Claude Skill

brand-geo-analysis-plus

中国互联网品牌感知监测统一工具。聚合全网热榜追踪(hub)、小红书/抖音/公众号近30天深度讨论研究(cn30)、豆包/Kimi/DeepSeek AI 搜索品牌可见度分析(geo)三个互补模块,帮助品牌方/市场运营/内容创作者从「话题热度—真实口碑—AI 回答」三层视角全面感知品牌。当用户需要研究中国社交媒体热点、分析品牌舆情、对比竞品口碑、分析品牌在 AI 搜索中的表现、做 GEO 优化、追踪全网热点时使用。触发词:品牌感知、舆情监测、社媒研究、热榜聚合、AI 搜索可见度、GEO 分析、跨平台舆情、热点追踪、品牌口碑、品牌竞品对比、社媒热榜。

LLM Mart · 0 points · 2 views 0 listing impressions 0 install-command copies
Download redfox-data-redfox-community-skills_brand-geo-analysis-plus-3036ede.zip · 79 KB

Install

skills CLI npx skills add https://github.com/redfox-data/redfox-community/tree/main/skills/brand-geo-analysis-plus
Claude Code claude plugin marketplace add https://llmmart.ai/marketplace.json && claude plugin install redfox-data-redfox-community@llmmart
Git git clone https://github.com/redfox-data/redfox-community.git

The skills CLI installs just this skill, for any of its supported agents. Claude Code installs the whole redfox-data/redfox-community collection as a plugin from our marketplace. Git is the plain clone.

README

品牌GEO分析Plus版 / brand-geo-analysis-plus


简介

一个 Skill、三层视角:全网热榜聚合(hub)+ 近30天社媒深度研究(cn30)+ AI 搜索品牌可见度(geo),从「话题热度 - 真实口碑 - AI 回答」三个层位,全面感知中国互联网上的品牌形象。

核心价值

  • 一站式三层视角:从热搜榜、社媒讨论到 AI 搜索回答,品牌感知全链路一个工具覆盖,无需多工具切换。
  • 真实数据驱动:7 大平台实时热榜 + 3 大社媒平台近 30 天真实讨论 + 3 大 AI 搜索引擎实测回答。
  • 量化可衡量:GEO 综合得分、提及率、平均排名、情绪分布,品牌在 AI 搜索里的可见度不再是玄学。
  • 报告即交付:终端速览表格 + 交互式 HTML 报告,随手留档、分享。

适用对象

  • 🏢 品牌方 / 市场运营 — 摸清品牌在全网的真实声量与口碑,负面反馈早发现。
  • 📊 市场 / 舆情分析师 — 跨平台对比竞品表现,产出可直接引用的结构化报告。
  • 📈 GEO / SEO 从业者 — 量化品牌在 AI 搜索里的可见度,找到明确的优化方向。
  • ✍️ 内容运营 / 营销策划 — 追全网热点、挖真实用户讨论,选题灵感不断供。

功能特性

核心功能

  • 全网热榜聚合(hub):实时抓取百度、知乎、微博、抖音、B站、快手、头条 7 大平台热搜,自动识别跨平台同一热点事件,输出 TOP10 榜单、跨平台小结与趋势预测,支持昨日 / 本周 / 历史 30 天回溯。
  • 社媒深度研究(cn30):搜索小红书、抖音、公众号近 30 天真实用户讨论,跨平台对比舆情趋势,输出数据速览、核心发现与可视化 HTML 报告,支持自定义关键词与任意天数(1~30 天)。
  • AI 搜索可见度(geo):向豆包、Kimi、DeepSeek 三个 AI 搜索引擎批量提问,量化品牌提及率、推荐排名、情绪倾向、信源引用,自动发现竞品并生成对比矩阵,附交互式 HTML 报告。
  • 完整品牌诊断:三模块组合工作流,从热度、口碑、AI 回答三个层位产出结构化品牌感知诊断报告,含分层行动建议。

特色亮点

  • 三合一产品形态:一个 Skill 串起「热榜 → 社媒 → AI 搜索」三层信息源,既可单模块使用,也可组合成全维度诊断。
  • 确定性指标公式:GEO 综合得分由提及率(40%)+ 排名(30%)+ 情绪(30%)加权计算,结果可复现、可跨期对比。
  • 脏数据自动剔除:AI 平台限流 / 故障的回答自动标记并排除统计,不污染提及率与情绪结论。

密钥获取与安全说明

  • 本技能需要使用环境变量:REDFOX_API_KEY。
  • REDFOX_API_KEY 由 红狐 hub (https://redfox.hk)提供。
  • 请前往 红狐 hub 注册账号,获取 REDFOX_API_KEY。
  • 配置设备环境变量 REDFOX_API_KEY 后使用本技能。
  • 在提供密钥前,请先确认密钥来源、可用范围、有效期及是否支持重置/撤销。
  • 禁止在代码、提示词、日志或输出文件中硬编码/明文暴露密钥。

使用指南

直接用自然语言说出你的品牌、话题或分析需求即可,无需记忆固定命令。

常用说法速查

意图 示例话术 效果
看全网热点 「今天全网在聊什么?哪个热点值得追?」 7 平台热榜 TOP10 + 跨平台小结 + 趋势预测
研究社媒口碑 「近30天大家怎么聊无糖饮料?小红书、抖音、公众号都看看」 跨平台真实讨论速览 + 核心发现 + HTML 报告
查 AI 搜索可见度 「分析一下元气森林在豆包、Kimi、DeepSeek 里的表现」 GEO 得分 + 提及率 / 情绪 / 信源 + 交互式报告
竞品 AI 对比 「对比我们和竞品 A,谁在 AI 搜索里被推荐得更多?」 提及率 / 排名 / 情绪的竞品对比矩阵
完整品牌诊断 「帮我做一份 XX 品牌的完整感知报告」 热度 + 口碑 + AI 回答三阶段组合诊断

输出示例

以 AI 搜索可见度分析为例,完成后你将收到一份交互式 HTML 报告,核心摘要大致如下(示意):

  • 跨平台提及率:83%(豆包 100% / Kimi 67% / DeepSeek 83%)
  • GEO 综合得分:72 / 100(优秀),最佳平台为豆包
  • 情绪分布:正面 70% / 中性 30% / 负面 0%
  • 品牌平均排名:2.3(推荐列表中上部)
  • TOP 信源:zhihu.com、baike.baidu.com……若品牌官网未被引用,即为 GEO 优化的切入点

使用场景

场景 角色 示例问法 收益
品牌舆情监测 品牌方 / 市场运营 「最近大家怎么聊我们品牌?看看小红书和抖音」 热度与口碑一屏掌握,负面反馈早发现
AI 搜索优化 GEO / SEO 从业者 「我们在 AI 搜索里被提到的比例是多少?怎么提升?」 量化基线 + 明确的优化方向
竞品对比分析 市场 / 舆情分析师 「对比我们和竞品在社媒和 AI 搜索里的表现」 同维度竞品矩阵,报告可直接引用
热点借势选题 内容运营 / 营销策划 「今天哪个热点值得追?和我们的赛道相关吗?」 跨平台热榜 + 趋势预测,选题不踩空
新品上市调研 产品经理 「近30天用户对这类产品的真实讨论有哪些?」 跨平台用户原声,需求与痛点一目了然

