1实现原理 · 为什么它能做到
GEO-first 的六维加权评分是整套工具的主轴：AI 可引用性权重最高（25%），品牌权威 20%、内容 E-E-A-T 20%，传统技术 SEO 只剩 15%、结构化数据 10%、平台面 10%；公式、0-100 分档与 Critical/High/Medium/Low 整改时限都写死在技能文件里，agent 的自由裁量被压缩成『按 rubric 给六个分』。
skills/geo-audit/SKILL.md
GEO_Score = (Citability * 0.25) + (Brand * 0.20) + (EEAT * 0.20) + (Technical * 0.15) + (Schema * 0.10) + (Platform * 0.10)
注：同文件给出 90-100 Excellent / 75-89 Good / 60-74 Fair / 40-59 Poor / 0-39 Critical 五档释义，以及 Critical『Fix Immediately』到 Low『Optimize When Possible』的分级清单——分数可解释、可复算是它能交付客户的前提。
可引用性（citability）不是口号而是可执行代码：citability_scorer.py 把『AI 偏爱 134-167 词、自洽、含事实数字的段落』落成五个维度的正则打分器（答案块 30 / 自洽 25 / 结构 20 / 统计密度 15 / 独特性 10），逐段 0-100 并给 A-F 档。
scripts/citability_scorer.py
if 134 <= word_count <= 167:
注：同文件用 re.search 匹配定义句式（'X is a/an/the'、'refers to'、'defined as'）、代词密度、百分比/美元/带单位数字、'according to|research shows|studies found'、'our research|we found' 等；全程零 LLM 调用、零 API key，纯启发式，因此可离线复算也在 tests 里可回归。
全站审计靠 5 个并行 subagent 分工：geo/SKILL.md 用表格把每个 agent 文件与它负责的子技能绑好，主 skill 只做 Phase 1 探测、Phase 2 并发委派、Phase 3 合成。
geo/SKILL.md
Launch these 5 subagents simultaneously:
注：agent 清单为 geo-ai-visibility（citability/crawlers/llmstxt/brand-mentions）、geo-platform-analysis、geo-technical、geo-content、geo-schema；每个 agent 独立定义权重与输出格式，例如 agents/geo-ai-visibility.md 里 AI_Visibility = Citability*0.35 + Brand*0.30 + Crawler*0.25 + llms.txt*0.10。并行本身依赖宿主 agent 调度能力，skill 提供的是分工契约与合并规则。
AI 爬虫准入判定有实体依据：fetch_page.py 内硬编码 14 个 AI/搜索爬虫名单并逐条解析 robots.txt，agent 侧再给 100 分制扣分规则（关键爬虫被封各扣 15 分、次级各扣 5 分、无 sitemap 引用再扣 10 分）。
scripts/fetch_page.py
ai_crawlers = [ "GPTBot", "OAI-SearchBot",
注：名单为 GPTBot/OAI-SearchBot/ChatGPT-User/ClaudeBot/anthropic-ai/PerplexityBot/CCBot/Bytespider/cohere-ai/Google-Extended/GoogleOther/Applebot-Extended/FacebookBot/Amazonbot；robots.txt 之外还检查 /llms.txt、sitemap 引用，并解析非计分的 Content-Signal 草案指令（draft-romm-aipref-contentsignals）。
llms.txt 既能校验也能生成：脚本按『H1 标题 / > 描述 / ## 分节 / 链接条目』四项判定 format_valid 并逐条给 issues，generate 模式爬首页+内链（默认 30 页）输出 llms.txt 与 llms-full.txt 文本。
scripts/llmstxt_generator.py
result["format_valid"] = (
注：生成 llms-full.txt 时为每页再抓一次 meta description；作者显式跳过跨域 URL 以降低 SSRF 面（该行注释为 '# Skip cross-origin URLs to prevent SSRF via redirect chains'），说明已意识到被审计站点能向脚本注入请求目标。
品牌提及扫描是『半个真调用 + 半个交办』：Wikipedia/Wikidata 走真实 API 请求给出 yes/no 结论，YouTube/Reddit/LinkedIn/G2 等其余平台只生成 search_url 与核查清单，真实抓取交给 agent 的 WebFetch/搜索。
scripts/brand_scanner.py
api_url = f"https://en.wikipedia.org/w/api.php?action=query&list=search&srsearch={quote_plus(brand_name)}&format=json"
注：证据边界：同文件 YouTube 分支写着 '# Note: Actual YouTube API would be used in production' / '# This provides the framework for Claude Code to use WebFetch'。故 README 的 'Scans YouTube, Reddit, Wikipedia, LinkedIn, and 7+ other platforms' 应理解为『给出扫描入口+评分方法论，具体核查由 agent 执行』。
PDF 交付物零 Python 依赖：v2.0.0 的 geo-report-pdf 用 pandoc 把 GEO-AUDIT-REPORT.md 渲染成自包含 HTML（自带封面模板 + CSS），再用本机 Google Chrome headless 打印成 PDF；分数与严重度上色由模板内联 JS 在打印前完成。
skills/geo-report-pdf/SKILL.md
No Python dependencies. No ReportLab. No JSON data wrangling.
