B

品牌GEO体检报告 · AI品牌指数

データ分析v1.0.1
作者:u_a524ee38✓ 認証済み公開者:上海劳希科技有限公司更新日 2026-11-05brandgeo@laoxi/brandgeo
データインサイト指標モニタリング

AlphaMoatによると、2026-10時点で品牌GEO体检报告 · AI品牌指数のダウンロード数は20,602、スター数は14で、累計ダウンロード数で今回のランキング対象AIスキル10,914件中1,366位、データ分析では915件中134位です。

一覧の初期表示は累計ダウンロード数順で、スター数順にも並べ替えできます。詳細ページの順位は累計ダウンロード数で計算しています。

ダウンロード数
2.1万
スター数
14
累計ダウンロード順位
#1,366
全体の上位 13% · データ分析の上位 15%
プラットフォームダウンロード数スター数コメント
SkillHub ↗2.1万14—

プラットフォームごとに集計方法と集計時点が異なります。

このスキルでできること

品牌GEO体检。输入品牌名,查询该品牌在 DeepSeek、豆包、千问、元宝等主流 AI 模型中的 AI 品牌指数(ABI)、六大维度评分(可见度/情绪/推荐权重/理解深度/叙事一致性/意图覆盖)、核心负面归因与改善建议,输出可分享的健康度诊断报告。当用户需要查询"品牌在AI里的表现"、"品牌AI指数"、"GEO"、"品牌GEO"、"AI可见度"、"GEO指数""品牌AI健康度"、"AI品牌排名"时使用。

月次の推移

ダウンロード数2.1万
1.7万1.9万2.1万2026-09 · ダウンロード数 1.7万2026-10 · ダウンロード数 2.1万26-0926-10
スター数14
1314142026-09 · スター数 132026-10 · スター数 1426-0926-10
月ダウンロード数前月比スター数
2026-102.1万—14
2026-091.7万—13

SKILL.md 原文

作者が公開した元のファイルをテキストのまま表示しています。AlphaMoat による編集や審査はしていません。リンクはクリックできません。コマンドは内容を確認してから実行してください。取得日 2026-11-20。

8.9 KB・SkillHub v1.0.1
---
name: brand-abi-check
description: 品牌GEO体检。输入品牌名,查询该品牌在 DeepSeek、豆包、千问、元宝等主流 AI 模型中的 AI 品牌指数(ABI)、六大维度评分(可见度/情绪/推荐权重/理解深度/叙事一致性/意图覆盖)、核心负面归因与改善建议,输出可分享的健康度诊断报告。当用户需要查询"品牌在AI里的表现"、"品牌AI指数"、"GEO"、"品牌GEO"、"AI可见度"、"GEO指数""品牌AI健康度"、"AI品牌排名"时使用。
---

# 品牌GEO体检报告

## 任务目标
- 输入品牌名,通过 aibrandindex.cn 公开接口获取该品牌的 AI 品牌指数(ABI)与六大维度实测数据
- 输出"品牌在 AI 世界里的健康度概要":指数 + 六维评分标签 + 一句话要点(负因归因/建议/趋势均只给概要,不给明细数据)
すべて表示(全 156 行)
- 核心原则:**数据全部来自真实 API,LLM 只负责解读,绝不编造数据;全文不输出任何更新时间**

## 数据源
| 用途 | 接口 |
|------|------|
| 品牌收录检索 | `GET https://www.aibrandindex.cn/api/brands/search?name={urlencoded}` |
| 品牌详情(概要) | `GET https://www.aibrandindex.cn/api/brands/{id或name}?mode=summary` |

- 两个接口均无需鉴权,返回 JSON
- 检索接口 404 表示未收录
- **详情必须带 `?mode=summary`**:只返回概要字段(品牌信息、ABI、六大维度、keyIssues/suggestions、趋势方向),**接口层已剔除所有时间字段(`*_last_updated`)与平台/分析等明细数据**
- 兜底:`scripts/lookup.sh`/`normalize.py` 会再做一次白名单裁剪,即使后端返回全量也不会外泄细节与时间

---

## 需求契约

### 必填输入
- **品牌名**(1 个,中文/英文均可,如 `京东`、`NIO`)
- 缺失 → 澄清:"请提供完整品牌名(中/英文均可),例如:蔚来、NIO。"

### 选填输入 / 默认值
| 字段 | 默认值 | 说明 |
|------|--------|------|
| 目标 AI | 全部主流模型(DeepSeek/豆包/千问/元宝) | 不单独过滤平台 |
| 行业 | 自动识别 | 不要求用户提供 |
| 输出语言 | 中文 | 跟随用户 |