重要数据说明

  • 热榜(hub):小时级更新,默认返回「前一个完整小时」的数据;支持查询昨日热榜、本周热榜与历史 30 天数据。
  • 社媒研究(cn30):默认检索近 30 天数据,可自定义 1~30 天任意范围。
  • AI 搜索(geo):即时提问、实时分析;AI 回答可能随平台算法变化,结果仅反映分析时点的情况,建议定期复测。

Skill manifest

品牌GEO分析Plus版

一句话定位

一个 Skill、三层视角:实时热榜聚合(hub)+ 近30天社媒深度研究(cn30)+ AI 搜索品牌可见度(geo),覆盖中国互联网品牌感知的全部关键场景。

何时使用

任意以下场景触发,立即使用本 skill:

  • 想知道今天全网在聊什么、哪个热点值得追 → hub 模块
  • 想研究某话题在过去30天的真实用户讨论、做品牌口碑/竞品对比 → cn30 模块
  • 想看品牌在豆包/Kimi/DeepSeek AI 搜索里被如何介绍、品牌 AI 可见度如何 → geo 模块
  • 想做完整的品牌感知诊断(热榜热度 → 真实口碑 → AI 回答) → 组合工作流

三个模块速览

模块 脚本入口 平台 时间维度 输出
hub(热榜) scripts/hub_fetch.py 百度/知乎/微博/抖音/B站/快手/头条(7平台) 实时(小时级)/ 昨日 / 本周 / 历史30天 TOP10 表格 + 跨平台小结 + 趋势预测
cn30(社媒研究) scripts/cn30_search.py 小红书/抖音/公众号(3平台) 近30天任意天数 数据速览(TOP5×3平台)+ 综合洞察 + HTML 报告
geo(AI 搜索可见度) scripts/geo_search.py + scripts/geo_analyze.py + scripts/geo_report.py 豆包/Kimi/DeepSeek(3 平台) 即时提问 GEO 得分 + 提及率 + 情绪 + 竞品 + 信源 + 交互式 HTML 报告

鉴权(共享)

三个模块共享同一个 REDFOX_API_KEY。从 红狐 hub 获取,配置方式:

export REDFOX_API_KEY=ak_你的密钥

或写入 ~/.openclaw/openclaw.json 的 env.REDFOX_API_KEY。优先级:命令行 --api-key > 环境变量 > 配置文件。

依赖安装(按模块):

模块 依赖
hub 标准库(urllib.request,无三方依赖)
cn30 标准库(urllib.request,无三方依赖)
geo pip install requests

路由决策树

根据用户意图选择模块。如果意图模糊,先用 AskUserQuestion 确认。

用户想做什么?
│
├─ 想知道今天/最近哪个话题/事件在全网火
│   └─→ hub 模块(实时热榜)
│
├─ 想研究某话题在用户真实讨论里的口碑/反馈
│   └─→ cn30 模块(小红书+抖音+公众号)
│
├─ 想看品牌/产品在 AI 搜索里被如何介绍
│   └─→ geo 模块
│
├─ 想做品牌诊断:热度 + 口碑 + AI 可见度 全维度
│   └─→ 组合工作流(hub → cn30 → geo)
│
└─ 给了具体平台/时间/品牌名
    └─→ 根据字段路由到对应模块

模块一:hub(热榜聚合)

能力

实时抓取 7 大平台热搜数据,跨平台事件识别,TOP10 榜单,趋势预测,订阅推送。

平台代码

代码 平台 代码 平台
bd 百度 bz B站
zh 知乎 ks 快手
wb 微博 tt 头条
dy 抖音

快速调用

# 最新热榜(前一个完整小时)
python3 ~/.workbuddy/skills/brand-geo-analysis-plus/scripts/hub_fetch.py \
  --source "全平台热点事件-GitHub"

# 今日热榜(今日0:00 到当前整点)
python3 ~/.workbuddy/skills/brand-geo-analysis-plus/scripts/hub_fetch.py \
  --source "全平台热点事件-GitHub" \
  --start-date "T 00:00:00" --end-date "T HH:00:00"

# 昨日热榜 / 本周热榜 / 指定平台 / 关键词泛化
# 详见 references/hub-instructions.md

输出规范

按平台分类输出 TOP10,平台展示顺序固定为:百度 → 知乎 → 微博 → 抖音 → B站 → 快手 → 头条。

  • 智能跳过空平台
  • 数据≤10 条展示实际数量;>10 条显示「查看{平台名}完整榜单」引导
  • 热度值已由脚本格式化完毕,直接使用 hotCount 字段原值即可,不要做任何换算
    • 脚本内 format_hot_count() 已处理:纯数字会折算为「数字+万」(5980000 → 598万);返回值已含单位("598万"、"345 万热度")的原样透传
    • 禁止对 hotCount 做整除/乘法运算(它是字符串,会 TypeError),也禁止再拼接「万」(会得到「598万万」)
  • 完整模板见 references/hub-output-templates.md
  • 趋势预测逻辑见 references/hub-prediction-logic.md
  • 全部指令清单见 references/hub-instructions.md

关键规则

  • 小时级更新:默认查询是「前一个完整小时」而非当前小时
  • 关键词泛化:大词(体育/娱乐/科技等)自动扩展为10个相关词;精确词直接用原词
  • 默认 compact 模式:stdout 输出极简(每平台仅预览 TOP3,表头会标注"(下表为 TOP3 预览)")+ 末尾附带 dataFile: {path},完整榜单必须从 dataFile 读 JSON,不要因为只看到 3 条就认为数据缺失
  • 平台顺序已由脚本固定为 百度 → 知乎 → 微博 → 抖音 → B站 → 快手 → 头条,无需自行重排

模块二:cn30(社媒深度研究)

能力

从小红书、抖音、公众号三大平台搜索近30天真实用户讨论数据,跨平台综合分析舆情趋势,输出研究报告和可视化 HTML 报告。

平台代码

代码 平台 关键指标
xhs 小红书 点赞/收藏/评论(收藏/点赞比=种草信号)
dy 抖音 点赞/评论/分享(分享数=传播力)
gzh 公众号 阅读/点赞/转发(阅读量=关注度)

快速调用

python3 ~/.workbuddy/skills/brand-geo-analysis-plus/scripts/cn30_search.py \
  "AI视频工具,大模型" \
  --platforms xhs,dy,gzh \
  --count 50 \
  --days 30 \
  --output-format both \
  --output-dir ~/Documents/CnLast30Days

--output-format 支持 json / html / both。

工作流

  1. 环境检查:确认 REDFOX_API_KEY 已配置
  2. 关键词质量检查:话题太模糊("工具"、"方法")时让用户具体化
  3. 预研究:并行 2-3 个 WebSearch 提取热词(小红书/抖音/通用)
  4. 查询计划:合并相关词为一次调用,每平台最多5个词,默认只调用1次引擎
  5. 运行引擎:前台运行(5分钟超时),读完整输出
  6. WebSearch 补充:1-2 次 WebSearch 覆盖知乎/B站/36氪(排除 xhs/dy/gzh 域名)
  7. 综合输出:按 输出规则 生成报告

输出规范(强制)

🇨🇳 cn-last30days v2.0.0 · {YYYY-MM-DD}

## 数据速览
(公众号 TOP5 → 小红书 TOP5 → 抖音 TOP5,标题作可点击 Markdown 链接)

我的发现:
**{话题}** - 1-2句描述,来源 [平台@作者](链接)
核心发现:
1. ...
2. ...

{引擎页脚逐字粘贴}

---
我是 {TOPIC} 的专家,我可以帮你:
- ...
HTML 报告已生成:[查看报告](HTML文件路径)

LAW 规则(任何一条违反都视为输出错误):

  • LAW 1:结尾不要 Sources: / References: 块
  • LAW 2:通用查询以「我的发现:」开头,禁止 ##/### 章节标题;对比查询例外
  • LAW 3:不用破折号(—/–),用 -(空格连字符空格)
  • LAW 4:引擎页脚逐字包含,位于核心发现之后、邀请之前
  • LAW 5:每个引用用内联 Markdown 链接,不用裸 URL
  • LAW 6:不要输出原始排名列表,转化为散文洞察
  • LAW 7:徽章之后、「我的发现」之前必须有「数据速览」模块

完整模板见 references/cn30-output-rules.md。

HTML 报告(自动生成)

数据查询完成后,无需询问直接生成 HTML:

python3 ~/.workbuddy/skills/brand-geo-analysis-plus/scripts/cn30_search.py \
  --from-json "JSON文件路径" \
  --output-dir ~/Documents/CnLast30Days
open "HTML文件路径"

模块三:geo(AI 搜索品牌可见度)

能力

向豆包、Kimi、DeepSeek 三个 AI 搜索引擎批量提问,分析品牌出现率、情绪倾向、信源引用、竞品对比,生成交互式 HTML 报告。

平台代码

doubao / kimi / deepseek(默认全选,逗号分隔)

工作流

Step 0: 输入收集

必填:

  • 品牌名(如「元气森林」、「大疆」、「蔚来」)
  • 品类/行业(如「无糖饮料」、「无人机」、「新能源汽车」)

可选:

  • 品牌别名(提高匹配精度)
  • 竞品列表
  • 自定义问题列表(有则跳过 Step 1)

如果只有品牌名没有品类,必须追问品类。

Step 1: 问题生成(用户未提供问题时)

通过 websearch 搜索品类相关问题,结合品类知识生成 8 个问题。

问题类型必须覆盖四类(每类至少 2 个,共 8 个,最多 12 个):

  • 推荐类:「{品类}哪个品牌好?」(不直接含品牌名)
  • 对比类:「{品牌A}和{品牌B}哪个好?」
  • 评价类:「{品牌}怎么样?」(可含品牌名)
  • 场景类:「{场景}用什么{品类}好?」(不直接含品牌名)

生成后必须用 AskUserQuestion 确认,等用户明确同意才能进入 Step 2。

Step 2: 批量搜索

python3 ~/.workbuddy/skills/brand-geo-analysis-plus/scripts/geo_search.py \
  --queries '["问题1","问题2","问题3","问题4","问题5","问题6","问题7","问题8"]' \
  --platforms doubao,kimi,deepseek

输出 output/search_results.json。脚本自动完成全部任务(3 平台 × N 问题)的并行提交与轮询,最长 15 分钟。

  • 8 个问题 → 24 个任务,等待提示:「约需 5-8 分钟」
  • 平台返回限流/故障话术(如豆包「高峰期算力紧张…请稍后再试」)时,脚本会自动重试 1 次;仍无效则记为 status: "invalid" 并排除出统计(不计入提及率分母),不再当作「品牌未被提及」

Step 3: 确定性分析

python3 ~/.workbuddy/skills/brand-geo-analysis-plus/scripts/geo_analyze.py \
  --brand "品牌名" \
  --aliases '["别名1","别名2"]' \
  --competitors '["竞品A","竞品B"]' \
  --search-results output/search_results.json

输出 output/deterministic.json + output/ai_analysis_template.json。

Step 4: AI 分析(Agent 执行)

读取 output/search_results.json,只对 status == "completed" 的回答分析以下字段(invalid / failed / timeout 一律跳过,它们已被排除出统计):

  • brand_rank (int|null):推荐列表中的排名位置
  • brand_context (str):上下文摘要
  • sentiment (str):positive / neutral / negative
  • sentiment_reason (str):判断依据
  • competitors_mentioned (list[str]):所有提及的竞品
  • competitor_details (list[dict]):每竞品的 rank + sentiment
  • key_claims (list[str]):2-3 条关键描述

写入 output/ai_analysis.json。

注意:正文中的内联引用标记(Kimi <REF>…</REF>、DeepSeek [citation:N])已由脚本在 Step 2 剥离,无需自行处理。

信源可用性:sources 为空是正常现象,常见于 Kimi(该平台只返回正文内联引用标记,不含可解析外链)。此时结果里会带 sources_note 字段,报告「信源分析」章节会自动展示数据完整性提示,不要把空信源当作「品牌官网未被引用」的结论。

情绪判断规则:

  • 回答明确推荐/强调优势 → positive
  • 客观描述/仅列举 → neutral
  • 指出缺点/不推荐 → negative

Step 5: 合并 + 报告生成

# 合并分析(Step 4 完成后)
python3 ~/.workbuddy/skills/brand-geo-analysis-plus/scripts/geo_analyze.py \
  --brand "品牌名" --aliases '["别名"]' --competitors '["竞品"]' \
  --search-results output/search_results.json \
  --ai-analysis output/ai_analysis.json

# 生成 HTML
python3 ~/.workbuddy/skills/brand-geo-analysis-plus/scripts/geo_report.py \
  --analysis output/analysis_result.json \
  --search-results output/search_results.json

Step 6: 交付

  1. 交付 output/geo_report.html
  2. 输出关键发现摘要(5 条核心结论):
    • 跨平台提及率 + 分平台拆分
    • GEO 综合得分 + 最佳/最差平台
    • 情绪分布(正面率 = 正面数/有效回答数,中性不计入正面)
    • 竞品对比 + 品牌排名
    • TOP3 信源域名 + 官网是否被引用(若某平台无信源,须说明而非当作"未被引用")

核心指标

详细定义见 references/geo-metrics.md。核心公式:

GEO 得分 = 提及率得分 × 40% + 排名得分 × 30% + 情绪得分 × 30%
        = 提及率×100 × 40% + max(0, 100 - (均排名-1)×10) × 30%
          + (正面占比×100 - 负面占比×50) × 30%