注：前置只要求 pandoc 与本机 Chrome（'/Applications/Google Chrome.app/'），最终以 Chrome "file://$(pwd)/GEO-REPORT.html" 打印；所谓 charts 实为 CSS 生成的评分徽章与色块表格，不是图表库。
/geo update 是一条自更新通道：clone 上游 main（--depth 1，无 commit pin、无校验），diff 后把 geo/、skills/、agents/、scripts/、schema/ 覆盖到 ~/.claude/，再 pip install -r 更新依赖，并且明确不删除本地已定制文件。
skills/geo-update/SKILL.md
git clone --depth 1 https://github.com/zubair-trabzada/geo-seo-claude.git "$TEMP_DIR/repo"
注：同文件 Step 5 的依赖更新走 'python3 -m pip install -r "$SOURCE_DIR/requirements.txt" --quiet'（非安装器那套 venv 隔离路径）；该技能 allowed-tools 为 Bash/Read/Write，是本仓库里唯一『拉取并落盘上游代码』的常态路径。
2核心能力
01单一入口 /geo 的命令路由（17 条命令）与随命令声明的工具白名单
02复合 GEO Score（0-100）六维加权 + 五档评级 + Critical/High/Medium/Low 分级行动清单
03段落级 citability 打分（0-100 → A-F 档）与改写建议依据
04AI 爬虫准入判定（Allowed/Blocked/Restricted/Unknown）+ 扣分制 Crawler Access Score + Content-Signal 解析
05llms.txt 校验与从站点爬取生成（含 llms-full.txt）
06品牌/实体权威面扫描：Wikipedia 与 Wikidata 真调用，外加 Quora/Stack Overflow/GitHub/Crunchbase/Product Hunt/G2/Trustpilot 等检索入口
07客户交付物流水线：markdown 报告（GEO-CLIENT-REPORT.md/GEO-AUDIT-REPORT.md）→ pandoc+Chrome headless 的封面/评分色块 PDF，模板与 CSS 可白标改色
08GEO 代理商业务面：CRM-lite（prospect/proposal/compare 写 ~/.geo-prospects/）+ Flask/HTMX 看板（localhost:5050）+ rich 终端看板
3外部依赖
| 类型 | 依赖 |
|---|---|
| package | requests |
| package | beautifulsoup4 |
| package | lxml（BeautifulSoup 解析器） |
| package | playwright（可选，截图用；安装器会拉 Chromium 二进制） |
| package | flask（CRM Web 看板） |
| package | rich（终端 CRM 看板） |
| package | Pillow / urllib3 / validators（requirements 其余依赖，脚本中未直接调用点） |
| cli | pandoc |
| cli | Google Chrome（headless 打印 PDF） |
| cli | git（安装与 /geo update 拉取上游） |
| cli | uv（可选，加速 venv/依赖安装） |
| api | Wikipedia MediaWiki 搜索 API |
| api | Wikidata wbsearchentities API |
| network | 被审计目标站点本身（任意 http/https 主机，含 /robots.txt、/llms.txt、/llms-full.txt、/sitemap.xml、/sitemap_index.xml 及页面与页面内同域链接） |
| network | Google Fonts（PDF 样式表 @import，pandoc/Chrome 渲染时取字体） |
| network | Bootstrap 与 HTMX CDN（CRM Web 看板模板） |
| network | raw.githubusercontent.com 一键安装（curl 管道执行 install.sh，不进 skill 运行时） |
| api | GitHub REST stargazers API（仅 CI 生成星标图，不进 skill 运行路径） |
4风险提醒 风险提醒：黄色 · 留意使用
风险提醒：黄色 · 留意使用