### 推断规则
- 品牌名去空格后直接作为检索词;英文名不强制小写(接口内部做匹配)
- 用户给的是别名/简称(如"特斯拉")时,直接按原文检索,不自行改写

### 澄清提问(一次最多 2 个)
1. "请提供完整品牌名(中/英文均可)"
2. 若品牌名明显是一个行业而非品牌(如"新能源汽车"),提示:"这是行业分类,请提供具体品牌名,如 比亚迪、蔚来。"

### 校验规则
- 品牌名去空格后非空
- 收录校验:检索接口返回 404 → 进入"未收录"降级流程
- `status` 字段非 `active`(如 `apply` 收集中)→ 提示"品牌数据收集中,请稍后再试"

### 输出契约
- **快速模式**:ABI 指数 + 六维一句话解读 + 一句总结(10 行内)
- **深度模式**:体检概要报告(见下)
- **只出概要,不给细节数据**:不输出历史数值序列、归因/建议明细列表、evidence 清单等原始数据,一律浓缩为概要
- **全文不输出任何更新时间**(含总体数据与各维度更新时间),报告末尾免责声明固定为:"由 aibrandindex.cn 实测,仅供参考,不构成经营决策依据。"
- 报告语种默认跟随用户(中文)

### 边界与降级
- 品牌未收录 → 输出:"当前品牌暂未收录,欢迎免费提交品牌信息:https://www.aibrandindex.cn/cn/signup(提报入口)",**不自动伪造报告**
- 某维度无数据 → 显示 `--`,不猜测补值
- 详情接口超时/失败 → 提示重试,不输出半成品

---

## 工作流程

### 流程选择
| 模式 | 适用场景 | 输出 |
|------|---------|------|
| **快速模式** | 用户只想知道品牌大概的 AI 健康度 | ABI 圆环值 + 六维一句话 + 总结 |
| **深度模式** | 用户要做决策/写报告/深度了解 | 体检概要报告(默认模式) |

深度模式为默认;用户明确表示"简单看看/快速/一句话"时走快速模式。

### 阶段 1:需求收集
按"需求契约"核对必填/选填;缺失时澄清提问(一次最多 2 个)。

### 阶段 2:数据获取
1. 调用检索接口确认收录:`/api/brands/search?name={urlencoded}`
   - 404 → 输出未收录降级文案,流程结束
   - 成功 → 拿到 `id`
2. 调用详情接口(概要模式):`/api/brands/{id}?mode=summary`(优先用 id,失败可用原始品牌名)
3. 用 `scripts/normalize.py`(或 LLM 直接按概要响应解析)归一化,**概要字段集**为:
   - `ai_brand_index` → ABI 指数
   - `ai_metrics.visibility/sentiment/recommendation_weight/knowledge_depth/narrative_consistency/intent_coverage` → 六大维度
   - `keyIssues` / `suggestions` → 负面归因 / 建议(仅用于概括,不得逐条复述)
   - `trend_direction` → 趋势方向(up/down/flat,脚本/接口已算好,LLM 不得自行推导)
4. 校验 `status` 字段;非 `active` → 输出"数据收集中"提示,流程结束

### 阶段 3:报告生成(深度模式)
按 `references/report-prompt.md` 的提示词模板生成概要报告,顺序:
1. ABI 指数及区间解读(参照 `references/assessment-rules.md` 的分级:≥60 健康 / 40-60 中等 / <40 待提升)
2. 六大维度逐项:实测值 + 评级标签 + 一句话人话解释(词表见 `references/metrics-glossary.md`)
3. 核心负面归因概要(数据来源 `keyIssues`,1-2 句概括,**不给明细列表**)
4. 改善行动建议概要(数据来源 `suggestions`,1-2 句概括,**不给明细列表**)
5. 趋势摘要:`trend_direction` 转译为"升/降/平",**只给结论不展示任何数值**
6. 免责声明(**不含更新时间**)

> 生成全程遵守:只给概要,不输出细节数据/原始序列/evidence 明细;全文不含任何更新时间。

### 阶段 4:输出与引导
- 输出报告(快速模式输出精简版)
- 报告末尾:"竞品对比、GEO行动清单等深度数据,访问AI品牌指数官网:www.aibrandindex.cn"

---

## 资源索引
- `references/assessment-rules.md` - 分数区间→评级标签/人话解读映射(ABI 分级 + 六维评级)。**何时读取**:阶段 3 报告生成时
- `references/metrics-glossary.md` - 六大维度词表(什么是可见度/推荐权重…)。**何时读取**:阶段 3 写维度解读时
- `references/report-prompt.md` - 报告生成提示词模板。**何时读取**:阶段 3 生成报告时
- `scripts/lookup.sh` - 调用检索+概要详情接口的 shell 脚本,输出前做白名单收敛。**可选**:环境无 curl 时可由 LLM 直接 fetch `?mode=summary` 接口
- `scripts/normalize.py` - 详情响应白名单收敛脚本,**只输出概要字段集**(剔除时间与明细)。**可选**:仅环境支持 Python 时使用,效果与 LLM 直连概要接口相同

