[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M6J03RTN2WMZ8NAS7DBMMSP1":3,"skill-same:01M6J03RTN2WMZ8NAS7DBMMSP1":81},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":16,"categories":17,"keywords":23,"publishedAt":44,"linkOnly":45,"markdownContent":46,"markdownBody":47,"frontMatter":48,"refName":58,"commitSha":59,"skillDirectory":60,"forksCount":61,"repositoryHtmlUrl":62,"repositoryHomepageUrl":63,"ownerHtmlUrl":64,"ownerBlogUrl":63,"ownerDescription":65,"updatedAt":66,"install":67,"resources":80},"01M6J03RTN2WMZ8NAS7DBMMSP1","pm-geo",null,"Use when: 需要提升产品在 AI 搜索\u002F生成式引擎（ChatGPT、Perplexity、AI Overviews、豆包、文心）中的可见性与被推荐率、做 GEO（Generative Engine Optimization）方案\nDo NOT use when: 仅做传统 SEO\u002F关键词排名、产品尚未上线且无任何公开信息可优化","konglong87\u002FsuperPM","konglong87","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F38234954?v=4","01M6HZZN5EA0572RY1RZAFRKHV","to be a better gopher","01M6HZZN9YN157X26KMMAA147E",90,"MIT","https:\u002F\u002Fgithub.com\u002Fkonglong87\u002FsuperPM\u002Fblob\u002Fmain\u002Fskills\u002F03-growth-iteration\u002Fpm-geo\u002FSKILL.md",[18],{"categoryNo":19,"categoryName":20,"taxonomyType":21,"taxonomyTypeDesc":22},"01JBSEEDCAT000000000000023","Skill与智能体开发","SCENARIO","使用场景",[24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43],"pm geo","pm","geo","write","websearch","task","do","exa","use","fetch","MCP","read","关键词","生成","Bash","seo","perplexity","Optimization","search","chatgpt","2026-11-10 10:12:30",false,"---\nname: pm-geo\ndescription: |\n  Use when: 需要提升产品在 AI 搜索\u002F生成式引擎（ChatGPT、Perplexity、AI Overviews、豆包、文心）中的可见性与被推荐率、做 GEO（Generative Engine Optimization）方案\n  Do NOT use when: 仅做传统 SEO\u002F关键词排名、产品尚未上线且无任何公开信息可优化\nallowed-tools:\n  - Task\n  - Read\n  - Write\n  - AskUserQuestion\n  - Bash\n  - WebSearch\n  - mcp__exa__web_search_exa\n  - mcp__exa__web_fetch_exa\n---\n\n## Preamble (run first)\n\n```bash\necho \"? GEO \u002F AI 搜索优化工具\"\n\n# 检查前置文档\nif [ -f \"docs\u002F02-方案设计\u002F产品定位方案.md\" ]; then\n  echo \"✅ 产品定位方案 - 已找到\"\nelse\n  echo \"⏳ 产品定位方案 - 未找到（可选，缺失时将由本技能快速采集）\"\nfi\nif [ -f \"docs\u002F01-需求调研\u002F市场调研报告.md\" ]; then\n  echo \"✅ 市场调研报告 - 已找到\"\nelse\n  echo \"⏳ 市场调研报告 - 未找到（可选）\"\nfi\n```\n\n---\n\n## 写入时边界\n\n只讨论时不写文件，启动检查不创建目录。用户要求保存产物时，先确认当前产品、精确输出路径及已有文件的覆盖\u002F追加选择；确认后**仅在实际 Write 前**创建该输出文件的父目录。完整安装可参见 `skills\u002F_shared\u002Fartifact-policy.md`，单独安装本 skill 也按本段执行。\n\n---\n\n## 跨 Agent 交互规则\n\n当流程要求与用户交互时：\n\n1. 如果当前环境支持 AskUserQuestion，使用 AskUserQuestion（最佳体验）。\n2. 如果当前环境不支持 AskUserQuestion，必须用普通聊天消息提出同样问题。