解读:70+优秀 / 50-69良好 / 30-49一般 / <30不足。


组合工作流:完整品牌感知诊断

当用户需要做全维度品牌诊断(典型问法:「帮我做一份品牌的完整感知报告」),依次执行:

阶段 1:hub 摸热度(5分钟)

python3 scripts/hub_fetch.py --source "全平台热点事件-GitHub" --keywords "{品牌}" --expand-keywords

产出:品牌是否在近期热点中、覆盖哪些平台、平均热度、上榜时长。

阶段 2:cn30 挖口碑(5-10分钟)

python3 scripts/cn30_search.py "{品牌},{品类}" --days 30 --output-format both

产出:真实用户讨论、情感倾向、TOP 反馈、HTML 报告。

阶段 3:geo 看 AI 回答(10-15分钟)

python3 scripts/geo_search.py --queries '[5 个问题]' --platforms doubao,kimi,deepseek
python3 scripts/geo_analyze.py --brand "{品牌}" --competitors '["{竞品}"]' --search-results output/search_results.json
# 步骤 4-5 见 geo 模块工作流

产出:品牌在 AI 搜索里的提及率、情绪、排名、信源、HTML 报告。

阶段 4:综合报告

把 hub/cn30/geo 三阶段发现合并成一份叙事文档,结构:

# {品牌} 品牌感知诊断报告

## 一句话结论
(综合三阶段结果的一句话判断)

## 1. 热度层(全网热榜)
- 是否在热点中 / 平台覆盖 / 趋势方向

## 2. 口碑层(社媒讨论)
- 真实用户反馈 / 正负面信号 / 关键讨论主题

## 3. AI 层(生成式搜索)
- GEO 得分 / 提及率 / 情绪分布 / 竞品对比 / 信源

## 4. 行动建议
- 热度层:{是否需要借势}
- 口碑层:{具体需改进的负面反馈}
- AI 层:{GEO 优化方向}

错误处理(通用)

情况 处理方式
未配置 REDFOX_API_KEY 提示用户前往 红狐 hub 获取
关键词模糊("工具"、"方法") 用 AskUserQuestion 让用户具体化
cn30 引擎部分失败 继续分析已完成的数据,HTML 报告中标注失败项
geo 任务全部超时 提示用户稍后重试,可能是 API 负载过高
geo AI 分析结果缺失 仅生成确定性分析(提及率、域名),情绪模块标注"待分析"
品牌名太短(≤2字) 提示用户提供品牌别名以提高匹配精度

资源索引

脚本

文件 用途
scripts/hub_fetch.py 7平台热榜聚合
scripts/cn30_search.py 小红书/抖音/公众号近30天讨论搜索 + HTML 报告生成
scripts/geo_search.py AI 搜索批量调度器
scripts/geo_analyze.py GEO 确定性分析 + 合并分析
scripts/geo_report.py GEO HTML 报告生成
scripts/lib/platforms.py AI 平台适配器
scripts/lib/analyzer.py GEO 分析逻辑库
scripts/lib/report_template.py GEO HTML 模板库

参考资料

文件 何时加载
references/cn30-output-rules.md 生成 cn30 报告时
references/hub-instructions.md 处理 hub 用户指令时
references/hub-output-templates.md 输出 hub 报告时
references/hub-prediction-logic.md 做趋势预测时
references/geo-metrics.md 计算 GEO 指标时

常见问答

Q: 三个模块必须都用吗? A: 不必。根据路由决策树按需调用。简单场景用一个模块即可,复杂诊断才用组合工作流。

Q: 为什么不把三个模块的脚本合并成一个 CLI? A: 三个数据源、调用逻辑、输出格式差异较大。脚本独立性更高,便于单独维护和升级。当一个数据源失败时不影响其他模块。

Q: 升级某个模块怎么办? A: 单模块独立升级只需替换 scripts/ 下对应文件 + 更新对应 references/ 文档。统一 SKILL.md 不需要改动。

Q: 这三个模块能直接拿到本工作区使用吗? A: 是的。skill 安装在 ~/.workbuddy/skills/brand-geo-analysis-plus/,所有 WorkBuddy 会话和 workspace 都可使用。

Files (redfox-community)
  • references
    • cn30-output-rules.md 4.3 KB
      Loading…
    • geo-metrics.md 5.2 KB
      Loading…
    • hub-instructions.md 4.5 KB
      Loading…
    • hub-output-templates.md 6.7 KB
      Loading…
    • hub-prediction-logic.md 3.6 KB
      Loading…
  • scripts
    • lib
      • analyzer.py 22.4 KB
        Loading…
      • platforms.py 15.2 KB
        Loading…
      • report_template.py 55.5 KB
        Loading…
      • __init__.py 0 B
        Loading…
    • cn30_search.py 49.2 KB
      Loading…
    • geo_analyze.py 12 KB
      Loading…
    • geo_report.py 3.1 KB
      Loading…
    • geo_search.py 11.9 KB
      Loading…
    • hub_fetch.py 14.2 KB
      Loading…
  • README.en.md 7.1 KB
    Loading…
  • README.md 6.6 KB
    # 品牌GEO分析Plus版 / brand-geo-analysis-plus
    
    ---
    
    ## 简介
    
    一个 Skill、三层视角:**全网热榜聚合(hub)+ 近30天社媒深度研究(cn30)+ AI 搜索品牌可见度(geo)**,从「话题热度 - 真实口碑 - AI 回答」三个层位,全面感知中国互联网上的品牌形象。
    
    **核心价值**
    
    - **一站式三层视角**:从热搜榜、社媒讨论到 AI 搜索回答,品牌感知全链路一个工具覆盖,无需多工具切换。
    - **真实数据驱动**:7 大平台实时热榜 + 3 大社媒平台近 30 天真实讨论 + 3 大 AI 搜索引擎实测回答。
    - **量化可衡量**:GEO 综合得分、提及率、平均排名、情绪分布,品牌在 AI 搜索里的可见度不再是玄学。
    - **报告即交付**:终端速览表格 + 交互式 HTML 报告,随手留档、分享。
    
    **适用对象**
    
    - 🏢 **品牌方 / 市场运营** — 摸清品牌在全网的真实声量与口碑,负面反馈早发现。
    - 📊 **市场 / 舆情分析师** — 跨平台对比竞品表现,产出可直接引用的结构化报告。
    - 📈 **GEO / SEO 从业者** — 量化品牌在 AI 搜索里的可见度,找到明确的优化方向。
    - ✍️ **内容运营 / 营销策划** — 追全网热点、挖真实用户讨论,选题灵感不断供。
    
