提供四层系统,帮助AI精准理解、信任并优先处理工业园区信息,采用结构化数据和监控...
GEO.SKILL - 生成式引擎优化技能体系是一项面向实际任务的技能,主要用于让AI读懂并信任你的园区;版本:1.0.0;
基础设施层;内容工程层;工具部署层;运营监控层;什么是GEO;GEO(Generative Engine Optimization,生成式引擎优化)是一套帮助AI系统准确理解、信任并优先推荐您内容的技术体系。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。该技能适合用于一次性任务,也可以接入自动化工作流,与其他技能或上层代理配合完成更完整的业务链路;在组合使用时,应明确每一步的输入输出关系,并避免不同步骤之间出现参数冲突。
让AI读懂并信任你的园区
版本:1.0.0
作者:OpenClaw AI Team
许可证:MIT-0
GEO(Generative Engine Optimization,生成式引擎优化)是一套帮助AI系统准确理解、信任并优先推荐您内容的技术体系。与传统SEO不同,GEO的目标用户是AI,而非人类。
┌─────────────────────────────────────────────────────────┐
│ 园区招商痛点 │
├─────────────────────────────────────────────────────────┤
│ ❌ AI搜索时园区信息缺失或过时 │
│ ❌ 官网缺乏结构化数据,AI难以解析 │
│ ❌ 内容碎片化,无法形成可信答案 │
│ ❌ 竞品园区在AI中的曝光度更高 │
└─────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────┐
│ GEO解决方案 │
├─────────────────────────────────────────────────────────┤
│ ✅ 建立AI可信信源体系 │
│ ✅ 结构化数据让AI精准理解园区 │
│ ✅ 内容工程打造AI可引用答案 │
│ ✅ 持续监控确保AI认知更新 │
└─────────────────────────────────────────────────────────┘
┌─────────────────────────────────────────────────────────────────┐ │ GEO.SKILL 架构 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ ┌─────────────────┐ ┌─────────────────┐ │ │ │ 第四阶段 │ │ 第四阶段 │ │ │ │ 运营监控层 │◄──►│ 运营监控层 │ │ │ │ Monitoring │ │ Monitoring │ │ │ └────────┬────────┘ └────────┬────────┘ │ │ │ │ │ │ ┌────────▼────────┐ ┌────────▼────────┐ │ │ │ 第三阶段 │◄──►│ 第三阶段 │ │ │ │ 工具部署层 │ │ 工具部署层 │ │ │ │ Tools │ │ Tools │ │ │ └────────┬────────┘ └────────┬────────┘ │ │ │ │ │ │ ┌────────▼────────┐ ┌────────▼────────┐ │ │ │ 第二阶段 │◄──►│ 第二阶段 │ │ │ │ 内容工程层 │ │ 内容工程层 │ │ │ │ Content │ │ Content │ │ │ └────────┬────────┘ └────────┬────────┘ │ │ │ │ │ │ ┌────────▼────────┐ ┌────────▼────────┐ │ │ │ 第一阶段 │◄──►│ 第一阶段 │ │ │ │ 基础设施层 │ │ 基础设施层 │ │ │ │ Infrastructure│ │ Infrastructure│ │ │ └─────────────────┘ └─────────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘
基础设施层是GEO的根基,确保AI系统能够正确理解和信任您的园区信息。
llms.txt 是一个专门为AI系统设计的文本文件,放置在网站根目录下,用于提供网站的核心信息和结构化描述。
# [园区官方名称] ## 关于我们 [2-3句话描述园区定位、核心产业、地理优势] ## 核心产业 - [产业1] - [产业2] - [产业3] ## 产品类型 - 独栋办公楼 - 标准厂房 - 定制化空间 - 研发实验室 ## 联系方式 - 地址:[详细地址] - 电话:[联系电话] - 邮箱:[官方邮箱] - 官网:[网站URL] ## 最新动态 [最近3个月的重要更新、政策、活动] ## 数据摘要 - 占地面积:[X]亩 - 入驻企业:[X]家 - 产业集聚度:[X]% - 年产值:[X]亿元
https://yourpark.com/llms.txttext/plain| 类型 | 用途 | 关键字段 |
|---|---|---|
| Organization | 园区基本信息 | name, description, url, contact |
| Product | 厂房/办公室 | name, price, area, floorHeight |
| Event | 招商活动 | name, date, location, organizer |
