先同类产品 30% - 使用对比表格:列出产品间的关键差异 - 添加引用外链:链接到权威数据源

  1. 输出:

- 可直接复制的内容草稿 - 优化 checklist(建议改进项)

阶段 5:内容模拟发布策略

(智能体完成)

执行步骤:

  1. 根据目标大模型,建议发布平台:

- ChatGPT/GPT-4:Medium、LinkedIn、行业垂直博客 - Google Gemini:Google 我的商家、Google 博客、权威媒体 - 文心一言:知乎、小红书、百家号、微信公众号 - Claude:专业论坛、技术社区、学术平台

  1. 分析各平台的权威性特征:

- 域名权重 - 用户信任度 - 内容更新频率要求

  1. 提供"模拟发布验证"测试建议:

- 将内容作为候选语料,模拟大模型如何引用 - 预测被引用概率(高/中/低)

  1. 输出发布策略清单:

- 推荐平台列表(优先级排序) - 各平台的发布注意事项 - 预期效果和验证方法

阶段 6:效果验证与时效测试

(智能体完成)

执行步骤:

  1. 手动验证方法(无需工具):

- 在不同大模型中输入相同关键词 - 观察回答中是否出现用户发布的内容或链接 - 记录引用出现的具体内容和位置

  1. 量化验证指标(参考 引用率测试方法):

- 引用率 = (被引用的验证次数 / 总验证次数) × 100% - 首次引用时间(发布后第 X 天) - 引用模型数量(X 个模型) - 引用内容准确度(XX%)

  1. 验证时间节点

- 发布后 24 小时:首次检查 - 发布后 3 天:中期验证 - 发布后 7 天:效果评估 - 发布后 14 天:稳定性测试

  1. 输出验证报告(可参考 报告模板):

- 引用率统计 - 各模型引用情况 - 引用内容分析 - 成功因子提取

阶段 7:复盘与二次优化

(智能体完成)

执行步骤:

  1. 汇总全流程数据:

- 关键词表现 - 引用源分析结果 - 内容版本对比 - 验证结果数据

  1. 提取成功因子:

- 分析被引用内容的共同特征 - 识别关键优化动作 - 总结有效策略

  1. 参考 GEO 知识库,提供二次优化建议:

- 内容结构优化 - 发布平台调整 - 关键词策略迭代

  1. 输出二次优化方案:

- 具体改进措施 - 预期效果评估 - 执行优先级


资源索引

参考文档

可选工具(需安装依赖)

说明:上述脚本为可选工具,用于自动化网页抓取和内容分析。如环境不支持安装第三方库,可直接使用智能体进行自然语言分析,效果相同。

输出资产


注意事项

  1. 充分利用智能体能力:本 Skill 的核心价值在于流程指导和策略建议,大部分工作由智能体完成,可选脚本仅用于自动化技术性任务
  1. 无依赖运行:Skill 完全依赖智能体能力运行,可在受限环境使用。如需使用自动化脚本,需自行安装依赖(requests、beautifulsoup4、lxml)
  1. 内容获取方式

- 推荐方式:用户直接复制网页内容文本到对话中,由智能体分析 - 可选方式:使用脚本自动抓取(需安装依赖) - 备选方式:提供 URL,智能体分析域名权威性特征

  1. 策略建议要求:所有建议需附带推荐理由,如"根据阶段 2 测试,使用对比表格的内容被引用概率提升 40%"
  1. 数据隐私保护:用户输入的关键词、产品信息、生成内容仅用于当前会话,不进行持久化存储
  1. 流程灵活性:不必一次性完成所有阶段,可根据用户需求灵活调整流程,快速检测模式适合简单任务

使用示例

示例 1:快速 GEO 检测

用户:帮我看一下这篇文章能否被 ChatGPT 引用
[用户粘贴文章内容]

Skill 执行:
1. 进入快速检测模式
2. 分析内容结构(标题、数据、结构化元素)
3. 评估权威性(域名、引用、质量)
4. 给出引用潜力判断(高/中/低)和优化建议

示例 2:完整 GEO 优化流程

用户:帮我为"智能咖啡机 Pro"做 GEO,关键词是"家用全自动咖啡机推荐"

Skill 执行:
1. 阶段 0:确认完整优化模式
2. 阶段 1:拓展出"咖啡机品牌对比"、"如何选择咖啡机"等长尾词
3. 阶段 2:模拟 ChatGPT 回答,发现评测类内容更易被引用
4. 阶段 3:分析权威评测网站的内容特征
5. 阶段 4:生成含对比表格的评测文章
6. 阶段 5:建议发布到 Medium 和知乎
7. 阶段 6:提供验证方法和时间表(含引用率计算方法)
8. 阶段 7:复盘并给出优化建议

示例 3:效果验证

用户:我的文章已经发布 7 天了,帮我验证引用效果

Skill 执行:
1. 收集发布信息(平台、日期、关键词)
2. 提供验证步骤(向各模型提问)
3. 计算引用率(被引用次数 / 总验证次数)
4. 生成验证报告(引用率、首次引用时间、成功因子)

示例 4:GEO 知识问答

用户:什么是 GEO?和 SEO 有什么区别?

Skill 执行:
直接参考 GEO 知识库,解释 GEO 的定义、原理、与 SEO 的区别,并提供实际案例

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

91.91%
按下载量换算1,188

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills