01 / USE CASES

适合用来做什么

企业 GEO 全链路诊断
AI 认知与推荐缺席排查
竞品、证据和机会分析
讯灵账户前置背调与复测

02 / PROMPT

Prompt 内容

使用 geo-diagnostic-engine，根据我提供的企业事实、证据、真实 AI 观察和已确认竞品生成 Executive GEO 诊断。所有分数都要可追溯；缺失数据保持 UNKNOWN、NOT_RUN 或 INSUFFICIENT_DATA，并给出机会排序、P0 至 P3 行动计划和复测方法。

03 / WORKFLOW

执行流程

01
读取客户资料并确认已有与缺失内容
02
建立企业实体、Evidence Graph 与 AI 认知记录
03
生成 Query Matrix 并分析竞品差距、EEAAP 与 EEAT
04
计算 GEO Gap、Opportunity Score 与分级行动计划
05
生成分层报告、验证计划与 Before/After 复测

04 / HOW TO USE

使用方法

01
准备输入
企业资料 JSON，包括公司事实、材料、真实 AI observations、已确认竞品、证据、问题、关键词方向、当前指标与验证约束。
02
打开正式入口
进入对应 GitHub 仓库，先阅读正式 Skill 入口和仓库内的配套文件。
03
复制并填写 Prompt
复制本页 Prompt，将其中的目标、资料和限制替换为当前任务的真实信息。
04
按 Workflow 执行
依次完成各步骤，并根据运行要求检查结果后再交付。

05 / PLATFORM USE

豆包、千问怎么使用

豆包 / 通义千问（通用投喂方式）

提供正式入口和真实诊断输入后，可按 V3 数据流整理诊断报告；平台本身不替代仓库脚本或真实 API。

提供 geo-account-precheck/SKILL.md，以及企业资料 JSON、真实 AI observations、已确认竞品、Evidence、问题、关键词方向和验证约束。
要求按 DiagnosticPipeline 输出 Executive、Operational 或 Technical 报告，并同时保留 diagnostic.json 所需的诊断结论。
缺失资料、未运行的查询或不足以判断的指标保持 UNKNOWN、NOT_RUN 或 INSUFFICIENT_DATA，不补写模拟排名。
如果平台不能运行 Python，将结果作为分析报告使用；需要运行仓库脚本时使用 Python 3，并按 ManualProvider 或 OfflineProvider 规则执行。

报告分数是可追溯的 Diagnostic Indicator，不是任何 AI 平台的真实排名保证。
当前没有接入真实搜索或 AI API 时，不应把离线结果描述为实时平台表现。

06 / OUTPUT

你会得到

Executive、Operational 或 Technical 分层诊断报告
diagnostic.json 与可选 report.json
GEO 缺口、机会排序、行动计划与复测方案

07 / REQUIREMENTS

使用前确认

完整 AI 表现判断需要真实 observed 或 provided AI 记录；模拟记录不参与评分。
竞品与 Evidence 需要来源和状态，缺失数据必须保持 UNKNOWN、NOT_RUN 或 INSUFFICIENT_DATA。
运行仓库诊断脚本需要 Python 3；默认可使用 ManualProvider 或 OfflineProvider。

08 / UPDATE LOG

更新记录

2026-09-08

V3

当前公开仓库版本；本档案首次记录于 2026-08-27。

GEO-BD · 企业初次诊断