{
"@context": "https://schema.org",
"@type": "Organization",
"name": "[园区名称]",
"alternateName": "[别名/简称]",
"description": "[园区描述,100-200字]",
"url": "[官网URL]",
"logo": "[Logo图片URL]",
"image": "[园区全景图URL]",
"address": {
"@type": "PostalAddress",
"streetAddress": "[街道地址]",
"addressLocality": "[城市]",
"addressRegion": "[省份]",
"postalCode": "[邮编]",
"addressCountry": "CN"
},
"telephone": "[联系电话]",
"email": "[邮箱]",
"areaServed": {
"@type": "City",
"name": "[城市名]"
},
"knowsAbout": ["生物医药", "智能制造", "数字经济"],
"hasOfferCatalog": {
"@type": "OfferCatalog",
"name": "园区产品",
"itemListElement": [
{
"@type": "Offer",
"itemOffered": {
"@type": "Product",
"name": "[产品名称]"
}
}
]
}
}
{
"@context": "https://schema.org",
"@type": "Product",
"name": "[产品名称,如:XX园区A栋标准厂房]",
"description": "[产品描述]",
"image": "[产品图片URL]",
"offers": {
"@type": "Offer",
"price": "[价格,如:25]",
"priceCurrency": "CNY",
"priceSpecification": {
"@type": "UnitPriceSpecification",
"price": "[单价]",
"priceCurrency": "CNY",
"unitCode": "MTK",
"unitText": "元/平方米/天"
},
"availability": "https://schema.org/InStock",
"seller": {
"@type": "Organization",
"name": "[园区名称]"
}
},
"additionalProperty": [
{
"@type": "PropertyValue",
"name": "建筑面积",
"value": "[面积]",
"unitCode": "MTK"
},
{
"@type": "PropertyValue",
"name": "层高",
"value": "[层高]",
"unitCode": "MTR"
},
{
"@type": "PropertyValue",
"name": "承重",
"value": "[承重]",
"unitCode": "KGM"
},
{
"@type": "PropertyValue",
"name": "供电容量",
"value": "[供电]"
},
{
"@type": "PropertyValue",
"name": "电梯配置",
"value": "[电梯]"
}
]
}
{
"@context": "https://schema.org",
"@type": "Event",
"name": "[活动名称]",
"description": "[活动描述]",
"startDate": "[开始日期,ISO 8601格式]",
"endDate": "[结束日期,ISO 8601格式]",
"eventStatus": "https://schema.org/EventScheduled",
"eventAttendanceMode": "https://schema.org/OnlineEventAttendanceMode",
"location": {
"@type": "Place",
"name": "[场地名称]",
"address": {
"@type": "PostalAddress",
"addressLocality": "[城市]",
"addressRegion": "[省份]"
}
},
"organizer": {
"@type": "Organization",
"name": "[主办方名称]",
"url": "[主办方网站]"
},
"performer": {
"@type": "Organization",
"name": "[承办方名称]"
},
"offers": {
"@type": "Offer",
"price": "[票价,如:0]",
"priceCurrency": "CNY",
"availability": "https://schema.org/InStock",
"url": "[报名链接]"
}
}