\n3. 一次只问一个问题。\n4. 提问后必须停止当前回合，等待用户回答（STOP and WAIT）。\n5. 不得在用户回答前生成文档、写入 docs。\n6. 已有 docs 文件不能替代本轮用户回答。\n\n---\n\n## 适用场景\n\n- 用户说\"让 AI 推荐我们的产品\"\"GEO 优化\"\"AI 搜索里搜不到我们\"\"生成式引擎优化\"\"提升在 ChatGPT\u002FPerplexity 的曝光\"\n- 产品已上线或已有官网\u002F内容资产，希望被 AI 搜索引擎在回答中准确提及与推荐\n- 与 `pm-growth`（转化增长）区分：geo 管\"被 AI 发现与推荐\"，growth 管\"看到之后的转化\"\n\n---\n\n## 执行流程\n\n### 步骤 1: 明确 GEO 目标查询（主 agent - 用户交互）\n\n使用 AskUserQuestion 询问：\n\n> ? GEO 优化目标\n>\n> 你希望用户在 AI 搜索里用哪类问题能搜到\u002F被推荐你们？\n>\n> A) 品类\u002F场景问题（如\"有什么好用的XX工具\"）\n> B) 对比\u002F选型问题（如\"XX 和 YY 哪个好\"）\n> C) 解决方案问题（如\"怎么解决 XX 痛点\"）\n> D) 品牌\u002F官网直接召回（搜品牌名能出现官网与简介）\n> E) 全部覆盖（推荐，但耗时较长）\n>\n> ? 提示：先聚焦 1-2 个高价值查询场景，比铺开更有效。\n\n记录到变量 `GEO_TARGET`。\n\n---\n\n### 步骤 2: 现状可见性诊断（主 agent + subagent）\n\n#### 2.1 采集产品基础信息\n\n如果有产品定位方案 \u002F 市场调研报告，读取并提取：产品名称、核心品类、目标用户、差异化卖点、官网 URL。\n\n如果缺失，使用 AskUserQuestion 快速采集以上 5 项（一次一题）。\n\n#### 2.2 模拟 AI 搜索召回测试\n\n使用 Agent 工具派发 subagent，模拟在 ChatGPT \u002F Perplexity \u002F AI Overviews 中查询目标问题，记录当前是否提及本产品、提及时的描述是否准确：\n\n```\nTool: Task\nParameters:\n  subagent_type: \"general-purpose\"\n  description: \"GEO现状召回诊断\"\n  prompt: |\n    你是一个 GEO（生成式引擎优化）审计专家。请基于公开信息，模拟用户在主流 AI 搜索引擎中提问时的召回情况。\n\n    **产品信息**：{产品名称} \u002F {核心品类} \u002F {官网URL} \u002F {差异化卖点}\n    **目标查询场景**：{GEO_TARGET}\n\n    **任务**：\n    1. 针对每个目标查询，判断当前主流 AI 引擎（ChatGPT、Perplexity、Google AI Overviews、豆包、文心一言）在回答中是否会提及该产品。\n    2. 若提及，描述是否准确、是否给出官网\u002F正确链接。\n    3. 若未提及，分析最可能的原因（实体未被收录、内容信号弱、缺乏权威引用、品类归因错误等）。\n    4. 给出 0-100 的可见性评分与 3 条最关键的缺口。\n\n    返回结构化 JSON：\n    ```json\n    {\n      \"visibility_score\": 0-100,\n      \"per_query\": [{\"query\": \"...\", \"mentioned\": true\u002Ffalse, \"accuracy\": \"准确\u002F偏差\u002F错误\", \"reason\": \"...\"}],\n      \"top_gaps\": [\"缺口1\", \"缺口2\", \"缺口3\"]\n    }\n    ```\n```\n\n主 agent 等待结果，向用户确认诊断是否吻合其感知。\n\n---\n\n### 步骤 3: 派发 subagent 做语料与竞品引用研究（核心优化）\n\n**优化说明**：搜索与资料整理不占用主 agent 上下文，subagent 并行执行。\n\n构建任务清单（搜索优先级：首选 AnySearch，失败降级 Exa MCP，最后 WebSearch；WebSearch 时标注「⚠️ 降级模式」）：\n\n```json\n[\n  {\n    \"task_id\": \"entity_signal\",\n    \"keywords\": [\"{产品名称} 官网\", \"{品类} 权威定义\", \"{差异化卖点} 评测\"],\n    \"domains\": [\"官网\", \"维基\u002F百科类\", \"行业媒体\", \"评测站\"]\n  },\n  {\n    \"task_id\": \"competitor_citation\",\n    \"keywords\": [\"{品类} 推荐 {竞品}\", \"{品类} 哪个好\", \"{竞品} 对比\"],\n    \"domains\": [\"36kr.com\", \"huxiu.com\", \"zhihu.com\", \"producthunt.com\"]\n  }\n]\n```\n\n使用 Agent 工具并行派发，prompt 结构参考 `pm-market` 的搜索专家模板（含 AnySearch 定位与调用方式）。\n\n主 agent 收集结果。