前言¶
用戶向 AI 搜索提問時品牌能否被引用，正在成爲一條值得經營的渠道。對應的方法論叫 AIEO（GEO/AEO 這類實踐），實際交付大致分四步：先診斷品牌在各平臺的可見度，再做定位、產出內容，最後持續跟蹤效果。
問題是這些步驟通常散落在文檔和個人經驗裏，方法在團隊之間複用基本靠人。如果你在用 DeepSeek Harness（DSH），順理成章的做法是把方法打包成技能包，讓模型按需加載執行。DSH 的理念是一切皆插件，這類方法型資產正好有落點。下面介紹 dsh-moments-aieo，一個按這個思路做的技能包。
這是什麼¶
dsh-moments-aieo 是 Kenerlee 維護的 DeepSeek Harness 技能包，當前版本 0.1.0，MIT 許可。一句話定位：它把讓品牌被 AI 搜索引用的 AIEO（GEO/AEO）交付方法打包爲一個 bundle，診斷 → 定位 → 內容 → 監測四個階段由同一條問題庫串聯。
四個階段，一條問題庫¶
問題庫是貫穿全程的關鍵工件，各環節對它的操作不同：
- 診斷做品牌 AI 可見度診斷，產出報告，並起草問題庫初稿；
- 定位基於 AIEO 改編的 April Dunford 方法做定位分析，迭代問題庫；
- 內容階段消費問題庫；
- 監測週期性跟蹤可見度、share-of-voice、內容質量與轉化，以問題庫爲對標。
亂序運行是允許的，只是產出的問題庫較弱。
技能清單¶
bundle 共帶 6 個技能：5 個帶 moments-aieo- 前綴，外加一個落地頁復刻工具；內容階段沒有單設技能。
| 技能 | 用途 |
|---|---|
moments-aieo-diagnosis |
品牌 AI 可見度診斷，產出報告並起草問題庫初稿 |
moments-aieo-positioning |
基於 AIEO 改編的 April Dunford 方法做定位分析，迭代問題庫 |
moments-aieo-query-miner |
僅從白名單平臺導出中挖掘真實搜索詞，拒絕編造 |
moments-aieo-monitoring |
週期性跟蹤可見度、share-of-voice、內容質量與轉化 |
moments-aieo-dashboard |
把監測報告渲染爲交互式 HTML 儀表板 |
moments-landing-page-cloner |
高保真落地頁復刻 |
一個細節：moments-aieo-query-miner 只認白名單平臺導出裏的真實搜索詞，拒絕編造。對這類依賴數據源質量的工作，這是個實用的硬約束。
安裝與啓用¶
先安裝插件。直接從 GitHub 拉：
dsh plugin --profile web add github:Kenerlee/dsh-moments-aieo
或者從本地克隆安裝：
dsh plugin --profile web add file:/path/to/clone
插件要求運行環境的 ctx.skills（inject: ['skills']）。裝好後，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"
] } } }
這一步通常可以省掉：bundle 自帶的 cordis.patch.yml 會自動插入該行，無需手動改 profile。
安裝完成後，不啓動 DSH 也能驗證配置是否生效：
dsh --profile web --dump-config | grep -A 4 'id: moments-aieo'
如果你在改技能本身，可以把 skillsDir 指到自己的工作目錄，在 ~/.dsh/profiles/web/cordis.patch.yml 裏按 id 覆蓋：
- id: moments-aieo
config:
skillsDir: /absolute/path/to/your/skills
插件只有兩個配置項：skillsDir 默認指向包內 skills/ 目錄；providerName 默認是 moments-aieo。
配置 Playwright MCP¶
診斷與監測兩個技能要驅動真實的 AI 搜索平臺，這一步靠 Playwright。dsh 經 @deepseek-ai/dsh-mcp-client 接入 MCP 服務器，工具按 mcp__<serverName>__<rawName> 的形狀註冊，技能正文裏的工具名寫作 mcp__playwright__browser_*，所以把 server 命名爲 playwright 即可解析：
- insert:
- id: mcp-playwright
name: '@deepseek-ai/dsh-mcp-client'
config:
serverName: playwright
command: npx
args: ['@playwright/mcp@latest']
不配這段，兩個技能仍能運行，產出技術審計和報告骨架；缺的是平臺可見度測量部分。
掛載實現與模型體驗¶
對想自己寫技能包的人，這個插件的掛載方式值得參考。
插件本體很薄：通過 @deepseek-ai/dsh-skill-filesystem 掛載自帶的 skills/ 目錄，includeDefaultRoots 設爲 false，整套技能以單一 provider 名註冊。好處是不會與 ~/.dsh/skills、~/.agents/skills 裏的同名技能衝突，也不依賴掃描宿主目錄。
模型側的體驗是間接的，經 @deepseek-ai/dsh-tool-skill 完成：技能名與截斷後的描述進入模型的技能目錄，模型用 skill(name) 加載對應 SKILL.md 及其資源；路徑、provider 排名、掛載配置這些對模型不可見。KV Cache 的代價也只落在目錄上：註冊一次性給目錄摘要增加 8 行，技能正文只在模型主動加載時才進入歷史。
適用場景與注意¶
適合誰：做 AIEO/GEO 交付的團隊或個人，希望診斷、定位、監測這幾步在 DSH 內可復現、可執行。注意這是中文優先的技能包：所有 AIEO 技能正文都是中文，評分標準假定中文 AI 搜索平臺，目標平臺不是中文時需要自行評估適配。
安裝前有幾件事要做：
- 插件以當前 dsh 進程的權限運行，診斷和監測還會經 Playwright 驅動瀏覽器訪問真實平臺，先讀源碼確認行爲符合預期；
- 審計成本不高：無構建步驟，插件本體是約二十行的純 .mjs 文件；
- 確認許可證（MIT）與你的使用方式相符。
已知限制：
- frontmatter 裏的
allowed-tools鍵在 dsh 下不生效：解析器只讀name、description、whenToUse、metadata和兩個調用標誌，不報錯也不限制，該鍵僅爲 Claude Code 兼容保留。技能正文中的工具名已改爲 dsh 拼寫（read、glob、web_fetch）。 - Web 模式下 host-level provider 被禁用（dsh-web-app 設
skill-filesystem: disabled）。本 bundle 全局註冊，preset agents 讀合併目錄仍可見；把 preset 與全局註冊隔離的部署則看不到這套技能。 - 診斷技能的成套客戶實例不在倉庫內分發。
結尾¶
dsh-moments-aieo 把「診斷 → 定位 → 內容 → 監測」的 AIEO 交付方法做成了由問題庫串聯的 DSH bundle：診斷起草、定位修正、內容消費、監測對標。做 AI 搜索可見度的團隊可以把它當作能直接裝上就用的起點，再通過 skillsDir 接入自己的技能目錄。跑完診斷後，也可以在倉庫的 GitHub Discussions 提交分數與行業（無需品牌名），聚合數據會迴流倉庫。
- GitHub：https://github.com/Kenerlee/dsh-moments-aieo
- 社區目錄頁（獨立站點）：https://www.skillhub.cn/plugins/Kenerlee/dsh-moments-aieo