    ---
    
    ## 功能特性
    
    ### 核心功能
    
    - **全网热榜聚合(hub)**:实时抓取百度、知乎、微博、抖音、B站、快手、头条 7 大平台热搜,自动识别跨平台同一热点事件,输出 TOP10 榜单、跨平台小结与趋势预测,支持昨日 / 本周 / 历史 30 天回溯。
    - **社媒深度研究(cn30)**:搜索小红书、抖音、公众号近 30 天真实用户讨论,跨平台对比舆情趋势,输出数据速览、核心发现与可视化 HTML 报告,支持自定义关键词与任意天数(1~30 天)。
    - **AI 搜索可见度(geo)**:向豆包、Kimi、DeepSeek 三个 AI 搜索引擎批量提问,量化品牌提及率、推荐排名、情绪倾向、信源引用,自动发现竞品并生成对比矩阵,附交互式 HTML 报告。
    - **完整品牌诊断**:三模块组合工作流,从热度、口碑、AI 回答三个层位产出结构化品牌感知诊断报告,含分层行动建议。
    
    ### 特色亮点
    
    - **三合一产品形态**:一个 Skill 串起「热榜 → 社媒 → AI 搜索」三层信息源,既可单模块使用,也可组合成全维度诊断。
    - **确定性指标公式**:GEO 综合得分由提及率(40%)+ 排名(30%)+ 情绪(30%)加权计算,结果可复现、可跨期对比。
    - **脏数据自动剔除**:AI 平台限流 / 故障的回答自动标记并排除统计,不污染提及率与情绪结论。
    
    ---
    
    ## 密钥获取与安全说明
    
    - 本技能需要使用环境变量:`REDFOX_API_KEY`。
    - `REDFOX_API_KEY` 由 [红狐 hub](https://redfox.hk/settings/api-keys?source=github) (`https://redfox.hk`)提供。
    - 请前往 [红狐 hub](https://redfox.hk?source=github) 注册账号,获取 `REDFOX_API_KEY`。
    - 配置设备环境变量 `REDFOX_API_KEY` 后使用本技能。
    - 在提供密钥前,请先确认密钥来源、可用范围、有效期及是否支持重置/撤销。
    - 禁止在代码、提示词、日志或输出文件中硬编码/明文暴露密钥。
    
    ---
    
    ## 使用指南
    
    直接用自然语言说出你的品牌、话题或分析需求即可,无需记忆固定命令。
    
    ### 常用说法速查
    
    | 意图           | 示例话术                                                       | 效果                                         |
    | -------------- | -------------------------------------------------------------- | -------------------------------------------- |
    | 看全网热点     | 「今天全网在聊什么?哪个热点值得追?」                         | 7 平台热榜 TOP10 + 跨平台小结 + 趋势预测     |
    | 研究社媒口碑   | 「近30天大家怎么聊无糖饮料?小红书、抖音、公众号都看看」       | 跨平台真实讨论速览 + 核心发现 + HTML 报告    |
    | 查 AI 搜索可见度 | 「分析一下元气森林在豆包、Kimi、DeepSeek 里的表现」           | GEO 得分 + 提及率 / 情绪 / 信源 + 交互式报告 |
    | 竞品 AI 对比   | 「对比我们和竞品 A,谁在 AI 搜索里被推荐得更多?」             | 提及率 / 排名 / 情绪的竞品对比矩阵           |
    | 完整品牌诊断   | 「帮我做一份 XX 品牌的完整感知报告」                           | 热度 + 口碑 + AI 回答三阶段组合诊断          |
    
    ### 输出示例
    
    以 AI 搜索可见度分析为例,完成后你将收到一份交互式 HTML 报告,核心摘要大致如下(示意):
    
    - **跨平台提及率**:83%(豆包 100% / Kimi 67% / DeepSeek 83%)
    - **GEO 综合得分**:72 / 100(优秀),最佳平台为豆包
    - **情绪分布**:正面 70% / 中性 30% / 负面 0%
    - **品牌平均排名**:2.3(推荐列表中上部)
    - **TOP 信源**:zhihu.com、baike.baidu.com……若品牌官网未被引用,即为 GEO 优化的切入点
    
    ---
    
    ## 使用场景
    
    | 场景           | 角色                | 示例问法                                           | 收益                                     |
    | -------------- | ------------------- | -------------------------------------------------- | ---------------------------------------- |
    | 品牌舆情监测   | 品牌方 / 市场运营   | 「最近大家怎么聊我们品牌?看看小红书和抖音」       | 热度与口碑一屏掌握,负面反馈早发现       |
    | AI 搜索优化    | GEO / SEO 从业者    | 「我们在 AI 搜索里被提到的比例是多少?怎么提升?」 | 量化基线 + 明确的优化方向                |
    | 竞品对比分析   | 市场 / 舆情分析师   | 「对比我们和竞品在社媒和 AI 搜索里的表现」         | 同维度竞品矩阵,报告可直接引用           |
    | 热点借势选题   | 内容运营 / 营销策划 | 「今天哪个热点值得追?和我们的赛道相关吗?」       | 跨平台热榜 + 趋势预测,选题不踩空        |
    | 新品上市调研   | 产品经理            | 「近30天用户对这类产品的真实讨论有哪些?」         | 跨平台用户原声,需求与痛点一目了然       |
    
    ---
    
    ## 重要数据说明
    
    - **热榜(hub)**:小时级更新,默认返回「前一个完整小时」的数据;支持查询昨日热榜、本周热榜与历史 30 天数据。
    - **社媒研究(cn30)**:默认检索近 30 天数据,可自定义 1~30 天任意范围。
    - **AI 搜索(geo)**:即时提问、实时分析;AI 回答可能随平台算法变化,结果仅反映分析时点的情况,建议定期复测。
    
    ---
    
  • SKILL.md 19.6 KB
    ---
    name: brand-geo-analysis-plus
    description: 中国互联网品牌感知监测统一工具。聚合全网热榜追踪(hub)、小红书/抖音/公众号近30天深度讨论研究(cn30)、豆包/Kimi/DeepSeek AI 搜索品牌可见度分析(geo)三个互补模块,帮助品牌方/市场运营/内容创作者从「话题热度—真实口碑—AI 回答」三层视角全面感知品牌。当用户需要研究中国社交媒体热点、分析品牌舆情、对比竞品口碑、分析品牌在 AI 搜索中的表现、做 GEO 优化、追踪全网热点时使用。触发词:品牌感知、舆情监测、社媒研究、热榜聚合、AI 搜索可见度、GEO 分析、跨平台舆情、热点追踪、品牌口碑、品牌竞品对比、社媒热榜。
    agent_created: true
    allowed-tools: Bash, Read, Write, AskUserQuestion, WebSearch
    metadata:
      emoji: "👁️"
      requires:
        env:
          - REDFOX_API_KEY
        bins:
          - python3
      primaryEnv: REDFOX_API_KEY
      tags:
        - brand
        - social-media
        - trends
        - ai-search
        - geo
        - xiaohongshu
        - douyin
        - wechat
        - weibo
        - bilibili
        - kuaishou
        - toutiao
        - baidu
        - zhihu
        - doubao
        - kimi
        - deepseek
    ---
    
    # 品牌GEO分析Plus版
    
    ## 一句话定位
    
    一个 Skill、三层视角:实时热榜聚合(hub)+ 近30天社媒深度研究(cn30)+ AI 搜索品牌可见度(geo),覆盖中国互联网品牌感知的全部关键场景。
    
    ## 何时使用
    
    任意以下场景触发,立即使用本 skill:
    