- 文档与代码不同步，会让用户走不通路径或误解能力。 — README/docs/commands-reference 仍写 scripts/generate_pdf_report.py + ReportLab（文件不存在、依赖未列），现行 PDF 走 pandoc+Chrome；子技能数量三处互斥（README/architecture 13、geo/SKILL.md 14、实际 15）；router 的 /geo page 与 /geo quick 无对应子技能目录。
- 品牌提及能力表述夸大。 — brand_scanner.py 仅对 Wikipedia/Wikidata 发真实请求，YouTube/Reddit/LinkedIn 及 7 个其它平台只输出 search_url 与核查清单，靠 agent 的 WebFetch/搜索补完；对外交付时说成『已扫描 N 个平台』会高估证据强度。
- prompt injection → 执行权：不可信页面内容进入上下文，同时 Bash/Write 被授权且无隔离约定。 — 被审计站点的 HTML/文本经脚本与 WebFetch 进入模型上下文，而主/子技能声明 Bash + Write；文档未要求把外部内容当数据而非指令，也未要求执行前确认。结果是审计结论可能被对抗文本污染（并交付给客户），或被诱导执行命令——必须人工复核外部触发的命令与报告结论。
- 安装/自更新链路无 pin、无校验。 — README 一键安装为 `curl -fsSL .../install.sh | bash`；/geo update 无 commit pin 地 clone 上游 main、覆盖 ~/.claude 下已安装文件并 pip install -r；install-win.sh 用 pip install --user 写用户级 Python，与 README 的隔离 venv 承诺在 Windows 路径上不符。
- 启发式分数容易被误当实测事实。 — citability/robots/SSR 判定均为正则与阈值启发式（如 SSR 以 root 容器 <50 字符且整页 <200 词判为客户端渲染），不执行 JS、不查询任何 AI 平台；所谓『AI 可见性分数』是本工具自洽的近似值，客户报告应标注方法论与误差来源，避免被当成真实引用率。
- 客户数据与本地看板：~/.geo-prospects 含联系人/合同额，卸载不清除，Web 看板无鉴权。 — app.py/crm_dashboard.py 直接读写 ~/.geo-prospects/prospects.json，Flask 服务监听本机 5050（默认 127.0.0.1，无认证机制）；uninstall.sh 明确保留该目录（'Note: Prospect data at ~/.geo-prospects/ was not removed.'），多人共用机器时需自行管理隐私数据。
风险提醒：黄色，留意使用。按统一分档：无凭证/密钥读取（全仓唯一的 GITHUB_TOKEN 读取在 CI 脚本 .github/scripts/star_history.py，不进 skill 运行路径）、无遥测/无数据外发端点、无混淆载荷，71 个受管文件全部可读且网络目标可枚举（被审计站点 + Wikipedia/Wikidata 公共 API + github/PyPI 拉代码 + 页面 CDN 字体）。黄色来自四层：① 主技能与子技能/agent 均声明 Bash + Write，而输入是被审计站点的任意不可信 HTML，构成『注入内容 → 执行/落盘』通道且文档无隔离约束；② 一键安装是 curl 管道执行 install.sh，Windows 安装器还以 pip install --user 写用户级 Python（与 README『Your system Python is not touched』的隔离承诺在 Windows 路径上不符）；③ /geo update 无 pin 地 clone 上游 main、覆盖已安装文件并 pip install -r，属供应链执行面且无校验；④ PDF 环节以 Chrome --no-sandbox 打印由被审计内容间接生成的 HTML。以上均可由宿主权限与人工复核约束，且不涉及秘密接触，故不升橙（本批分档口径：cookie/凭证接触或隐蔽外发才计橙）。
5第二遍独立确认
- [ok] skill.path 定位 — 候选位置逐一排查：仓库根无 SKILL.md（git ls-tree 确认根目录只有 README/LICENSE/install*/uninstall/requirements 与各功能目录）；`geo/SKILL.md` 是唯一带 `name: geo` 的路由入口，frontmatter 声明 17 条 /geo 命令并提供 sub-skill/agent 分工表；install.sh 把 `geo/` 装成 ~/.claude/skills/geo 并把 `$INSTALL_DIR/SKILL.md` 当作主技能文件（`INSTALL_DIR="${SKILLS_DIR}/geo"`），geo-update 亦称 Main skill = ~/.claude/skills/geo/；docs/architecture.md 与 README 同称 'geo/ # Main skill orchestrator'。skills/* 是子技能（无 flagship 地位，安装时被平铺到 ~/.claude/skills/geo-*）。故取 skill.path="geo"——仓库根不是 skill，子技能目录是下级组件。