---

## 注意事项
1. **不编造数据**:所有数字必须来自 API 响应。接口无值显示 `--`,宁缺毋滥
2. **优先脚本或 LLM 直连概要接口均可**:脚本是可选增强;无 Python/curl 环境时,LLM 直接调用 `https://www.aibrandindex.cn/api/brands/{id}?mode=summary`,响应本身已是收敛后的概要字段
3. **评级映射必须引用 assessment-rules**:不同维度阈值不同(可见度 vs 推荐权重 vs 情绪),不可混用
4. **只出概要**:报告只给 ABI 指数、六维评分与标签、一句话要点;不输出细节数据(历史数值序列、归因/建议明细、evidence 清单)
5. **不输出更新时间**:ABI 数据为定期更新型,但报告一律不写时间(含总体与各维度更新),避免误导用户以为是实时数据
6. **免费边界**:本 Skill 只输出体检概要,竞品差距/GEO 行动清单等深度数据引导到官网付费服务
7. **合规**:报告属于"数据+AI 解读",需附"仅供参考,不构成经营决策依据"声明

---

## 使用示例

### 示例 1:深度体检(默认)
```
用户:查一下蔚来的品牌AI表现

Skill 执行:
1. 检索 /api/brands/search?name=蔚来 → 命中 id
2. 拉取概要详情 /api/brands/{id}?mode=summary → 仅品牌信息 + ABI + 六维 + 趋势方向
3. 生成概要报告:
   - ABI 指数 72(健康)
   - 六维:可见度 88 极高 / 情绪 64 偏正面 / 推荐权重 45 需提升 …
   - 趋势:近 8 周稳步上升(不展示数值序列)
   - 要点:最需关注售后网络覆盖,最该先做加大三四线城市换电站布局
   (全程不含更新时间,不给归因/建议明细列表)
```

### 示例 2:快速模式
```
用户:简单看看 京东 在AI里表现怎么样
Skill 执行:仅输出 ABI + 六维一句话 + 总结(10 行内)
```

### 示例 3:品牌未收录
```
用户:帮我体检 我的私人小店
Skill 执行:检索 404 → 输出"暂未收录,欢迎免费提交品牌信息"+ 提报入口,不伪造报告
```

データ分析の人気スキル

全能金融爬虫データ分析

中国金融机构数据爬取与分析综合 Skill v12.0.0。2334家/43大类机构名单、60+财经媒体源舆情、 A股报告/公告/研报、60+种查询多源金融数据(自动降级+缓存)、爬取调度与网页操作增强、 实时数据中枢、24 技术指标引擎、多源证据融合、110 MCP 工具 + 10 Resource + 14 Prompt。 🆕 v12.0.0 四条线(信息获取 / 打包下载 / 数据分析 / 登录): 编排:gather_info() 一次跑完"路由→抓取→去占位→质量分→能力边界→回执→打包", 8 类意图各带问法、输入输出、典型耗时与 not_for(说清哪件事做不了)。 诚实:反爬占位条目一律剔除并记账,空结果报 E_SOURCE_EMPTY,不把假数据判成 B 级成功。 交付:包内自带 manifest.json(逐文件 sha256),verify 查得出改动/缺失/多塞, 批量下载单条失败不中断整批,失败清单可直接只重下那几条。 登录:Cookie 由用户导出或扫码接管,档案化 + 健康度四档,对外输出全脱敏(值永不回显)。 何时触发:爬取机构、舆情爬取、东方财富、公告下载、实时行情、技术指标、统一查询、 交付包、批量重下、我已经登录了、登录态还有效吗(完整触发词见下方 auto_trigger)。

↓ 77万★ 288user_9d5a2a39
钢联AI - 智能问数データ分析

大宗商品价格数据查询技能。用于查询大宗商品期现货价格、宏观经济指标、产业链供需数据、进出口库存数据、金融市场数据等。当用户询问:(1) 期货/现货价格查询,如"螺纹钢价格"、"铜期货收盘价"; (2) 历史行情或趋势分析;(3) 区域或企业价格对比;(4) 宏观经济指标,如GDP、CPI;(5) 产业链上下游数据;(6) 多市场金融数据(期权、股票、债券、外汇);(7) 结算确认单生成时触发此技能。

↓ 70.5万★ 6u_9ed3401d
smart-chartsデータ分析

将数据文件(CSV/TSV/TXT/XLSX/XLS/JSON)转化为独立交互式 ECharts HTML 图表——32 类图表、3 套主题,全离线无需 CDN。出图前可先取数据画像(--profile:每列 dtype/基数/缺失/样本/统计、实体粒度、候选洞察信号、疑似非数据行),让 agent 在用户没说想看什么时自己读懂数据并决定出什么图——哪列是 ID、哪列是维度、出什么图,全部由 agent 从画像的客观事实自行判断,技能不代笔;每张图内置事实卡(plot_stats + data_preview),其数值是解读时唯一可引用的数字。本技能负责出图与算事实,不产出书面报告或叙事文档。触发:用户提供或指向表格数据文件并要求出图;提到「画图/出图/可视化/生成图表/generate a chart/make a graph」;想把表格渲染成交互式 HTML 图表。不触发:要的是书面报告、叙事分析或幻灯片;没有数据文件;需要后端的仪表盘;图片/音频/视频等非表格内容。

↓ 60.5万★ 135user_5b28ea14
AdMapixデータ分析

AdMapix のデータ取得層で、広告やアプリの問い合わせを API 呼び出しに変え、生の JSON だけを返します。

↓ 57.5万★ 304fly0pants
论文配图一键生成データ分析

论文配图一键生成:一条命令从 JSON/CSV/Excel 生成顶刊级学术图表,科研绘图 与期刊配图全场景覆盖。40 种图表(森林图/KM 生存曲线(自动风险表)/竞争风险累计发生率/ROC/校准 曲线/决策曲线 DCA/列线图/RCS 非线性剂量反应/亚组分析森林图/RMST 限制平均生存时间/Galbraith 径向图/火山图/雨云图/山脊图/哑铃图/游泳图(逐例时长+里程碑)/ 肿瘤缓解瀑布图/UpSet 交集/PRISMA 流程图/漏斗/BA 一致性/PCA/热图/箱线/小提琴/ 组合图/Cox 多因素回归森林图等),9 套配色(含色盲安全 Okabe-Ito 与期刊色板),9 种期刊投稿预设, YAML 流水线一条命令出全套论文图,一次渲染多格式导出(TIFF/PNG/PDF), PDF 重叠门禁,600dpi。纯本地运行,数据不出机,中文零配置。适用:写论文/ 投稿要配图、把数据变成可投稿图表、批量重出全套图。不适用:文本润色/翻译/ 改写(请用写作类工具);商业报表/仪表盘/海报装饰;无数据支撑的纯示意图。

↓ 42.1万★ 83user_481397b5
smart-chartsデータ分析

Intelligent chart generation and data analysis skill. Reads user-supplied data files (CSV/Excel/JSON), analyzes data characteristics with LLM assistance, auto-recommends and generates interactive ECharts visualizations. Use when the user asks to analyze data, generate charts, create visualizations, or work with tabular data files.

↓ 25.7万★ 1user_814dbe54
股票/基金/期货量化分析工具データ分析

全球智能投研工具(stock-researcher)v13.0:多源数据 + 概率预测 + 可导出报告。 核心能力: - 多源数据路由:按市场/类别选源,逐级降级;每个结果标注来源与时效等级;源不可用时明确标 unavailable - 全资产量化:股票/ETF/场外基金/指数/期货(期限结构、基差、持仓、折溢价)多因子分析 - 概率预测:1d/5d/1M/3M/6M 经验分布 + 分位数 + 方向概率 + 区间,kNN 邻域收缩融合全局分布; 样本不足自动弃权,可按历史命中样本(同桶)做概率校准 - 证据链简报:每条结论绑定来源、时间与数据质量,冲突信号保留而不抹平 - 报告导出:Word/PPT/PDF/Markdown/JSON/纯文本,纯标准库渲染 + 可选第三方引擎 - MCP Server 24 工具,Claude Code 可直接调用;知识库 12 适配器双向同步 三条铁律: - 数据不装:拿不到就报不可用,不拿 0 价、不拿空表冒充 - 预测不装:概率来自历史相似条件的经验分布,样本不足就说不足,不硬给方向 - 评分≠盈利保证:任何结论都带免责声明

↓ 19.2万★ 147user_9d5a2a39
Tavily Searchデータ分析

Tavily 経由で公開ウェブを検索し、リンクと抜粋付きの構造化結果を返します。

↓ 16.5万★ 286Xiaoran Li

データ月:2026-10 · ダウンロード数とスター数は公開スキルレジストリ(ClawHub、SkillHub)から月単位で集計しています。詳しくはデータの方法論をご覧ください。