\n\n---\n\n### 步骤 4: 生成 GEO 优化方案（主 agent）\n\n使用 Write 工具生成 `docs\u002F03-增长迭代\u002FGEO优化方案.md`：\n\n```markdown\n# {产品名称} GEO \u002F AI 搜索优化方案\n\n## 文档信息\n- 产品名称: {产品名称}\n- 方案版本: v1.0\n- 生成日期: {当前时间}\n- 生成工具: super-pm \u002F pm-geo\n\n---\n\n## 一、现状诊断\n- 可见性评分: {score}\u002F100\n- 目标查询召回情况:\n  | 查询场景 | 是否被提及 | 描述准确度 | 主要原因 |\n  |---------|-----------|-----------|---------|\n  | {场景} | {是\u002F否} | {准确\u002F偏差} | {原因} |\n- 最关键缺口: {gap1} \u002F {gap2} \u002F {gap3}\n\n## 二、GEO 优化框架\n### 2.1 实体建设（Entity）\n- 统一品牌实体名称、一句话定位、关键属性（品类\u002F地区\u002F功能）\n- 官网结构化数据（Entity \u002F Organization \u002F Product schema）\n- 权威平台实体页（百科、黄页、行业库）一致性\n\n### 2.2 内容信号（Content）\n- 针对目标查询生产\"可被引用\"的内容资产（对比页、选型指南、解决方案文）\n- 明确结论 + 数据 + 来源，便于 AI 直接抽取\n- FAQ \u002F 长尾问题覆盖\n\n### 2.3 引用与权威（Citation）\n- 争取被行业媒体、评测站、问答社区引用\n- 在第三方内容中建立\"品类→本产品\"的稳定关联\n\n### 2.4 技术底座（Technical）\n- 站点可抓取、内容可被索引\n- 结构化数据、清晰站点地图、稳定官网信息\n\n## 三、行动清单（按优先级）\n| 优先级 | 动作 | 负责方 | 预期效果 | 周期 |\n|-------|------|-------|---------|------|\n| P0 | {动作} | {方} | {效果} | {周期} |\n| P1 | {动作} | {方} | {效果} | {周期} |\n\n## 四、监测指标\n- 目标查询 AI 召回率（提及占比）\n- 描述准确度（准确\u002F偏差\u002F错误）\n- 官网直接流量（品牌词）\n- 第三方引用数\n\n## 五、下一步建议\n1. \u002Fpm-growth - 把被推荐流量转化为注册\u002F付费\n2. \u002Fpm-competitor - 持续监控竞品在 AI 搜索中的表现\n3. \u002Fpm-report - 周期性复盘 GEO 指标\n```\n\n---\n\n### 步骤 5: 推荐下一步（主 agent）\n\n> ✅ GEO 优化方案已生成：`docs\u002F03-增长迭代\u002FGEO优化方案.md`\n>\n> 建议执行：\n> 1. \u002Fpm-competitor - 监控竞品在 AI 搜索中的可见性\n> 2. \u002Fpm-growth - 承接被推荐流量做转化\n> 3. \u002Fpm-report - 周期性复盘 GEO 指标\n\n---\n\n## 搜索依赖说明\n\n- **AnySearch**（首选）：中文检索质量优，支持垂直域。先定位脚本再调用：\n  `python3 \u003Canysearch_cli.py 路径> search \"查询词\" --max_results 5 --domain \u003C域>`\n  脚本候选路径：`~\u002F.claude\u002Fskills\u002Fanysearch\u002Fscripts\u002F` `~\u002F.opencode\u002Fskills\u002Fanysearch\u002Fscripts\u002F` `~\u002F.cursor\u002Fskills\u002Fanysearch\u002Fscripts\u002F` `~\u002F.anysearch\u002Fscripts\u002F`，或 `which anysearch_cli.py`\n- **Exa MCP**（备选）：英文\u002F语义检索。\n- **WebSearch**（兜底）：标注「⚠️ 降级模式」。\n\n---\n\n## 输出质量对比\n\n**✅ Good 示例**：\n- 有具体查询场景：「针对\"有什么好用的项目管理工具\"，当前 ChatGPT 未提及本品，根因为实体未被收录」\n- 有可落地动作：「在官网增加 Product schema，并生产\"XX vs YY\"对比页争取被引用」\n- 有监测指标：「目标查询 AI 召回率从 0% 提升至 40%」\n\n**❌ Bad 示例**：\n- 泛泛而谈：「应该提升品牌曝光」\n- 无查询场景：「做内容优化」\n- 无监测：「GEO 很重要」\n\n---\n\n## 常见误区 \u002F Red Flags — STOP\n\n| 误区 | 正确做法 |\n|------|---------|\n| 把 GEO 等同于传统 SEO | GEO 面向生成式引擎的\"引用与归因\"，重实体\u002F内容信号\u002F权威引用 |\n| 认为发稿即可被推荐 | 需可抓取、结构化、被第三方稳定引用 |\n| 不做现状诊断直接出方案 | 先测召回，再开处方 |\n| 无监测指标 | 必须定义召回率\u002F准确度\u002F引用数 |\n\n---\n\n## 产出质量检查 \u002F Verification Checklist\n\n- [ ] 已明确目标查询场景（GEO_TARGET）\n- [ ] 已完成现状召回诊断（可见性评分 + 缺口）\n- [ ] 已产出实体\u002F内容\u002F引用\u002F技术四类优化动作\n- [ ] 输出文档已生成到 `docs\u002F03-增长迭代\u002F`\n- [ ] 已推荐 2-3 个后续 skill\n\n> ⚠️ 任何一项未通过 → 补全后再标记完成。\n\n---\n","## Preamble (run first)\n\n```bash\necho \"? GEO \u002F AI 搜索优化工具\"\n\n# 检查前置文档\nif [ -f \"docs\u002F02-方案设计\u002F产品定位方案.md\" ]; then\n  echo \"✅ 产品定位方案 - 已找到\"\nelse\n  echo \"⏳ 产品定位方案 - 未找到（可选，缺失时将由本技能快速采集）\"\nfi\nif [ -f \"docs\u002F01-需求调研\u002F市场调研报告.md\" ]; then\n  echo \"✅ 市场调研报告 - 已找到\"\nelse\n  echo \"⏳ 市场调研报告 - 未找到（可选）\"\nfi\n```\n\n---\n\n## 写入时边界\n\n只讨论时不写文件，启动检查不创建目录。用户要求保存产物时，先确认当前产品、精确输出路径及已有文件的覆盖\u002F追加选择；确认后**仅在实际 Write 前**创建该输出文件的父目录。完整安装可参见 `skills\u002F_shared\u002Fartifact-policy.md`，单独安装本 skill 也按本段执行。\n\n---\n\n## 跨 Agent 交互规则\n\n当流程要求与用户交互时：\n\n1. 如果当前环境支持 AskUserQuestion，使用 AskUserQuestion（最佳体验）。\n2. 如果当前环境不支持 AskUserQuestion，必须用普通聊天消息提出同样问题。\n3. 一次只问一个问题。\n4. 提问后必须停止当前回合，等待用户回答（STOP and WAIT）。\n5. 不得在用户回答前生成文档、写入 docs。\n6. 已有 docs 文件不能替代本轮用户回答。\n\n---\n\n## 适用场景\n\n- 用户说\"让 AI 推荐我们的产品\"\"GEO 优化\"\"AI 搜索里搜不到我们\"\"生成式引擎优化\"\"提升在 ChatGPT\u002FPerplexity 的曝光\"\n- 产品已上线或已有官网\u002F内容资产，希望被 AI 搜索引擎在回答中准确提及与推荐\n- 与 `pm-growth`（转化增长）区分：geo 管\"被 AI 发现与推荐\"，growth 管\"看到之后的转化\"\n\n---\n\n## 执行流程\n\n### 步骤 1: 明确 GEO 目标查询（主 agent - 用户交互）\n\n使用 AskUserQuestion 询问：\n\n> ? GEO 优化目标\n>\n> 你希望用户在 AI 搜索里用哪类问题能搜到\u002F被推荐你们？\n>\n> A) 品类\u002F场景问题（如\"有什么好用的XX工具\"）\n> B) 对比\u002F选型问题（如\"XX 和 YY 哪个好\"）\n> C) 解决方案问题（如\"怎么解决 XX 痛点\"）\n> D) 品牌\u002F官网直接召回（搜品牌名能出现官网与简介）\n> E) 全部覆盖（推荐，但耗时较长）\n>\n> ? 提示：先聚焦 1-2 个高价值查询场景，比铺开更有效。\n\n记录到变量 `GEO_TARGET`。\n\n---\n\n### 步骤 2: 现状可见性诊断（主 agent + subagent）\n\n#### 2.1 采集产品基础信息\n\n如果有产品定位方案 \u002F 市场调研报告，读取并提取：产品名称、核心品类、目标用户、差异化卖点、官网 URL。\n\n如果缺失，使用 AskUserQuestion 快速采集以上 5 项（一次一题）。\n\n#### 2.2 模拟 AI 搜索召回测试\n\n使用 Agent 工具派发 subagent，模拟在 ChatGPT \u002F Perplexity \u002F AI Overviews 中查询目标问题，记录当前是否提及本产品、提及时的描述是否准确：\n\n```\nTool: Task\nParameters:\n  subagent_type: \"general-purpose\"\n  description: \"GEO现状召回诊断\"\n  prompt: |\n    你是一个 GEO（生成式引擎优化）审计专家。请基于公开信息，模拟用户在主流 AI 搜索引擎中提问时的召回情况。\n\n    **产品信息**：{产品名称} \u002F {核心品类} \u002F {官网URL} \u002F {差异化卖点}\n    **目标查询场景**：{GEO_TARGET}\n\n    **任务**：\n    1. 针对每个目标查询，判断当前主流 AI 引擎（ChatGPT、Perplexity、Google AI Overviews、豆包、文心一言）在回答中是否会提及该产品。\n    2. 若提及，描述是否准确、是否给出官网\u002F正确链接。\n    3. 若未提及，分析最可能的原因（实体未被收录、内容信号弱、缺乏权威引用、品类归因错误等）。\n    4. 给出 0-100 的可见性评分与 3 条最关键的缺口。\n\n    返回结构化 JSON：\n    ```json\n    {\n      \"visibility_score\": 0-100,\n      \"per_query\": [{\"query\": \"...