- [discrepancy] README/docs 的 PDF 实现描述（generate_pdf_report.py + ReportLab） — README 架构图写 '│ ├── generate_pdf_report.py # PDF report generator (ReportLab)'，docs/commands-reference.md 写 '- Calls `python3 ~/.claude/skills/geo/scripts/generate_pdf_report.py` (requires `pip install reportlab`).'；但 71 个受管文件中并无该脚本，requirements.txt 没有 reportlab，现行 skills/geo-report-pdf/SKILL.md（version 2.0.0）明确 'No Python dependencies. No ReportLab.'，改用 pandoc + Chrome headless + 仓内模板/CSS。结论：README 与 commands-reference 是未同步的旧文档，应以 geo-report-pdf v2.0.0 为准。
- [discrepancy] 子技能数量与实际目录数 — 三处口径互斥：README '├── skills/ # 13 specialized sub-skills'、docs/architecture.md 同写 13；geo/SKILL.md 标题 '## Sub-Skills (14 Specialized Components)' 且表格缺 geo-report-pdf；实际 `skills/` 下有 15 个目录（含 geo-report-pdf）。另外 router 命令表共 17 条命令，其中 `/geo page` 与 `/geo quick` 没有对应子技能目录（由其它技能组合实现）。用户按文档理解能力边界会有偏差。
- [discrepancy] 品牌提及『扫描 10+ 平台』的夸大检查 — README 称 'Scans YouTube, Reddit, Wikipedia, LinkedIn, and 7+ other platforms'。实读 scripts/brand_scanner.py：只有 Wikipedia API 与 Wikidata API 两处 requests.get 是真实网络判定；YouTube/Reddit/LinkedIn/Quora/Stack Overflow/GitHub/Crunchbase/Product Hunt/G2/Trustpilot 分支仅返回 search_url + check_instructions，并由代码注释明示 'Actual YouTube API would be used in production / This provides the framework for Claude Code to use WebFetch'。属能力边界夸大（真实核查转由 agent 的 WebFetch/搜索完成）。
- [discrepancy] 安装器『隔离 venv、不动系统 Python』承诺 — README 声明 'Python dependencies are installed into a dedicated virtual environment at `~/.claude/skills/geo/.venv/`. Your system Python is **not** touched'，install.sh 确实如此（venv + `uv pip install --python "$VENV_PY"`/`$VENV_PY -m pip install` + 把脚本 shebang 与 SKILL.md 中 python3 调用 sed 成 venv 解释器）。但 install-win.sh 走的是 `$PYTHON_CMD -m pip install --user -r "$SOURCE_DIR/requirements.txt"`（写用户级 site-packages），与承诺不符；/geo update 也用 `python3 -m pip install -r ...`（非 venv 路径）。