    - 想知道今天全网在聊什么、哪个热点值得追 → **hub 模块**
    - 想研究某话题在过去30天的真实用户讨论、做品牌口碑/竞品对比 → **cn30 模块**
    - 想看品牌在豆包/Kimi/DeepSeek AI 搜索里被如何介绍、品牌 AI 可见度如何 → **geo 模块**
    - 想做完整的品牌感知诊断(热榜热度 → 真实口碑 → AI 回答) → **组合工作流**
    
    ## 三个模块速览
    
    | 模块                     | 脚本入口                                                                     | 平台                                       | 时间维度                               | 输出                                                      |
    | ------------------------ | ---------------------------------------------------------------------------- | ------------------------------------------ | -------------------------------------- | --------------------------------------------------------- |
    | **hub**(热榜)          | `scripts/hub_fetch.py`                                                       | 百度/知乎/微博/抖音/B站/快手/头条(7平台) | 实时(小时级)/ 昨日 / 本周 / 历史30天 | TOP10 表格 + 跨平台小结 + 趋势预测                        |
    | **cn30**(社媒研究)     | `scripts/cn30_search.py`                                                     | 小红书/抖音/公众号(3平台)                | 近30天任意天数                         | 数据速览(TOP5×3平台)+ 综合洞察 + HTML 报告              |
    | **geo**(AI 搜索可见度) | `scripts/geo_search.py` + `scripts/geo_analyze.py` + `scripts/geo_report.py` | 豆包/Kimi/DeepSeek(3 平台)               | 即时提问                               | GEO 得分 + 提及率 + 情绪 + 竞品 + 信源 + 交互式 HTML 报告 |
    
    ## 鉴权(共享)
    
    三个模块共享同一个 `REDFOX_API_KEY`。从 [红狐 hub](https://redfox.hk/settings/api-keys?source=github) 获取,配置方式:
    
    ```bash
    export REDFOX_API_KEY=ak_你的密钥
    ```
    
    或写入 `~/.openclaw/openclaw.json` 的 `env.REDFOX_API_KEY`。优先级:命令行 `--api-key` > 环境变量 > 配置文件。
    
    依赖安装(按模块):
    
    | 模块 | 依赖                                   |
    | ---- | -------------------------------------- |
    | hub  | 标准库(`urllib.request`,无三方依赖) |
    | cn30 | 标准库(`urllib.request`,无三方依赖) |
    | geo  | `pip install requests`                 |
    
    ---
    
    ## 路由决策树
    
    根据用户意图选择模块。如果意图模糊,先用 AskUserQuestion 确认。
    
    ```
    用户想做什么?
    │
    ├─ 想知道今天/最近哪个话题/事件在全网火
    │   └─→ hub 模块(实时热榜)
    │
    ├─ 想研究某话题在用户真实讨论里的口碑/反馈
    │   └─→ cn30 模块(小红书+抖音+公众号)
    │
    ├─ 想看品牌/产品在 AI 搜索里被如何介绍
    │   └─→ geo 模块
    │
    ├─ 想做品牌诊断:热度 + 口碑 + AI 可见度 全维度
    │   └─→ 组合工作流(hub → cn30 → geo)
    │
    └─ 给了具体平台/时间/品牌名
        └─→ 根据字段路由到对应模块
    ```
    
    ---
    
    ## 模块一:hub(热榜聚合)
    
    ### 能力
    
    实时抓取 7 大平台热搜数据,跨平台事件识别,TOP10 榜单,趋势预测,订阅推送。
    
    ### 平台代码
    
    | 代码 | 平台 | 代码 | 平台 |
    | ---- | ---- | ---- | ---- |
    | `bd` | 百度 | `bz` | B站  |
    | `zh` | 知乎 | `ks` | 快手 |
    | `wb` | 微博 | `tt` | 头条 |
    | `dy` | 抖音 |      |      |
    
    ### 快速调用
    
    ```bash
    # 最新热榜(前一个完整小时)
    python3 ~/.workbuddy/skills/brand-geo-analysis-plus/scripts/hub_fetch.py \
      --source "全平台热点事件-GitHub"
    
    # 今日热榜(今日0:00 到当前整点)
    python3 ~/.workbuddy/skills/brand-geo-analysis-plus/scripts/hub_fetch.py \
      --source "全平台热点事件-GitHub" \
      --start-date "T 00:00:00" --end-date "T HH:00:00"
    
    # 昨日热榜 / 本周热榜 / 指定平台 / 关键词泛化
    # 详见 references/hub-instructions.md
    ```
    
    ### 输出规范
    
    按平台分类输出 TOP10,**平台展示顺序固定**为:百度 → 知乎 → 微博 → 抖音 → B站 → 快手 → 头条。
    
    - 智能跳过空平台
    - 数据≤10 条展示实际数量;>10 条显示「查看{平台名}完整榜单」引导
    - 热度值**已由脚本格式化完毕**,直接使用 `hotCount` 字段原值即可,**不要做任何换算**
      - 脚本内 `format_hot_count()` 已处理:纯数字会折算为「数字+万」(`5980000` → `598万`);返回值已含单位(`"598万"`、`"345 万热度"`)的原样透传
      - 禁止对 `hotCount` 做整除/乘法运算(它是字符串,会 `TypeError`),也禁止再拼接「万」(会得到「598万万」)
    - 完整模板见 `references/hub-output-templates.md`
    - 趋势预测逻辑见 `references/hub-prediction-logic.md`
    - 全部指令清单见 `references/hub-instructions.md`
    
    ### 关键规则
    
    - **小时级更新**:默认查询是「前一个完整小时」而非当前小时
    - **关键词泛化**:大词(体育/娱乐/科技等)自动扩展为10个相关词;精确词直接用原词
    - **默认 compact 模式**:stdout 输出极简(每平台仅预览 TOP3,表头会标注"(下表为 TOP3 预览)")+ 末尾附带 `dataFile: {path}`,完整榜单必须从 `dataFile` 读 JSON,不要因为只看到 3 条就认为数据缺失
    - **平台顺序已由脚本固定**为 百度 → 知乎 → 微博 → 抖音 → B站 → 快手 → 头条,无需自行重排
    
    ---
    
    ## 模块二:cn30(社媒深度研究)
    
    ### 能力
    
    从小红书、抖音、公众号三大平台搜索近30天真实用户讨论数据,跨平台综合分析舆情趋势,输出研究报告和可视化 HTML 报告。
    
    ### 平台代码
    
    | 代码  | 平台   | 关键指标                               |
    | ----- | ------ | -------------------------------------- |
    | `xhs` | 小红书 | 点赞/收藏/评论(收藏/点赞比=种草信号) |
    | `dy`  | 抖音   | 点赞/评论/分享(分享数=传播力)        |
    | `gzh` | 公众号 | 阅读/点赞/转发(阅读量=关注度)        |
    