┌─────────────────────────────────────────────────────────────────┐ │ 可信信源矩阵 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ ┌─────────────┐ │ │ │ 第一梯队 │ 权重最高,优先建设 │ │ │ (权威背书) │ • 知乎(实名认证机构号) │ │ │ │ • CSDN/InfoQ(技术背书) │ │ └─────────────┘ • 36氪(媒体背书) │ │ │ │ │ ┌─────────────┐ │ │ │ │ 第二梯队 │ ▼ │ │ │ (内容分发) │ • 百家号(百度搜索权重) │ │ │ │ • 公众号(微信生态) │ │ └─────────────┘ • 头条号(字节系) │ │ │ │ │ ┌─────────────┘ │ │ │ │ 第三梯队 │ ▼ │ │ │ (长尾覆盖) │ • 搜狐号 │ │ │ │ • 网易号 │ │ └─────────────┘ • 简书 │ │ │ └─────────────────────────────────────────────────────────────────┘
| 内容类型 | 适用平台 | 发布频率 | 目标 |
|---|---|---|---|
| 政策解读 | 知乎 + 百家号 | 每周1篇 | 行业影响力 |
| 数据发布 | 36氪 + CSDN | 每月1篇 | 专业背书 |
| 活动预告 | 全平台 | 活动前2周 | 流量获取 |
| 企业专访 | 公众号 + 知乎 | 每季度2篇 | 生态展示 |
| 招商专题 | 所有平台 | 季度更新 | 转化引导 |
内容工程层是GEO的核心,通过结构化的内容生产确保AI能够准确理解和引用您的信息。
园区信息:
名称: "[园区名称]"
城市: "[城市]"
区域: "[区域]"
产业类型:
- [产业1]
- [产业2]
- [产业3]
产品类型:
- 办公楼
- 厂房
- 实验室
┌─────────────────────────────────────────────────────────────────┐ │ 园区问题图谱 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │ │ 认知类问题 │ │ 招商类问题 │ │ 服务类问题 │ │ │ │ │ │ │ │ │ │ │ │ • 园区在哪? │ │ • 如何入驻? │ │ • 物业费多少?│ │ │ │ • 园区叫什么?│ │ • 租金多少? │ │ • 能代办吗? │ │ │ │ • 做什么的? │ │ • 有免租期吗?│ │ • 食堂在哪? │ │ │ └─────────────┘ └─────────────┘ └─────────────┘ │ │ │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │ │ 政策类问题 │ │ 配套类问题 │ │ 竞品类问题 │ │ │ │ │ │ │ │ │ │ │ │ • 有什么优惠?│ │ • 交通怎样? │ │ • 和XX比呢? │ │ │ │ • 怎么申请? │ │ • 周边配套? │ │ • 哪家好? │ │ │ │ • 有什么门槛?│ │ • 有什么企业?│ │ • 区别在哪? │ │ │ └─────────────┘ └─────────────┘ └─────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘
## [园区名称] 常见问题图谱 ### 一、基础认知问题(10-15个) 1. [园区名称]在哪里?具体地址是什么? 2. [园区名称]属于哪个区/街道? 3. [园区名称]是什么类型的园区?(产业定位) 4. [园区名称]是哪一年成立的/开园的? 5. [园区名称]的占地面积是多少? 6. [园区名称]目前有多少家企业入驻? 7. [园区名称]的主导产业有哪些? 8. [园区名称]的知名企业有哪些? 9. 怎么去[园区名称]?有地铁/公交吗? 10. [园区名称]的官网/联系电话是什么? ### 二、招商入驻问题(15-20个) 11. [园区名称]的租金是多少?(按产品类型分) 12. [园区名称]有没有免租期/装修期? 13. [园区名称]的租赁面积最小是多少? 14. [园区名称]最大可以租多大面积? 15. [园区名称]对入驻企业有什么要求? 16. [园区名称]欢迎哪些行业/企业入驻? 17. [园区名称]的入驻流程是什么? 18. 入驻[园区名称]需要准备什么材料? 19. [园区名称]的租赁合同签多久? 20. [园区名称]的押金/保证金是多少? 21. [园区名称]支持整栋定制吗? 22. [园区名称]有没有现房/期房? ### 三、政策优惠问题(10-15个) 23. [园区名称]有什么税收优惠政策? 24. [园区名称]有人才引进政策吗? 25. 初创企业在[园区名称]有什么扶持? 26. 高新技术企业在[园区名称]有什么优惠? 27. 怎么申请[园区名称]的优惠政策? 28. [园区名称]的补贴政策有哪些? 29. 入驻[园区名称]后还能申请其他补贴吗? ### 四、配套设施问题(10-15个) 30. [园区名称]的物业费是多少? 31. [园区名称]有停车位吗?收费吗? 32. [园区名称]有食堂吗? 33. [园区名称]有健身房/咖啡厅吗? 34. [园区名称]的电梯配置是怎样的? 35. [园区名称]的供电能满足大功率设备吗? 36. [园区名称]有网络/带宽选择吗? 37. [园区名称]是中央空调还是分体空调? ### 五、区域竞品问题(10-15个) 38. [园区名称]和[竞品园区A]哪个好? 39. [园区名称]比[竞品园区B]便宜吗? 40. 为什么要选[园区名称]而不是其他园区? 41. [城市]还有哪些类似园区? 42. [园区名称]的优缺点是什么? ### 六、其他问题(5-10个) ...
