前言¶
用户向 AI 搜索提问时品牌能否被引用，正在成为一条值得经营的渠道。对应的方法论叫 AIEO（GEO/AEO 这类实践），实际交付大致分四步：先诊断品牌在各平台的可见度，再做定位、产出内容，最后持续跟踪效果。
问题是这些步骤通常散落在文档和个人经验里，方法在团队之间复用基本靠人。如果你在用 DeepSeek Harness（DSH），顺理成章的做法是把方法打包成技能包，让模型按需加载执行。DSH 的理念是一切皆插件，这类方法型资产正好有落点。下面介绍 dsh-moments-aieo，一个按这个思路做的技能包。
这是什么¶
dsh-moments-aieo 是 Kenerlee 维护的 DeepSeek Harness 技能包，当前版本 0.1.0，MIT 许可。一句话定位：它把让品牌被 AI 搜索引用的 AIEO（GEO/AEO）交付方法打包为一个 bundle，诊断 → 定位 → 内容 → 监测四个阶段由同一条问题库串联。
四个阶段，一条问题库¶
问题库是贯穿全程的关键工件，各环节对它的操作不同：
- 诊断做品牌 AI 可见度诊断，产出报告，并起草问题库初稿；
- 定位基于 AIEO 改编的 April Dunford 方法做定位分析，迭代问题库；
- 内容阶段消费问题库；
- 监测周期性跟踪可见度、share-of-voice、内容质量与转化，以问题库为对标。
乱序运行是允许的，只是产出的问题库较弱。
技能清单¶
bundle 共带 6 个技能：5 个带 moments-aieo- 前缀，外加一个落地页复刻工具；内容阶段没有单设技能。
| 技能 | 用途 |
|---|---|
moments-aieo-diagnosis |
品牌 AI 可见度诊断，产出报告并起草问题库初稿 |
moments-aieo-positioning |
基于 AIEO 改编的 April Dunford 方法做定位分析，迭代问题库 |
moments-aieo-query-miner |
仅从白名单平台导出中挖掘真实搜索词，拒绝编造 |
moments-aieo-monitoring |
周期性跟踪可见度、share-of-voice、内容质量与转化 |
moments-aieo-dashboard |
把监测报告渲染为交互式 HTML 仪表板 |
moments-landing-page-cloner |
高保真落地页复刻 |
一个细节：moments-aieo-query-miner 只认白名单平台导出里的真实搜索词，拒绝编造。对这类依赖数据源质量的工作，这是个实用的硬约束。
安装与启用¶
先安装插件。直接从 GitHub 拉：
dsh plugin --profile web add github:Kenerlee/dsh-moments-aieo
或者从本地克隆安装：
dsh plugin --profile web add file:/path/to/clone
插件要求运行环境的 ctx.skills（inject: ['skills']）。装好后，把包加入 ~/.dsh/profiles/web/package.json 的 bundles 列表：
{ "dsh": { "profile": { "bundles": [
"@deepseek-ai/dsh-base",
"@deepseek-ai/dsh-web-app",
"dsh-moments-aieo"
] } } }
这一步通常可以省掉：bundle 自带的 cordis.patch.yml 会自动插入该行，无需手动改 profile。
安装完成后，不启动 DSH 也能验证配置是否生效：
dsh --profile web --dump-config | grep -A 4 'id: moments-aieo'
如果你在改技能本身，可以把 skillsDir 指到自己的工作目录，在 ~/.dsh/profiles/web/cordis.patch.yml 里按 id 覆盖：
- id: moments-aieo
config:
skillsDir: /absolute/path/to/your/skills
插件只有两个配置项：skillsDir 默认指向包内 skills/ 目录；providerName 默认是 moments-aieo。
配置 Playwright MCP¶
诊断与监测两个技能要驱动真实的 AI 搜索平台，这一步靠 Playwright。dsh 经 @deepseek-ai/dsh-mcp-client 接入 MCP 服务器，工具按 mcp__<serverName>__<rawName> 的形状注册，技能正文里的工具名写作 mcp__playwright__browser_*，所以把 server 命名为 playwright 即可解析：
- insert:
- id: mcp-playwright
name: '@deepseek-ai/dsh-mcp-client'
config:
serverName: playwright
command: npx
args: ['@playwright/mcp@latest']
不配这段，两个技能仍能运行，产出技术审计和报告骨架；缺的是平台可见度测量部分。
挂载实现与模型体验¶
对想自己写技能包的人，这个插件的挂载方式值得参考。
插件本体很薄：通过 @deepseek-ai/dsh-skill-filesystem 挂载自带的 skills/ 目录，includeDefaultRoots 设为 false，整套技能以单一 provider 名注册。好处是不会与 ~/.dsh/skills、~/.agents/skills 里的同名技能冲突，也不依赖扫描宿主目录。
模型侧的体验是间接的，经 @deepseek-ai/dsh-tool-skill 完成：技能名与截断后的描述进入模型的技能目录，模型用 skill(name) 加载对应 SKILL.md 及其资源；路径、provider 排名、挂载配置这些对模型不可见。KV Cache 的代价也只落在目录上：注册一次性给目录摘要增加 8 行，技能正文只在模型主动加载时才进入历史。
适用场景与注意¶
适合谁：做 AIEO/GEO 交付的团队或个人，希望诊断、定位、监测这几步在 DSH 内可复现、可执行。注意这是中文优先的技能包：所有 AIEO 技能正文都是中文，评分标准假定中文 AI 搜索平台，目标平台不是中文时需要自行评估适配。
安装前有几件事要做：
- 插件以当前 dsh 进程的权限运行，诊断和监测还会经 Playwright 驱动浏览器访问真实平台，先读源码确认行为符合预期；
- 审计成本不高：无构建步骤，插件本体是约二十行的纯 .mjs 文件；
- 确认许可证（MIT）与你的使用方式相符。
已知限制：
- frontmatter 里的
allowed-tools键在 dsh 下不生效：解析器只读name、description、whenToUse、metadata和两个调用标志，不报错也不限制，该键仅为 Claude Code 兼容保留。技能正文中的工具名已改为 dsh 拼写（read、glob、web_fetch）。 - Web 模式下 host-level provider 被禁用（dsh-web-app 设
skill-filesystem: disabled）。本 bundle 全局注册，preset agents 读合并目录仍可见；把 preset 与全局注册隔离的部署则看不到这套技能。 - 诊断技能的成套客户实例不在仓库内分发。
结尾¶
dsh-moments-aieo 把「诊断 → 定位 → 内容 → 监测」的 AIEO 交付方法做成了由问题库串联的 DSH bundle：诊断起草、定位修正、内容消费、监测对标。做 AI 搜索可见度的团队可以把它当作能直接装上就用的起点，再通过 skillsDir 接入自己的技能目录。跑完诊断后，也可以在仓库的 GitHub Discussions 提交分数与行业（无需品牌名），聚合数据会回流仓库。
- GitHub：https://github.com/Kenerlee/dsh-moments-aieo
- 社区目录页（独立站点）：https://www.skillhub.cn/plugins/Kenerlee/dsh-moments-aieo