    ### 快速调用
    
    ```bash
    python3 ~/.workbuddy/skills/brand-geo-analysis-plus/scripts/cn30_search.py \
      "AI视频工具,大模型" \
      --platforms xhs,dy,gzh \
      --count 50 \
      --days 30 \
      --output-format both \
      --output-dir ~/Documents/CnLast30Days
    ```
    
    `--output-format` 支持 `json` / `html` / `both`。
    
    ### 工作流
    
    1. **环境检查**:确认 `REDFOX_API_KEY` 已配置
    2. **关键词质量检查**:话题太模糊("工具"、"方法")时让用户具体化
    3. **预研究**:并行 2-3 个 WebSearch 提取热词(小红书/抖音/通用)
    4. **查询计划**:合并相关词为一次调用,每平台最多5个词,默认只调用1次引擎
    5. **运行引擎**:前台运行(5分钟超时),读完整输出
    6. **WebSearch 补充**:1-2 次 WebSearch 覆盖知乎/B站/36氪(排除 xhs/dy/gzh 域名)
    7. **综合输出**:按 [输出规则](references/cn30-output-rules.md) 生成报告
    
    ### 输出规范(强制)
    
    ```
    🇨🇳 cn-last30days v2.0.0 · {YYYY-MM-DD}
    
    ## 数据速览
    (公众号 TOP5 → 小红书 TOP5 → 抖音 TOP5,标题作可点击 Markdown 链接)
    
    我的发现:
    **{话题}** - 1-2句描述,来源 [平台@作者](链接)
    核心发现:
    1. ...
    2. ...
    
    {引擎页脚逐字粘贴}
    
    ---
    我是 {TOPIC} 的专家,我可以帮你:
    - ...
    HTML 报告已生成:[查看报告](HTML文件路径)
    ```
    
    **LAW 规则**(任何一条违反都视为输出错误):
    
    - LAW 1:结尾不要 `Sources:` / `References:` 块
    - LAW 2:通用查询以「我的发现:」开头,禁止 `##`/`###` 章节标题;对比查询例外
    - LAW 3:不用破折号(`—`/`–`),用 `-`(空格连字符空格)
    - LAW 4:引擎页脚逐字包含,位于核心发现之后、邀请之前
    - LAW 5:每个引用用内联 Markdown 链接,不用裸 URL
    - LAW 6:不要输出原始排名列表,转化为散文洞察
    - LAW 7:徽章之后、「我的发现」之前必须有「数据速览」模块
    
    完整模板见 `references/cn30-output-rules.md`。
    
    ### HTML 报告(自动生成)
    
    数据查询完成后,**无需询问**直接生成 HTML:
    
    ```bash
    python3 ~/.workbuddy/skills/brand-geo-analysis-plus/scripts/cn30_search.py \
      --from-json "JSON文件路径" \
      --output-dir ~/Documents/CnLast30Days
    open "HTML文件路径"
    ```
    
    ---
    
    ## 模块三:geo(AI 搜索品牌可见度)
    
    ### 能力
    
    向豆包、Kimi、DeepSeek 三个 AI 搜索引擎批量提问,分析品牌出现率、情绪倾向、信源引用、竞品对比,生成交互式 HTML 报告。
    
    ### 平台代码
    
    `doubao` / `kimi` / `deepseek`(默认全选,逗号分隔)
    
    ### 工作流
    
    #### Step 0: 输入收集
    
    必填:
    
    - 品牌名(如「元气森林」、「大疆」、「蔚来」)
    - 品类/行业(如「无糖饮料」、「无人机」、「新能源汽车」)
    
    可选:
    
    - 品牌别名(提高匹配精度)
    - 竞品列表
    - 自定义问题列表(有则跳过 Step 1)
    
    **如果只有品牌名没有品类,必须追问品类。**
    
    #### Step 1: 问题生成(用户未提供问题时)
    
    通过 websearch 搜索品类相关问题,结合品类知识生成 **8 个**问题。
    
    问题类型必须覆盖四类(**每类至少 2 个**,共 8 个,最多 12 个):
    
    - **推荐类**:「{品类}哪个品牌好?」(不直接含品牌名)
    - **对比类**:「{品牌A}和{品牌B}哪个好?」
    - **评价类**:「{品牌}怎么样?」(可含品牌名)
    - **场景类**:「{场景}用什么{品类}好?」(不直接含品牌名)
    
    生成后**必须用 AskUserQuestion 确认**,等用户明确同意才能进入 Step 2。
    
    #### Step 2: 批量搜索
    
    ```bash
    python3 ~/.workbuddy/skills/brand-geo-analysis-plus/scripts/geo_search.py \
      --queries '["问题1","问题2","问题3","问题4","问题5","问题6","问题7","问题8"]' \
      --platforms doubao,kimi,deepseek
    ```
    
    输出 `output/search_results.json`。脚本自动完成全部任务(3 平台 × N 问题)的并行提交与轮询,最长 15 分钟。
    
    - 8 个问题 → 24 个任务,等待提示:「约需 5-8 分钟」
    - 平台返回限流/故障话术(如豆包「高峰期算力紧张…请稍后再试」)时,脚本会自动重试 1 次;仍无效则记为 `status: "invalid"` 并**排除出统计**(不计入提及率分母),不再当作「品牌未被提及」
    
    #### Step 3: 确定性分析
    
    ```bash
    python3 ~/.workbuddy/skills/brand-geo-analysis-plus/scripts/geo_analyze.py \
      --brand "品牌名" \
      --aliases '["别名1","别名2"]' \
      --competitors '["竞品A","竞品B"]' \
      --search-results output/search_results.json
    ```
    
    输出 `output/deterministic.json` + `output/ai_analysis_template.json`。
    
    #### Step 4: AI 分析(Agent 执行)
    
    读取 `output/search_results.json`,**只对 `status == "completed"` 的回答**分析以下字段(`invalid` / `failed` / `timeout` 一律跳过,它们已被排除出统计):
    
    - `brand_rank` (int|null):推荐列表中的排名位置
    - `brand_context` (str):上下文摘要
    - `sentiment` (str):`positive` / `neutral` / `negative`
    - `sentiment_reason` (str):判断依据
    - `competitors_mentioned` (list[str]):所有提及的竞品
    - `competitor_details` (list[dict]):每竞品的 rank + sentiment
    - `key_claims` (list[str]):2-3 条关键描述
    
    写入 `output/ai_analysis.json`。
    
    **注意**:正文中的内联引用标记(Kimi `<REF>…</REF>`、DeepSeek `[citation:N]`)已由脚本在 Step 2 剥离,无需自行处理。
    
    **信源可用性**:`sources` 为空是**正常现象**,常见于 Kimi(该平台只返回正文内联引用标记,不含可解析外链)。此时结果里会带 `sources_note` 字段,报告「信源分析」章节会自动展示数据完整性提示,**不要把空信源当作「品牌官网未被引用」的结论**。
    
    **情绪判断规则:**
    
    - 回答明确推荐/强调优势 → `positive`
    - 客观描述/仅列举 → `neutral`
    - 指出缺点/不推荐 → `negative`
    
