Seo entity optimizer

实体优化与知识图谱信号构建

跨搜索引擎与 AI 系统审计、构建并维护「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、概念——是 Google 与 LLM 判定「这个品牌是什么」「是否值得引用」的根基。

为什么实体对 SEO + GEO 都关键：

• SEO：Google 知识图谱驱动知识面板、富媒体结果与基于实体的排名信号；定义清晰的实体能赢得 SERP 版面。
• GEO：AI 系统在生成答案前先把查询解析为实体；若 AI 识别不出某实体，无论内容多好都无法引用它。

何时使用

• 品牌/人物/组织在 Google 知识面板缺失、信息错误，或 AI 系统答非所问、把你和同名竞品混淆。
• 新品牌想从零建立实体存在感，或让某人成为某主题下被公认的专家。
• 想知道「搜索引擎和 AI 到底如何识别我的实体」，需要一份现状审计 + 缺口清单 + 建设优先级。

不该用的边界：

• 通用技术/内容 SEO 审计（收录、Core Web Vitals、排名下滑）→ 用 seo-audit，本条只管「实体身份」。
• 把 Organization/Person schema 写成可粘贴的 JSON-LD → 用 schema-markup-builder，本条只产出「需要哪些信号」，实现交给它。
• 让内容被 AI 引用的可提取性改写 → 用 ai-answer-engine-seo / ai-search-seo。
• 撰写 About 页 / 创始人简介正文 → 用 seo-content-writer。

步骤

三种工作模式，可从任一处切入：审计现状 → 建设实体 → 修复/消歧。

第 1 步：实体发现（摸清现状）

建立实体在各系统的当前状态。无工具时请用户代查并回报结果。

### 实体画像
**实体名称**：[name]
**实体类型**：[人物 / 组织 / 品牌 / 产品 / 创作 / 活动]
**主域名**：[URL]
**目标主题**：[主题1, 主题2, 主题3]

#### 当前实体存在感
| 平台 | 状态 | 详情 |
|------|------|------|
| Google 知识面板 | 有 / 无 / 错误 | … |
| Wikidata | 已收录 / 未收录 | [QID（若有）] |
| Wikipedia | 有条目 / 仅被提及 / 无 | [可收录性评估] |
| Knowledge Graph API | 找到实体 / 未找到 | [entity ID、types、score] |
| 站内 Schema.org | 完整 / 部分 / 缺失 | [Organization/Person/Product] |

AI 实体解析测试

对各 AI 系统跑这些查询，记录识别准确度与是否引用：

• "什么是 [实体名]？"
• "[实体名] 是谁创办的？"（组织）
• "[实体名] 是做什么的？"
• "[实体名] vs [竞品]"

AI 系统	识别实体？	描述准确度	引用其内容？
ChatGPT / Claude / Perplexity / Google AI Overview	是/部分/否	…	是/否/部分

第 2 步：实体信号审计（6 类，逐项 通过/未通过/部分 + 行动）

1. 结构化数据信号 —— Organization/Person schema、sameAs 链接、@id 一致性、author schema。
2. 知识库信号 —— Wikidata、Wikipedia、CrunchBase、行业目录。
3. 一致的 NAP+E 信号 —— 跨平台的名称/描述/Logo/社交资料一致（Name/Address/Phone/Entity）。
4. 基于内容的实体信号 —— About 页、作者页、主题权威度、品牌词外链。
5. 第三方实体信号 —— 权威提及、共现引用、评测、媒体报道。
6. AI 专属实体信号 —— 清晰定义、消歧、可验证主张、可抓取性。

完整的 47 项信号清单与各项核验方法见源仓库 references/entity-signal-checklist.md。

第 3 步：报告与行动计划

产出《实体优化报告》：总览（实体/类型/日期）→ 6 类信号汇总表（通过/警告/失败 + 发现）→ 关键问题 → Top 5 优先行动（影响 × 工作量排序）→ 建设路线图（第 1–2 周 → 第 1 月 → 第 2–3 月 → 持续）→ CORE-EEAT / CITE 交叉引用。

