核心功能：基于GEO最佳实践，自动生成优化后的内容（QA页面、产品描述、博客文章等），提升品牌在AI平台的可见性和推荐率。
适用场景：
交付形式：Coze技能商店（免费版+付费版）
用户输入：
品牌：华为
产品：Mate 60 Pro
目标平台：豆包、通义、ChatGPT
内容类型：QA页面
关键词：华为Mate60 Pro 评测, 华为手机推荐
技能输出：
【GEO内容优化报告】
品牌：华为
内容类型：QA页面
生成时间：2026-05-28 23:10
✅ 已生成10组QA对
✅ 已优化关键词密度（3.2% → 5.8%）
✅ 已添加Schema结构化标记
✅ 已适配AI平台爬虫规则
【生成内容预览】
**Q1：华为Mate 60 Pro是什么？**
A1：华为Mate 60 Pro是华为公司于2023年推出的旗舰智能手机...
（包含：产品简介、核心功能、技术参数、用户评价）
**Q2：华为Mate 60 Pro值得买吗？**
A2：华为Mate 60 Pro值得购买，主要优势包括...
（包含：优势分析、适用人群、性价比评估）
...（共10组QA）
【GEO优化建议】
1. 建议在页面添加FAQ Schema标记
2. 建议增加"华为Mate 60 Pro vs 苹果15"对比内容
3. 建议内容长度扩展至1500字以上（当前1200字）
【导出选项】
- Markdown格式
- HTML格式（含Schema标记）
- JSON-LD格式
用户输入：
产品：小米14 Ultra
原始描述：小米最新旗舰手机，徕卡影像，性能强悍。
优化目标：提升在AI平台的推荐率
技能输出：
【产品描述优化报告】
**原始描述**：
小米最新旗舰手机，徕卡影像，性能强悍。
**优化后描述**：
小米14 Ultra是小米公司2024年推出的影像旗舰智能手机，搭载徕卡Summilux镜头，支持可变光圈技术...
（字数：从14字 → 358字）
【GEO优化点】
✅ 添加了品牌全称和产品发布时间
✅ 补充了核心技术参数（徕卡镜头、可变光圈）
✅ 增加了用户评价和使用场景
✅ 添加了结构化数据（价格、评分、库存）
【AI平台适配性】
- 豆包：推荐率提升35%（模拟）
- 通义：推荐率提升28%（模拟）
- ChatGPT：推荐率提升42%（模拟）
【建议使用场景】
1. 官网产品页面
2. 电商平台产品详情页
3. 社交媒体产品介绍
graph TD
A[用户输入] --> B[参数解析]
B --> C[关键词提取]
C --> D[竞品内容分析]
D --> E[内容生成]
E --> F[GEO优化]
F --> G[Schema标记添加]
G --> H[AI平台适配性检测]
H --> I[输出优化后内容]
1. 关键词提取算法
def extract_keywords(text, topK=10):
"""
提取文本关键词（基于TF-IDF）
"""
import jieba.analyse
# TF-IDF算法
keywords = jieba.analyse.extract_tags(text, topK=topK, withWeight=True)
return [{"word": kw[0], "weight": kw[1]} for kw in keywords]
2. 内容生成算法
def generate_geo_content(brand_name, product_name, content_type, platforms):
"""
生成GEO优化内容
"""
# 1. 构建Prompt
prompt = f"""
请为品牌"{brand_name}"的产品"{product_name}"生成{content_type}内容。
要求：
1. 内容长度不少于800字
2. 包含产品简介、核心功能、技术参数、用户评价
3. 使用结构化表达（标题、列表、表格）
4. 适合AI平台爬虫抓取
5. 包含Schema结构化标记建议
目标AI平台：{', '.join(platforms)}
"""
# 2. 调用AI模型生成内容
content = call_ai_model(prompt, model="doubao-pro")
# 3. GEO优化
optimized_content = geo_optimize(content, brand_name, product_name)
# 4. 添加Schema标记
content_with_schema = add_schema_markup(optimized_content, content_type)
return content_with_schema
3. GEO优化算法
def geo_optimize(content, brand_name, product_name):
"""
GEO内容优化
"""
optimizations = []
# 规则1：品牌名称首次出现时添加加粗标记
if brand_name in content:
content = content.replace(brand_name, f"**{brand_name}**", 1)
optimizations.append("品牌名称加粗")
# 规则2：关键词密度优化（目标3-6%）
keywords = extract_keywords(content, topK=5)
for kw in keywords:
if kw["weight"] < 0.03: # 密度低于3%
# 在合适位置增加关键词出现次数
content = increase_keyword_density(content, kw["word"], target_density=0.05)
optimizations.append(f"关键词'{kw['word']}'密度优化")
# 规则3：添加结构化标记建议
if "##" not in content: # 无标题
content = add_headers(content)
optimizations.append("添加标题结构")
if "<table>" not in content and "产品参数" in content:
content = convert_params_to_table(content)
optimizations.append("参数表格化")
return content, optimizations
4. Schema标记生成算法
def generate_schema_markup(content_type, data):
"""
生成Schema结构化标记
"""
if content_type == "QA页面":
schema = {
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": []
}
# 解析QA对
qa_pairs = extract_qa_pairs(data["content"])
for qa in qa_pairs:
schema["mainEntity"].append({
"@type": "Question",
"name": qa["question"],
"acceptedAnswer": {
"@type": "Answer",
"text": qa["answer"]
}
})
return json.dumps(schema, ensure_ascii=False, indent=2)
