entity-optimizer

实体优化器

审计、构建并维护跨搜索引擎和AI系统的实体身份。实体——搜索引擎和AI系统识别为独立事物的人、组织、产品和概念——是谷歌和LLM决定品牌是什么以及是否引用它的基础。

为什么实体对SEO+GEO很重要：

• SEO：谷歌的知识图谱驱动知识面板、富结果和基于实体的排名信号。定义良好的实体能赢得SERP展示位。
• GEO：AI系统在生成答案前将查询解析为实体。如果AI无法识别实体，就无法引用它——无论内容多好。

本技能的功能

审计实体在知识图谱、维基数据、维基百科和AI系统中的存在情况；映射全部6个信号类别（47个信号）；生成差距分析、构建计划和消歧策略。

快速开始

从以下提示之一开始。最后生成规范化的实体档案和交接摘要，使用技能契约中的仓库格式。

实体审计

审计[品牌/个人/组织]的实体存在情况

搜索引擎和AI系统对[实体名称]的识别程度如何？

构建实体存在

为[新品牌]在[行业]领域构建实体存在

将[人名]确立为[主题]领域的公认专家

修复实体问题

我的知识面板显示错误信息——修复[实体]的实体信号

AI系统将[我的实体]与[其他实体]混淆——帮我消歧

技能契约

预期输出：一份实体审计报告、一份规范化实体档案以及一份可直接存入memory/entities/的简短交接摘要。

• 读取：实体名称、主域名、已知档案、主题关联以及之前的品牌上下文。
• 写入：面向用户的实体报告以及可存储于memory/entities/的可复用档案。
• 提升：将规范化名称、sameAs链接、消歧说明和实体差距提升至memory/hot-cache.md、memory/entities/和memory/open-loops.md。
• 完成条件：6个信号类别分别评分为通过/失败/部分，AI解析测试已执行（或标记为用户自行执行），并生成了规范化档案及前5项优先行动。

本技能是memory/entities/<name>.md下规范化实体档案的唯一写入者。其他技能仅将实体候选写入memory/entities/candidates.md。当积累3个以上候选时，应推荐使用本技能。

档案模式：每个规范化实体档案的前置元数据遵循实体-GEO交接模式中的权威契约。该模式定义了下游技能（geo-content-optimizer、schema-markup-generator、meta-tags-optimizer、ai-overview-recovery）所依赖的字段。不要省略必填字段——消费者会优雅降级为DONE_WITH_CONCERNS并生成指向此处的open_loop。

• 主要后续技能：实体真相明确后，使用下方的Next Best Skill。

交接摘要

按照skill-contract.md §交接摘要格式输出标准格式。

数据源

有工具时：查询知识图谱API、~~SEO工具、~~AI监控、~~品牌监控。无工具时：向用户询问实体名称/类型、域名、档案、主题和消歧上下文。参见CONNECTORS.md。

零依赖本地助手（无需密钥）：python3 "${CLAUDE_PLUGIN_ROOT}/scripts/connectors/kg.py" reconcile "<entity>" 将名称解析为维基数据QID并附带置信度分数（判断支撑知识面板和AI答案的开放知识图谱是否识别该实体）；kg.py entity <QID> 返回声明和sameAs。参见scripts/connectors/README.md。

决策门控

在以下情况停止并向用户询问：

• 未提供实体名称且无法从项目上下文中推断——在审计前询问实体名称和类型。
• 实体是个人（创始人、作者、公众人物）且可能是欧盟/欧洲经济区/英国居民，在写入memory/entities/之前——提示：“您即将为个人创建规范化档案。如果此人现在是或可能是欧盟/欧洲经济区/英国居民，GDPR第6条要求合法依据：(1)同意，(2)合法利益，(3)合同，(4)其他。对于非欧盟主体，请检查当地法规（CCPA/CPRA、PIPEDA、LGPD等）。如果不确定，请跳过并返回NEEDS_INPUT。”仅在用户确认依据后继续。仅供参考——不构成法律建议。参考：内存管理——GDPR/隐私合规。

在以下情况静默继续（永不停止）：

• 缺少AI监控或知识图谱工具访问——将这些行标记为用户自行执行，并继续使用用户提供的观察结果。
• 个别信号未知——将其评为部分，附带验证操作，然后继续。

指令

当用户请求实体优化时：

步骤1：实体发现

确定实体在所有系统中的当前状态。

### 实体档案

**实体名称**：[名称]
**实体类型**：[个人/组织/品牌/产品/创意作品/事件]
**主域名**：[URL]
**目标主题**：[主题1, 主题2, 主题3]

#### 当前实体存在情况

| 平台 | 状态 | 详情 |
|----------|--------|---------|
| 谷歌知识面板 | ✅ 存在 / ❌ 不存在 / ⚠️ 错误 | [详情] |
| 维基数据 | ✅ 已列出 / ❌ 未列出 | [QID（如存在）] |
| 维基百科 | ✅ 有文章 / ⚠️ 仅提及 / ❌ 不存在 | [知名度评估] |
| 谷歌知识图谱API | ✅ 找到实体 / ❌ 未找到 | [实体ID、类型、分数] |
| 网站上的Schema.org | ✅ 完整 / ⚠️ 部分 / ❌ 缺失 | [组织/个人/产品模式] |