\", \"mentioned\": true\u002Ffalse, \"accuracy\": \"准确\u002F偏差\u002F错误\", \"reason\": \"...\"}],\n      \"top_gaps\": [\"缺口1\", \"缺口2\", \"缺口3\"]\n    }\n    ```\n```\n\n主 agent 等待结果，向用户确认诊断是否吻合其感知。\n\n---\n\n### 步骤 3: 派发 subagent 做语料与竞品引用研究（核心优化）\n\n**优化说明**：搜索与资料整理不占用主 agent 上下文，subagent 并行执行。\n\n构建任务清单（搜索优先级：首选 AnySearch，失败降级 Exa MCP，最后 WebSearch；WebSearch 时标注「⚠️ 降级模式」）：\n\n```json\n[\n  {\n    \"task_id\": \"entity_signal\",\n    \"keywords\": [\"{产品名称} 官网\", \"{品类} 权威定义\", \"{差异化卖点} 评测\"],\n    \"domains\": [\"官网\", \"维基\u002F百科类\", \"行业媒体\", \"评测站\"]\n  },\n  {\n    \"task_id\": \"competitor_citation\",\n    \"keywords\": [\"{品类} 推荐 {竞品}\", \"{品类} 哪个好\", \"{竞品} 对比\"],\n    \"domains\": [\"36kr.com\", \"huxiu.com\", \"zhihu.com\", \"producthunt.com\"]\n  }\n]\n```\n\n使用 Agent 工具并行派发，prompt 结构参考 `pm-market` 的搜索专家模板（含 AnySearch 定位与调用方式）。\n\n主 agent 收集结果。\n\n---\n\n### 步骤 4: 生成 GEO 优化方案（主 agent）\n\n使用 Write 工具生成 `docs\u002F03-增长迭代\u002FGEO优化方案.md`：\n\n```markdown\n# {产品名称} GEO \u002F AI 搜索优化方案\n\n## 文档信息\n- 产品名称: {产品名称}\n- 方案版本: v1.0\n- 生成日期: {当前时间}\n- 生成工具: super-pm \u002F pm-geo\n\n---\n\n## 一、现状诊断\n- 可见性评分: {score}\u002F100\n- 目标查询召回情况:\n  | 查询场景 | 是否被提及 | 描述准确度 | 主要原因 |\n  |---------|-----------|-----------|---------|\n  | {场景} | {是\u002F否} | {准确\u002F偏差} | {原因} |\n- 最关键缺口: {gap1} \u002F {gap2} \u002F {gap3}\n\n## 二、GEO 优化框架\n### 2.1 实体建设（Entity）\n- 统一品牌实体名称、一句话定位、关键属性（品类\u002F地区\u002F功能）\n- 官网结构化数据（Entity \u002F Organization \u002F Product schema）\n- 权威平台实体页（百科、黄页、行业库）一致性\n\n### 2.2 内容信号（Content）\n- 针对目标查询生产\"可被引用\"的内容资产（对比页、选型指南、解决方案文）\n- 明确结论 + 数据 + 来源，便于 AI 直接抽取\n- FAQ \u002F 长尾问题覆盖\n\n### 2.3 引用与权威（Citation）\n- 争取被行业媒体、评测站、问答社区引用\n- 在第三方内容中建立\"品类→本产品\"的稳定关联\n\n### 2.4 技术底座（Technical）\n- 站点可抓取、内容可被索引\n- 结构化数据、清晰站点地图、稳定官网信息\n\n## 三、行动清单（按优先级）\n| 优先级 | 动作 | 负责方 | 预期效果 | 周期 |\n|-------|------|-------|---------|------|\n| P0 | {动作} | {方} | {效果} | {周期} |\n| P1 | {动作} | {方} | {效果} | {周期} |\n\n## 四、监测指标\n- 目标查询 AI 召回率（提及占比）\n- 描述准确度（准确\u002F偏差\u002F错误）\n- 官网直接流量（品牌词）\n- 第三方引用数\n\n## 五、下一步建议\n1. \u002Fpm-growth - 把被推荐流量转化为注册\u002F付费\n2. \u002Fpm-competitor - 持续监控竞品在 AI 搜索中的表现\n3. \u002Fpm-report - 周期性复盘 GEO 指标\n```\n\n---\n\n### 步骤 5: 推荐下一步（主 agent）\n\n> ✅ GEO 优化方案已生成：`docs\u002F03-增长迭代\u002FGEO优化方案.md`\n>\n> 建议执行：\n> 1. \u002Fpm-competitor - 监控竞品在 AI 搜索中的可见性\n> 2. \u002Fpm-growth - 承接被推荐流量做转化\n> 3. \u002Fpm-report - 周期性复盘 GEO 指标\n\n---\n\n## 搜索依赖说明\n\n- **AnySearch**（首选）：中文检索质量优，支持垂直域。