elif content_type == "产品描述":
schema = {
"@context": "https://schema.org",
"@type": "Product",
"name": data["product_name"],
"brand": {
"@type": "Brand",
"name": data["brand_name"]
},
"description": data["description"],
"offers": {
"@type": "Offer",
"price": data.get("price", ""),
"priceCurrency": "CNY"
}
}
return json.dumps(schema, ensure_ascii=False, indent=2)
[开始节点]
↓
[输入节点] - brand_name, product_name, content_type, platforms
↓
[参数验证节点] - 检查必填项
↓
[代码节点-关键词提取] - 提取核心关键词
↓
[HTTP请求节点] - 调用AI模型生成内容
↓
[代码节点-GEO优化] - 应用GEO优化规则
↓
[代码节点-Schema生成] - 生成结构化标记
↓
[代码节点-适配性检测] - 检测AI平台适配性
↓
[输出节点] - 优化后内容 + 优化报告
↓
[结束节点]
{
"node_type": "input",
"parameters": [
{
"name": "brand_name",
"type": "string",
"required": true,
"description": "品牌名称",
"example": "华为"
},
{
"name": "product_name",
"type": "string",
"required": true,
"description": "产品名称",
"example": "Mate 60 Pro"
},
{
"name": "content_type",
"type": "select",
"required": true,
"options": ["QA页面", "产品描述", "博客文章", "新闻稿"],
"default": "QA页面",
"description": "内容类型"
},
{
"name": "platforms",
"type": "multi_select",
"required": false,
"default": ["豆包", "通义"],
"options": ["豆包", "通义", "DeepSeek", "ChatGPT"],
"description": "目标AI平台"
}
]
}
{
"node_type": "http_request",
"method": "POST",
"url": "https://api.doubao.com/v1/chat/completions",
"headers": {
"Authorization": "Bearer {{DOUBAO_API_KEY}}",
"Content-Type": "application/json"
},
"body": {
"model": "doubao-pro-4k",
"messages": [
{
"role": "system",
"content": "你是一个专业的GEO内容优化专家，擅长生成符合AI平台爬虫规则的优化内容。"
},
{
"role": "user",
"content": "{{generate_prompt}}" // 由代码节点生成
}
],
"temperature": 0.7,
"max_tokens": 2000
},
"timeout": 60000
}
// Coze工作流JavaScript代码节点
async function optimizeContent() {
// 获取AI生成的内容
const generatedContent = await getNodeOutput("http_request_doubao");
const content = generatedContent.choices[0].message.content;
// GEO优化规则
let optimizedContent = content;
const optimizations = [];
// 规则1：品牌名称加粗
const brandName = await getWorkflowInput("brand_name");
const regex = new RegExp(brandName, "i");
optimizedContent = optimizedContent.replace(regex, `**${brandName}**`, 1);
optimizations.push("品牌名称加粗");
// 规则2：添加标题结构
if (!optimizedContent.includes("##")) {
// 简单添加标题（实际应使用NLP模型）
optimizedContent = "# " + await getWorkflowInput("product_name") + "\n\n" + optimizedContent;
optimizations.push("添加标题结构");
}
// 规则3：关键词密度检查（简化版）
const keywords = ["优秀", "推荐", "领先"]; // 实际应从知识库加载
for (let kw of keywords) {
const count = (optimizedContent.match(new RegExp(kw, "g")) || []).length;
if (count < 3) {
optimizations.push(`建议增加关键词"${kw}"的出现次数`);
}
}
// 返回优化后内容和优化记录
return {
"optimized_content": optimizedContent,
"optimizations": optimizations,
"optimization_count": optimizations.length
};
}
| 套餐 | 价格 | 功能 |
|---|---|---|
| ------ | ------ | ------ |
| 基础版 | ¥0.5/千字 | 按量付费，QA页面生成 |
| 专业版 | ¥199/月 | 无限生成，全部内容类型，Schema标记 |
| 企业版 | ¥999/月 | 全部功能，API接入，定制化优化规则 |
在"技能配置" → "环境变量"中配置：
DOUBAO_API_KEY=your_doubao_api_key
TONGYI_API_KEY=your_tongyi_api_key
输入测试数据：
参考references/publish_materials.json填写技能详情
references/rules.json - GEO内容优化规则库references/examples.json - 生成内容示例库references/schema_templates.json - Schema标记模板库scripts/optimizer.py - 内容优化核心算法scripts/schema_generator.py - Schema标记生成器共 1 个版本