findscripter 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）
- 结构化数据信号 —— Organization/Person schema、
sameAs链接、@id一致性、author schema。 - 知识库信号 —— Wikidata、Wikipedia、CrunchBase、行业目录。
- 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）。
- 基于内容的实体信号 —— About 页、作者页、主题权威度、品牌词外链。
- 第三方实体信号 —— 权威提及、共现引用、评测、媒体报道。
- 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。