先定位脚本再调用：\n  `python3 \u003Canysearch_cli.py 路径> search \"查询词\" --max_results 5 --domain \u003C域>`\n  脚本候选路径：`~\u002F.claude\u002Fskills\u002Fanysearch\u002Fscripts\u002F` `~\u002F.opencode\u002Fskills\u002Fanysearch\u002Fscripts\u002F` `~\u002F.cursor\u002Fskills\u002Fanysearch\u002Fscripts\u002F` `~\u002F.anysearch\u002Fscripts\u002F`，或 `which anysearch_cli.py`\n- **Exa MCP**（备选）：英文\u002F语义检索。\n- **WebSearch**（兜底）：标注「⚠️ 降级模式」。\n\n---\n\n## 输出质量对比\n\n**✅ Good 示例**：\n- 有具体查询场景：「针对\"有什么好用的项目管理工具\"，当前 ChatGPT 未提及本品，根因为实体未被收录」\n- 有可落地动作：「在官网增加 Product schema，并生产\"XX vs YY\"对比页争取被引用」\n- 有监测指标：「目标查询 AI 召回率从 0% 提升至 40%」\n\n**❌ Bad 示例**：\n- 泛泛而谈：「应该提升品牌曝光」\n- 无查询场景：「做内容优化」\n- 无监测：「GEO 很重要」\n\n---\n\n## 常见误区 \u002F Red Flags — STOP\n\n| 误区 | 正确做法 |\n|------|---------|\n| 把 GEO 等同于传统 SEO | GEO 面向生成式引擎的\"引用与归因\"，重实体\u002F内容信号\u002F权威引用 |\n| 认为发稿即可被推荐 | 需可抓取、结构化、被第三方稳定引用 |\n| 不做现状诊断直接出方案 | 先测召回，再开处方 |\n| 无监测指标 | 必须定义召回率\u002F准确度\u002F引用数 |\n\n---\n\n## 产出质量检查 \u002F Verification Checklist\n\n- [ ] 已明确目标查询场景（GEO_TARGET）\n- [ ] 已完成现状召回诊断（可见性评分 + 缺口）\n- [ ] 已产出实体\u002F内容\u002F引用\u002F技术四类优化动作\n- [ ] 输出文档已生成到 `docs\u002F03-增长迭代\u002F`\n- [ ] 已推荐 2-3 个后续 skill\n\n> ⚠️ 任何一项未通过 → 补全后再标记完成。\n\n---\n",{"name":5,"description":49,"allowed-tools":50},"Use when: 需要提升产品在 AI 搜索\u002F生成式引擎（ChatGPT、Perplexity、AI Overviews、豆包、文心）中的可见性与被推荐率、做 GEO（Generative Engine Optimization）方案\nDo NOT use when: 仅做传统 SEO\u002F关键词排名、产品尚未上线且无任何公开信息可优化\n",[51,52,53,54,38,55,56,57],"Task","Read","Write","AskUserQuestion","WebSearch","mcp__exa__web_search_exa","mcp__exa__web_fetch_exa","main","c815a5b055b972b9b56fffce0102dbcf9e8ede7d","skills\u002F03-growth-iteration\u002Fpm-geo",8,"https:\u002F\u002Fgithub.com\u002Fkonglong87\u002FsuperPM","https:\u002F\u002Fkonglong87.github.io\u002Fanything-ai\u002F","https:\u002F\u002Fgithub.com\u002Fkonglong87","蓬头稚子学垂纶，侧坐莓苔草映身","2026-10-26 15:12:41",{"source":8,"skillName":5,"commands":68,"prompt":78,"zipAvailable":79},[69,72,75],{"tool":70,"command":71},"npx","npx skills add konglong87\u002FsuperPM --skill pm-geo",{"tool":73,"command":74},"bunx","bunx skills add konglong87\u002FsuperPM --skill pm-geo",{"tool":76,"command":77},"pnpm","pnpm dlx skills add konglong87\u002FsuperPM --skill pm-geo","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002Fkonglong87\u002FsuperPM\u002Fblob\u002Fmain\u002Fskills\u002F03-growth-iteration\u002Fpm-geo\u002FSKILL.md",true,[],[82,110,126,147,160,180],{"skillNo":83,"name":84,"nameZh":6,"description":85,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":86,"categories":87,"keywords":94,"publishedAt":44},"01M6J07VBJZGTH83K1ST4AFTSX","write-prd","PRD