保存结果

若用户同意保存，将规范实体画像写入 memory/entities/<entity-slug>.md（项目级关键实体再向 memory/hot-cache.md 加 1–3 行指针）。本技能是规范实体画像的唯一写入者，其它技能只能往 candidates.md 写候选。

指令

合规硬约束（GDPR Art 6，写入前必做）：当被规范化的实体是「个人」（创始人、作者、公众人物）且可能是 EU/EEA/UK 居民时，写入 memory/entities/ 前必须提示用户确认合法性依据：

"你即将为一个『人物』创建规范画像。若此人是或可能是 EU/EEA/UK 居民，GDPR Art 6 要求合法性依据：(1) 同意 (2) 正当利益 (3) 合同 (4) 其他。非 EU 主体请核对当地法规（CCPA/CPRA、PIPEDA、LGPD 等）。不确定就跳过并返回 NEEDS_INPUT。"

仅在用户确认依据后才继续；此为提示性建议，非法律意见。写入任何规范画像前，还需检查 memory/privacy/tombstones.md：若命中匹配指纹且 reingest_blocked: true，不得重建画像，返回 NEEDS_INPUT。

消歧优先：同名/近名实体共存时，先建立唯一区分点（领域、创始人、地域、@id/Wikidata QID），再谈其它信号——AI 解析错实体，下游所有引用都白费。

信号是复利的，一致性 > 完整性：先把名称/描述/Logo 在各平台对齐，再追求覆盖更多平台。

示例

用户："审计 Acme Analytics（B2B SaaS 分析平台，acme-analytics.example）的实体存在感。"

产出（节选）：AI 解析测试显示部分识别——ChatGPT 把它描述成泛化的「分析工具」，缺 B2B 定位；未被列入企业级分析厂商；创始人对 AI 系统是未知的。健康汇总标出：缺 Wikidata 条目、无知识面板。Top 3 优先行动：① 提交 Wikidata 条目（拿到 QID）；② 全平台补 sameAs 链接；③ 上线创始人简介页。完整报告模板见源仓库 references/example-audit-report.md。

注意事项

• 从 Wikidata 起步：它是最易主动建立的知识图谱信号，且喂给 Google KG 与多数 AI 系统；拿到 QID 是后续一切的锚点。
• 善用 sameAs：在站内 Organization/Person schema 里用 sameAs 把官网、各社交资料、Wikidata、LinkedIn、Google Scholar 串成一个实体——这是跨网消歧的核心信号。
• 优化前后都测 AI 识别：用第 1 步的查询基线化，改完再测，用「识别准确度提升」证明效果。
• 下游依赖必填字段：规范画像 frontmatter 须遵循源仓库 entity-geo-handoff-schema.md；geo-content-optimizer、schema-markup-generator、meta-tags-optimizer、ai-overview-recovery 等消费方依赖这些字段，缺字段会降级为 DONE_WITH_CONCERNS 并回指本技能。
• 无工具时 Claude 无法直接查其它 AI 系统或实时联网，必须请用户代跑测试查询并回报。

互见

• requires：（无）
• related：seo-audit —— 通用排名/技术 SEO 诊断，与实体身份互补。
• related：ai-search-seo、ai-answer-engine-seo —— 实体识别清楚后，让内容真正被 AI「引用」。
• related：content-strategy-planner —— 先定哪些主题/实体值得建设。
• combines_with：schema-markup-builder —— 主搭档：本技能定「需要哪些实体信号」，它把 Organization/Person + sameAs 落成可粘贴 JSON-LD。
• combines_with：seo-content-writer —— 当缺口是缺 About/创始人页时，由它产出权威正文。

---

采编自 aaron-he-zhu/seo-geo-claude-skills（Apache-2.0），原作者 aaron-he-zhu。