#### AI实体解析测试

**注意**：Claude无法直接查询其他AI系统或进行实时网络搜索（无工具访问时）。在未使用~~AI监控或~~知识图谱工具运行时，请让用户运行这些测试查询并报告结果，或使用用户提供的信息评估实体存在情况。

通过以下查询测试AI系统如何识别该实体：
- “什么是[实体名称]？”
- “谁创立了[实体名称]？”（针对组织）
- “[实体名称]是做什么的？”
- “[实体名称] vs [竞争对手]”

| AI系统 | 是否识别实体？ | 描述准确性 | 是否引用实体内容？ |
|-----------|-------------------|---------------------|------------------------|
| ChatGPT | ✅ / ⚠️ / ❌ | [准确性说明] | [是/否/部分] |
| Claude | ✅ / ⚠️ / ❌ | [准确性说明] | [是/否/部分] |
| Perplexity | ✅ / ⚠️ / ❌ | [准确性说明] | [是/否/部分] |
| 谷歌AI概览 | ✅ / ⚠️ / ❌ | [准确性说明] | [是/否/部分] |

步骤2：实体信号审计

评估6个类别的实体信号。详细的47信号检查清单及验证方法见实体信号检查清单。

将每个信号评为通过/失败/部分，并为每个差距指定具体行动。6个类别为：

1. 结构化数据信号——组织/个人模式、sameAs链接、@id一致性、作者模式
2. 知识库信号——维基数据、维基百科、CrunchBase、行业目录
3. 一致的NAP+E信号——跨平台的名称/描述/标志/社交媒体一致性
4. 基于内容的实体信号——关于页面、作者页面、主题权威性、品牌反向链接
5. 第三方实体信号——权威提及、共引、评论、媒体报道
6. AI特定实体信号——清晰定义、消歧、可验证声明、可抓取性

参考：使用实体信号检查清单中的审计模板，获取每个类别的完整47信号检查清单及验证方法。

步骤3：报告与行动计划

生成实体优化报告，包括：概述（实体/类型/日期）、信号类别摘要（6类别✅/⚠️/❌表格及发现）、关键问题、前5项优先行动（影响×努力）、实体构建路线图（第1-2周→第1个月→第2-3个月→持续），以及CORE-EEAT A07/A08 + CITE I01-I10交叉引用。

参考：参见实体信号检查清单获取完整的步骤3报告模板。

保存结果

询问“是否保存这些结果以供后续会话使用？”（参见技能契约 §保存结果模板）——如果同意，将规范化实体档案写入memory/entities/<entity-slug>.md，使用上述档案模式。如果实体对项目至关重要，还需在memory/hot-cache.md中添加1-3行指针；不要将规范化档案保存到通用的memory/YYYY-MM-DD-<topic>.md模式中。

在写入任何规范化档案之前，检查memory/audits/gdpr-purges.md中是否存在该实体之前的清除记录（通过脱敏标签或域名）。如果存在，不要静默重建档案；返回NEEDS_INPUT并要求用户确认该实体应重新添加。

示例

用户：“审计Acme Analytics的实体存在情况，我们的B2B SaaS分析平台，域名acme-analytics.example”

输出（简化）：AI解析测试显示部分识别——ChatGPT将其描述为通用的“分析工具”，未体现B2B特性；未列入企业分析玩家；创始人未被AI系统识别。健康摘要指出缺少维基数据条目和知识面板，优先行动包括维基数据提交、sameAs链接和创始人简历页面。

参考：参见示例审计报告获取完整的实体审计报告，包括AI解析测试结果、实体健康摘要、前3项优先行动以及CORE-EEAT/CITE交叉引用。

实体类型参考

参考：参见实体类型参考了解实体类型及其关键信号、模式和按场景的消歧策略。

知识面板与维基数据优化

参考：参见知识面板与维基数据指南了解知识面板的认领/编辑、常见问题与修复、维基数据条目创建、按实体类型的关键属性以及AI实体解析优化。

参考资料

实体优化详细指南：

• 实体信号检查清单——完整的信号检查清单及验证方法、步骤3报告模板和成功技巧
• 知识图谱指南——维基数据、维基百科和知识图谱优化手册

下一个最佳技能

主要：schema-markup-generator。也可考虑：geo-content-optimizer（AI识别差距）或seo-content-writer（需要新的关于/创始人页面）。