- [ok] hooks 安装路径 — 两个安装器都 `mkdir -p "$INSTALL_DIR/scripts" "$INSTALL_DIR/schema" "$INSTALL_DIR/hooks"` 并在 `[ -d "$SOURCE_DIR/hooks" ]` 守卫下复制 hooks；仓库内确无 hooks/ 目录（本地 ls 报 No such file or directory，git ls-tree 亦无），故该分支在源码态为惰性空操作，不构成未列出的执行面。
- [ok] 全部 external_deps 二次定位 — 18 条依赖逐条回到调用点复核：requests 在 fetch_page.py/citability_scorer.py/brand_scanner.py/llmstxt_generator.py 四处 requests.get；beautifulsoup4+lxml 在 fetch_page/llmstxt 的 BeautifulSoup(..., "lxml")；flask 在 webapp/app.py 顶层 import 且 `app.run(debug=debug, port=5050)`；rich 在 crm_dashboard.py import 块；playwright 由 install.sh 的 venv 内 `-m playwright install chromium` 触发（requirements 亦列 playwright>=1.56.0）；pandoc/Chrome/git/uv 均为命令行调用点；Wikipedia/Wikidata/fonts.googleapis.com/jsdelivr/unpkg/api.github.com/raw.githubusercontent.com 均有原文出处。Pillow/urllib3/validators 仅见于 requirements.txt，仓内无直接调用点（已在条目 note 中标注）。
- [ok] 是否漏掉网络调用/隐藏脚本/混淆内容 — 全量 grep `requests\.|urllib|urlopen|getenv|environ|api_key|API_KEY|token|Authorization|https?://` 无遗漏命中：除已列条目外只剩示例/文档里的 schema.org、w3.org 等纯参考资料 URL，无上传/回传/统计端点；全文无 base64 长串、无 eval/exec、无 subprocess 拼装执行远端内容（webapp 与 crm_dashboard 只读写本地 JSON）。资产面 71 文件全部为文本，无二进制/压缩包。
6结论
适合：适合要给客户做 AI 搜索可见性（GEO）诊断的代理商/顾问与市场团队：一键装完即可产出 0-100 分审计、客户报告、提案与月度 delta，PDF 与白标能力让它能直接当交付物；也适合想把『AI 引用友好度』引入现有 SEO 工作流的团队（可单跑 /geo citability、/geo crawlers、/geo llmstxt 等子命令）。工程侧价值在于它把 citability/robots/llms.txt/SSR 判定落成可读可测的 Python 启发式，可当自有流水线的起点或对照实现。
不适合：不适合期望『真实 AI 平台可见性数据』的场景——它不调用任何 AI 平台 API，分数是规则估算，想知道 ChatGPT/Perplexity 实际是否引用你，需要另配真实查询或第三方数据源；不适合无人复核地对不可信站点批量跑审计（Bash+Write 与外部内容同处一个上下文，存在注入→执行通道）；不适合 Windows 上追求严格依赖隔离的用户（install-win.sh 走 pip install --user），也不适合只想做传统 SEO 审计的场景——这份工具的权重与判据是 GEO 优先，传统 SEO 面只覆盖技术与结构化数据两个次权重维度。
安装 agent 直装可复制
① 本站镜像 更新 2026-09-15
方式 A · 人下载镜像包下载 geo-seo-claude.tar.gz
sha256:
方式 B · JSON 格式安装指南，复制给 agent3a969f95e983e9c4…agent 读 JSON 指南后会自动从本站下载安装，无需更多说明。
② 上游 GitHub · 原始来源
来源信息 GitHub 原始
作者 / 仓库zubair-trabzada / zubair-trabzada/geo-seo-claude
原始 GitHubzubair-trabzada/geo-seo-claude ↗
Stars10614
最近推送2026-09-15
本 skill commit
25f6ae8d6c许可MIT（仓库根 LICENSE：'MIT License ... Copyright (c) 2026 Zubair Trabzada'；README '## License / MIT License'；GitHub 池内值亦为 MIT）
本站信息
收录日期2026-09-06
分类内容创作
侦查报告AI 侦查 · 2 遍 · 2026-09-06
本站镜像与 GitHub 原始是不同来源：本站锁定 commit 快照经 /r2 分发；GitHub 为实时上游，内容可能已更新。