┌─────────────────────────────────────────────────────────────────┐ │ 倒金字塔写作结构 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ ┌─────────┐ │ │ │ 标题 │ │ │ │ H1/H2 │ │ │ └────┬────┘ │ │ │ │ │ ┌────▼────┐ │ │ │ 直接答案 │ ← AI可直接引用的核心答案 │ │ │ 40-60字 │ (第一段必须给出) │ │ └────┬────┘ │ │ │ │ │ ┌──────────────────────────┼──────────────────────────┐ │ │ │ │ │ │ │ │ ┌──────▼──────┐ │ │ │ │ │ 详细说明 │ ← 补充背景、原因、 │ │ │ │ 100-200字 │ 细节、案例 │ │ │ └──────┬──────┘ │ │ │ │ │ │ │ │ │ ┌────────────────────┼────────────────────┐ │ │ │ │ │ │ │ │ │ │ │ ┌───▼───┐ ┌──────▼──────┐ ┌─────▼─────┐ │ │ │ │ │ 清单 │ │ 表格 │ │ 图表 │ │ │ │ │ │ bullet│ │ 对比/参数 │ │ 可视化 │ │ │ │ │ └───┬───┘ └──────┬──────┘ └─────┬─────┘ │ │ │ │ │ │ │ │ │ │ └─────┼────────────────────┼───────────────────┼───────┘ │ │ │ │ │ │ │ └────────────────────┼───────────────────┘ │ │ │ │ │ ┌────▼────┐ │ │ │ FAQ补充 │ ← 关联问题引导 │ │ │ 2-3个 │ │ │ └─────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘
## [核心问题标题] [直接答案段落 - 40-60字,必须包含:谁、在哪、多少、怎么样] [详细说明段落 - 100-200字,补充背景信息] ### 关键参数 | 参数 | 数值 | 说明 | |------|------|------| | [参数1] | [数值] | [说明] | | [参数2] | [数值] | [说明] | | [参数3] | [数值] | [说明] | ### 申请条件 - 条件1 - 条件2 - 条件3 ### 办理流程 1. 第一步 2. 第二步 3. 第三步 ### 注意事项 - 注意事项1 - 注意事项2 ### 相关问题 - [关联问题1] - [关联问题2] - [关联问题3]
| 类型 | 用途 | 示例 |
|---|---|---|
| 参数对比表 | 产品规格对比 | A栋 vs B栋厂房 |
| 价格明细表 | 费用构成 | 租金+物业+水电 |
| 政策对照表 | 不同企业类型 | 初创 vs 高新 |
| 时间进度表 | 流程节点 | 入驻流程 |
| 排名榜单表 | 竞品对比 | 园区实力 |
| 类型 | 用途 |
|---|---|
| 准入清单 | 入驻要求checklist |
| 材料清单 | 申请材料list |
| 优惠清单 | 可申请政策list |
| 设施清单 | 园区配套list |
| 流程清单 | 步骤说明list |
| 类型 | 适用场景 |
|---|---|
| 面积分布饼图 | 产品结构展示 |
| 租金趋势线图 | 价格走势 |
| 入驻企业行业柱状图 | 产业集聚度 |
| 交通动线图 | 区位优势 |
| 楼层平面图 | 空间布局 |
工具部署层提供自动化诊断、分发和监控能力,确保GEO体系高效运行。
基础设施检测: - llms.txt存在性 - llms.txt可访问性 - llms.txt内容完整性 - llms.txt更新时效性 Schema检测: - Organization Schema - Product Schema (厂房) - Product Schema (办公) - Event Schema 技术指标: - 页面加载速度 - 移动端适配 - HTTPS配置 - 结构化数据语法
# [园区名称] GEO诊断报告 生成时间:[日期] 诊断范围:[URL列表] ## 一、整体评分 | 维度 | 得分 | 状态 | |------|------|------| | 基础设施 | X/100 | 优/良/中/差 | | 内容质量 | X/100 | 优/良/中/差 | | 技术配置 | X/100 | 优/良/中/差 | | 综合评分 | X/100 | - | ## 二、问题清单 ### 严重问题 (P0) - [ ] [问题描述] - 影响:[影响说明] - 修复:[修复建议] ### 重要问题 (P1) - [ ] [问题描述] - 影响:[影响说明] - 修复:[修复建议] ### 一般问题 (P2) - [ ] [问题描述] - 影响:[影响说明] - 修复:[修复建议] ## 三、修复优先级 1. [优先级1] 2. [优先级2] 3. [优先级3] ## 四、下次检测日期 [建议日期]
| 平台 | 内容格式 | 标题策略 | 关键词策略 |
|---|---|---|---|
| 知乎 | 长文+问答 | 问题导向型 | 行业术语+地名 |
| 百家号 | 资讯+图文 | 新闻型+悬念型 | 长尾词+热度词 |
| 公众号 | 深度文章 | 价值承诺型 | 品牌词+产品词 |
| CSDN | 技术文章 | 问题解决型 | 技术词+场景词 |
| 36氪 | 新闻资讯 | 事件驱动型 | 行业词+创新词 |