writing workflow — chain demand validation, clarification, prioritization, MVP scoping, and document generation\nUse when: Writing a PRD, BRD, or MRD, or need to produce product requirement documents","https:\u002F\u002Fgithub.com\u002Fkonglong87\u002FsuperPM\u002Fblob\u002Fmain\u002Fskills\u002Fworkflows\u002Fwrite-prd\u002FSKILL.md",[88,89],{"categoryNo":19,"categoryName":20,"taxonomyType":21,"taxonomyTypeDesc":22},{"categoryNo":90,"categoryName":91,"taxonomyType":92,"taxonomyTypeDesc":93},"01JBSEEDCAT000000000000031","产品经理","PROFESSION","适用职业",[95,27,96,97,98,99,100,101,102,103,38,35,32,104,105,106,107,108,109,28],"prd","write prd","writing","workflow","documents","validation","product","produce","prioritization","prd writing","document","generation","chain","mvp","document generation",{"skillNo":111,"name":112,"nameZh":6,"description":113,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":114,"categories":115,"keywords":117,"publishedAt":44},"01M6J07NR1TC4FGKQN2596F8BH","validate-idea","Idea validation workflow — chain demand validation, market research, prioritization, and MVP scoping\nUse when: Validating a new product idea, testing assumptions, or exploring viability","https:\u002F\u002Fgithub.com\u002Fkonglong87\u002FsuperPM\u002Fblob\u002Fmain\u002Fskills\u002Fworkflows\u002Fvalidate-idea\u002FSKILL.md",[116],{"categoryNo":19,"categoryName":20,"taxonomyType":21,"taxonomyTypeDesc":22},[118,119,120,121,122,98,100,101,103,38,123,35,27,124,32,125,107,108,28],"validate","idea","validate idea","testing","research","market research","scoping","Market",{"skillNo":127,"name":128,"nameZh":6,"description":129,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":130,"categories":131,"keywords":133,"publishedAt":44},"01M6J07HBCCG59V69N29TPAC12","plan-launch","Launch planning workflow — chain risk assessment, cross-team coordination, agile delivery, and release planning\nUse when: Preparing for a product launch, release, or go-live","https:\u002F\u002Fgithub.com\u002Fkonglong87\u002FsuperPM\u002Fblob\u002Fmain\u002Fskills\u002Fworkflows\u002Fplan-launch\u002FSKILL.md",[132],{"categoryNo":19,"categoryName":20,"taxonomyType":21,"taxonomyTypeDesc":22},[134,135,136,98,137,138,139,101,140,141,38,142,35,32,143,144,107,145,28,146],"launch","plan","plan launch","risk assessment","assessment","planning","risk","team","coordination","planning workflow","delivery","team