    #### Step 5: 合并 + 报告生成
    
    ```bash
    # 合并分析(Step 4 完成后)
    python3 ~/.workbuddy/skills/brand-geo-analysis-plus/scripts/geo_analyze.py \
      --brand "品牌名" --aliases '["别名"]' --competitors '["竞品"]' \
      --search-results output/search_results.json \
      --ai-analysis output/ai_analysis.json
    
    # 生成 HTML
    python3 ~/.workbuddy/skills/brand-geo-analysis-plus/scripts/geo_report.py \
      --analysis output/analysis_result.json \
      --search-results output/search_results.json
    ```
    
    #### Step 6: 交付
    
    1. 交付 `output/geo_report.html`
    2. 输出关键发现摘要(5 条核心结论):
       - 跨平台提及率 + 分平台拆分
       - GEO 综合得分 + 最佳/最差平台
       - 情绪分布(正面率 = 正面数/有效回答数,中性不计入正面)
       - 竞品对比 + 品牌排名
       - TOP3 信源域名 + 官网是否被引用(若某平台无信源,须说明而非当作"未被引用")
    
    ### 核心指标
    
    详细定义见 `references/geo-metrics.md`。核心公式:
    
    ```
    GEO 得分 = 提及率得分 × 40% + 排名得分 × 30% + 情绪得分 × 30%
            = 提及率×100 × 40% + max(0, 100 - (均排名-1)×10) × 30%
              + (正面占比×100 - 负面占比×50) × 30%
    ```
    
    解读:70+优秀 / 50-69良好 / 30-49一般 / <30不足。
    
    ---
    
    ## 组合工作流:完整品牌感知诊断
    
    当用户需要做全维度品牌诊断(典型问法:「帮我做一份{X}品牌的完整感知报告」),依次执行:
    
    ### 阶段 1:hub 摸热度(5分钟)
    
    ```bash
    python3 scripts/hub_fetch.py --source "全平台热点事件-GitHub" --keywords "{品牌}" --expand-keywords
    ```
    
    产出:品牌是否在近期热点中、覆盖哪些平台、平均热度、上榜时长。
    
    ### 阶段 2:cn30 挖口碑(5-10分钟)
    
    ```bash
    python3 scripts/cn30_search.py "{品牌},{品类}" --days 30 --output-format both
    ```
    
    产出:真实用户讨论、情感倾向、TOP 反馈、HTML 报告。
    
    ### 阶段 3:geo 看 AI 回答(10-15分钟)
    
    ```bash
    python3 scripts/geo_search.py --queries '[5 个问题]' --platforms doubao,kimi,deepseek
    python3 scripts/geo_analyze.py --brand "{品牌}" --competitors '["{竞品}"]' --search-results output/search_results.json
    # 步骤 4-5 见 geo 模块工作流
    ```
    
    产出:品牌在 AI 搜索里的提及率、情绪、排名、信源、HTML 报告。
    
    ### 阶段 4:综合报告
    
    把 hub/cn30/geo 三阶段发现合并成一份叙事文档,结构:
    
    ```
    # {品牌} 品牌感知诊断报告
    
    ## 一句话结论
    (综合三阶段结果的一句话判断)
    
    ## 1. 热度层(全网热榜)
    - 是否在热点中 / 平台覆盖 / 趋势方向
    
    ## 2. 口碑层(社媒讨论)
    - 真实用户反馈 / 正负面信号 / 关键讨论主题
    
    ## 3. AI 层(生成式搜索)
    - GEO 得分 / 提及率 / 情绪分布 / 竞品对比 / 信源
    
    ## 4. 行动建议
    - 热度层:{是否需要借势}
    - 口碑层:{具体需改进的负面反馈}
    - AI 层:{GEO 优化方向}
    ```
    
    ---
    
    ## 错误处理(通用)
    
    | 情况                         | 处理方式                                                                        |
    | ---------------------------- | ------------------------------------------------------------------------------- |
    | 未配置 `REDFOX_API_KEY`      | 提示用户前往 [红狐 hub](https://redfox.hk/settings/api-keys?source=github) 获取 |
    | 关键词模糊("工具"、"方法") | 用 AskUserQuestion 让用户具体化                                                 |
    | cn30 引擎部分失败            | 继续分析已完成的数据,HTML 报告中标注失败项                                     |
    | geo 任务全部超时             | 提示用户稍后重试,可能是 API 负载过高                                           |
    | geo AI 分析结果缺失          | 仅生成确定性分析(提及率、域名),情绪模块标注"待分析"                          |
    | 品牌名太短(≤2字)           | 提示用户提供品牌别名以提高匹配精度                                              |
    
    ---
    
    ## 资源索引
    
    ### 脚本
    
    | 文件                             | 用途                                             |
    | -------------------------------- | ------------------------------------------------ |
    | `scripts/hub_fetch.py`           | 7平台热榜聚合                                    |
    | `scripts/cn30_search.py`         | 小红书/抖音/公众号近30天讨论搜索 + HTML 报告生成 |
    | `scripts/geo_search.py`          | AI 搜索批量调度器                                |
    | `scripts/geo_analyze.py`         | GEO 确定性分析 + 合并分析                        |
    | `scripts/geo_report.py`          | GEO HTML 报告生成                                |
    | `scripts/lib/platforms.py`       | AI 平台适配器                                    |
    | `scripts/lib/analyzer.py`        | GEO 分析逻辑库                                   |
    | `scripts/lib/report_template.py` | GEO HTML 模板库                                  |
    
    ### 参考资料
    
    | 文件                                 | 何时加载            |
    | ------------------------------------ | ------------------- |
    | `references/cn30-output-rules.md`    | 生成 cn30 报告时    |
    | `references/hub-instructions.md`     | 处理 hub 用户指令时 |
    | `references/hub-output-templates.md` | 输出 hub 报告时     |
    | `references/hub-prediction-logic.md` | 做趋势预测时        |
    | `references/geo-metrics.md`          | 计算 GEO 指标时     |
    
    ---
    
    ## 常见问答
    
    **Q: 三个模块必须都用吗?**
    A: 不必。根据路由决策树按需调用。简单场景用一个模块即可,复杂诊断才用组合工作流。
    
    **Q: 为什么不把三个模块的脚本合并成一个 CLI?**
    A: 三个数据源、调用逻辑、输出格式差异较大。脚本独立性更高,便于单独维护和升级。当一个数据源失败时不影响其他模块。
    
    **Q: 升级某个模块怎么办?**
    A: 单模块独立升级只需替换 `scripts/` 下对应文件 + 更新对应 `references/` 文档。统一 SKILL.md 不需要改动。
    
    **Q: 这三个模块能直接拿到本工作区使用吗?**
    A: 是的。skill 安装在 `~/.workbuddy/skills/brand-geo-analysis-plus/`,所有 WorkBuddy 会话和 workspace 都可使用。
    

Comments (0)

Sign in to join the conversation.

No comments yet.

Reviews (0)

No reviews yet.