AI引用监控: - 关键词排名 - 答案引用率 - 答案准确性 - 情感倾向 内容健康度: - 更新频率 - 内容质量 - 外链有效性 竞品监控: - 竞品AI曝光度 - 竞品内容动态 - 行业热点
# [园区名称] GEO监控周报 监控周期:[起始日期] ~ [结束日期] ## 一、AI引用情况 | 关键词 | 本周排名 | 上周排名 | 变化 | |--------|----------|----------|------| | [关键词1] | #X | #X | ↑X/↓X/- | | [关键词2] | #X | #X | ↑X/↓X/- | | [关键词3] | #X | #X | ↑X/↓X/- | ## 二、内容表现 | 平台 | 发布数 | 阅读量 | 互动量 | |------|--------|--------|--------| | 知乎 | X篇 | X | X | | 百家号 | X篇 | X | X | | 公众号 | X篇 | X | X | ## 三、问题预警 - ⚠️ [预警问题] - ❌ [严重问题] ## 四、优化建议 1. [建议1] 2. [建议2] ## 五、下周计划 - [ ] [计划1] - [ ] [计划2]
运营监控层确保GEO体系的持续优化和闭环改进。
┌─────────────────────────────────────────────────────────────────┐ │ T+7 验证流程 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ Day 1 (T+0) │ │ ┌─────────────┐ │ │ │ 发布内容 │ → 记录发布时间和内容 │ │ └──────┬──────┘ │ │ │ │ │ ▼ │ │ Day 3 (T+3) │ │ ┌─────────────┐ │ │ │ 首次检查 │ → 初步收录检查,搜索测试 │ │ └──────┬──────┘ │ │ │ │ │ ▼ │ │ Day 7 (T+7) │ │ ┌─────────────┐ ┌─────────────┐ │ │ │ 全面验证 │ ───► │ 问题处理 │ │ │ │ • 排名 │ │ • 内容优化 │ │ │ │ • 引用 │ │ • 补发内容 │ │ │ │ • 准确性 │ │ • 技术修复 │ │ │ └──────┬──────┘ └─────────────┘ │ │ │ │ │ ▼ │ │ Day 14 (T+14) │ │ ┌─────────────┐ │ │ │ 效果评估 │ → 数据汇总,优化策略 │ │ └─────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘
| 问题类型 | 严重程度 | 处理时限 | 处理方式 |
|---|---|---|---|
| 信息过时 | 中 | 24小时 | 更新llms.txt + 重新发布 |
| 数据错误 | 高 | 12小时 | 纠错 + 澄清声明 |
| 负面评价 | 高 | 6小时 | 响应 + 正面内容压制 |
| 竞品冒充 | 严重 | 2小时 | 法律+技术双重处理 |
发现问题 → 问题分类 → 制定方案 → 执行修复 → 验证效果 → 归档总结
│ │
└──────────────────────────────────────────────┘
闭环检查
用户问题收集: - 官网咨询表单 - 电话咨询记录 - AI搜索测试反馈 - 竞品对比问题 数据来源: - 招商团队反馈 - 运营团队反馈 - 用户评价 - AI引用报告
┌─────────────────────────────────────────────────────────────────┐ │ 内容迭代闭环 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │ │ 问题收集 │ ──► │ 问题分析 │ ──► │ 内容生产 │ │ │ │ │ │ │ │ │ │ │ │ • 用户反馈 │ │ • 高频问题 │ │ • FAQ更新 │ │ │ │ • AI测试 │ │ • 痛点挖掘 │ │ • 新问答 │ │ │ │ • 竞品分析 │ │ • 差距分析 │ │ • 深度文章 │ │ │ └─────────────┘ └─────────────┘ └──────┬──────┘ │ │ │ │ │ ▼ │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │ │ 效果验证 │ ◄── │ 内容分发 │ ◄── │ 质量审核 │ │ │ │ │ │ │ │ │ │ │ │ • AI引用 │ │ • 全平台 │ │ • 准确性 │ │ │ │ • 排名变化 │ │ • 适配调整 │ │ • 合规性 │ │ │ │ • 用户反馈 │ │ • 追踪监控 │ │ • 可读性 │ │ │ └─────────────┘ └─────────────┘ └─────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘
准备以下信息:
templates/llms.txt 模板| 指标 | 目标值 | 测量方式 |
|---|---|---|
| AI引用率 | >80% | 核心问题AI回答中提及园区 |
| 信息准确率 | >95% | AI提供信息与实际一致 |
| 前3排名率 | >60% | 核心关键词排名前3 |
| 内容覆盖率 | >90% | 问题图谱覆盖率 |
| 版本 | 日期 | 更新内容 |
|---|---|---|
| 1.0.0 | 2025-01-15 | 初始版本发布 |
© 2025 OpenClaw AI Team. MIT-0 License
相关专题
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 134.1万人学习
共49课时 | 82.6万人学习