coordination","for",{"skillNo":148,"name":149,"nameZh":6,"description":150,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":151,"categories":152,"keywords":154,"publishedAt":44},"01M6J07DYRS1S91SY8JCZZH3CS","discover","Product discovery workflow — chain market analysis, competitor research, demand validation, and prioritization\nUse when: Exploring a new product idea, entering a new market, or validating an opportunity","https:\u002F\u002Fgithub.com\u002Fkonglong87\u002FsuperPM\u002Fblob\u002Fmain\u002Fskills\u002Fworkflows\u002Fdiscover\u002FSKILL.md",[153],{"categoryNo":19,"categoryName":20,"taxonomyType":21,"taxonomyTypeDesc":22},[149,122,98,100,101,155,156,103,38,35,27,157,32,125,119,158,159,107,28],"analysis","discovery","product discovery","opportunity","market analysis",{"skillNo":161,"name":162,"nameZh":6,"description":163,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":164,"categories":165,"keywords":168,"publishedAt":44},"01M6J079BYTWRDH5N8WBH2NEJJ","define-strategy","Product strategy workflow — chain positioning, business model, OKRs, and roadmap\nUse when: Defining product strategy, setting OKRs, planning roadmap, or making strategic decisions","https:\u002F\u002Fgithub.com\u002Fkonglong87\u002FsuperPM\u002Fblob\u002Fmain\u002Fskills\u002Fworkflows\u002Fdefine-strategy\u002FSKILL.md",[166,167],{"categoryNo":19,"categoryName":20,"taxonomyType":21,"taxonomyTypeDesc":22},{"categoryNo":90,"categoryName":91,"taxonomyType":92,"taxonomyTypeDesc":93},[169,170,171,98,139,101,38,172,173,35,27,174,32,175,176,107,177,178,179,28],"strategy","define","define strategy","model","decisions","business","roadmap","positioning","product strategy","strategic","business model",{"skillNo":181,"name":182,"nameZh":6,"description":183,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":184,"categories":185,"keywords":187,"publishedAt":44},"01M6J0752ZRR0R8FWAQHD4KTJ5","analyze-growth","Growth analysis workflow — chain AARRR analysis, data reporting, growth strategy, and iteration planning\nUse when: Analyzing growth metrics, planning growth initiatives, or optimizing product performance","https:\u002F\u002Fgithub.com\u002Fkonglong87\u002FsuperPM\u002Fblob\u002Fmain\u002Fskills\u002Fworkflows\u002Fanalyze-growth\u002FSKILL.md",[186],{"categoryNo":19,"categoryName":20,"taxonomyType":21,"taxonomyTypeDesc":22},[188,189,190,191,98,139,101,192,193,194,155,38,35,27,169,32,195,107,196,28],"analyze","growth","analyze growth","performance","reporting","analyzing","data","iteration","growth strategy"]