前言¶
品牌在 ChatGPT、豆包、通义、DeepSeek 等 AI 回答里的曝光，很难用传统 SEO 工具一次性横向对比。市场部往往要手工抽问、抄数、拼表，周期长且难复现。下面介绍 SkillHub 上的社区 Skill「GEO竞品监控员」（@user_a020b36c/geo-competitor-monitor），把竞品 GEO 监控、指标对比和预警规则写进 Agent 可执行的说明与脚本，便于在对话里直接发起分析。
这是什么¶
GEO竞品监控员 的定位是：实时监控竞品在 AI 平台的 GEO（生成式引擎优化）表现，并生成竞品对比分析报告。
- 坐标：
@user_a020b36c/geo-competitor-monitor - 版本：1.0.0
- 来源：SkillHub 社区（
community），分类data-analysis - 发布者：
user_a020b36c（SkillHub 页面标注作者为程丹） - 官方入口：api.skillhub.cn / SkillHub 技能页
技能包内 SKILL.md 同时描述了面向 Coze 工作流的实现思路；在 Cursor、Claude Code 等环境中，主要通过安装 Skill 后由 Agent 按文档与 scripts/monitor.py 执行分析流程。
核心功能¶
以下能力均来自技能包内的 SKILL.md、references/rules.json 与 scripts/monitor.py，可与安装后的文件对照。
多平台竞品 GEO 监控¶
支持在对话中指定本品牌、竞品列表、目标 AI 平台与监控周期。文档中列举的平台包括 ChatGPT、豆包、通义、DeepSeek 等；references/rules.json 中为豆包、通义、DeepSeek、ChatGPT 配置了默认权重。
指标与对比报告¶
规则库定义了四类核心指标：
| 指标 | 含义（摘自 rules.json） |
|---|---|
mention_rate |
AI 回答中提及品牌的占比 |
first_recommend_rate |
品牌在 AI 回答前 3 句被提及的占比 |
sentiment_score |
情感得分（-10 至 +10） |
content_coverage |
品牌核心信息在回答中的覆盖率 |
GEOCompetitorMonitor 会汇总各平台数据、按权重计算综合指标，输出排名、本品牌与各竞品的差值，并给出简化的策略推测与异常提示。
预警规则¶
references/rules.json 内置监控规则，例如：
- 提及率变化超过默认阈值 10% 时触发预警（规则 M001）
- 首推率变化超过默认阈值 15% 时触发预警（规则 M002）
- 情感倾向由正转负或相反时触发中等严重度预警（规则 M003）
references/examples.json 中提供了华为 / 小米 / 苹果在豆包、通义、DeepSeek 上 30 天监控的样例结构与预警字段，便于对照输出格式。
安装与启用¶
SkillHub 要求安装时通过 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/ 可能无法被识别。
1、安装 SkillHub CLI（若尚未安装）¶
command -v skillhub && skillhub --version
未安装时可执行（完整安装，含默认 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
2、安装本 Skill¶
以 Cursor 为例，skills 目录为 ~/.cursor/skills/：
skillhub install @user_a020b36c/geo-competitor-monitor --dir ~/.cursor/skills/
其他常见路径（摘自 SkillHub 安装说明）：
- Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
也可让 Agent 按官方提示安装：参考 https://skillhub.cn/install/skillhub.md，安装 @user_a020b36c/geo-competitor-monitor。
3、API Key 与标签¶
SkillHub 元数据标签为 requires_api_key=true。技能文档在 Coze 场景下建议配置环境变量：
DOUBAO_API_KEY=your_doubao_api_key
TONGYI_API_KEY=your_tongyi_api_key
DEEPSEEK_API_KEY=your_deepseek_api_key
在本地 Agent 环境中，应按你实际调用的 AI 平台接口，在环境变量或技能说明要求的位置填入对应 Key；未配置时无法完成真实平台拉数。
典型用法¶
在对话中发起竞品对比¶
按 SKILL.md 中的输入结构，用自然语言说明品牌、竞品、平台与周期即可。示例输入形态如下：
品牌：华为
竞品1：小米
竞品2：苹果
检测平台：豆包、通义、DeepSeek
监控周期：最近30天
Agent 应读取 Skill 说明，并视需要调用 scripts/monitor.py 中的 GEOCompetitorMonitor.monitor_competitors()，传入 brand_name、competitors、platforms、monitoring_period（天数）。
本地脚本演示¶
技能包内 monitor.py 的 main() 演示了最小调用方式（需将 api_keys 换成真实密钥，且从技能根目录运行以便加载 references/rules.json）：
cd <技能安装目录>/@user_a020b36c/geo-competitor-monitor
python scripts/monitor.py
默认演示参数为：品牌「华为」，竞品「小米」「苹果」，平台「豆包」「通义」，周期 30 天；标准输出为 JSON 格式的监控结果。
动态预警对话¶
文档中的预警场景示例：指定监控品牌、竞品列表、阈值条件（如提及率变化大于 10%、首推率变化大于 15%）与监控频率。Agent 应结合 rules.json 中的阈值与 examples.json 中的 alert_rules 组织预警说明。
适用场景与注意¶
适合谁
- 需要定期对比本品牌与竞品在多个 AI 平台上的提及率、首推率等指标的团队
- 希望把 GEO 竞品分析流程固化到 Agent，减少手工抽问与制表的工作流
使用上需要注意
- 数据来源：当前包内
scripts/monitor.py的_collect_brand_data使用随机数模拟各平台数据，注释写明「实际应调用 AI 平台 API」。生产级监控仍需你自行对接豆包、通义、DeepSeek 等接口，或按 Skill 文档在 Coze 工作流中配置 HTTP 节点；不要直接把演示脚本的随机结果当作真实市场数据。 - API Key：标签
requires_api_key=true，未配置密钥时无法完成真实采集。 - 文档与包内容差异：
SKILL.md提到scripts/analyzer.py、references/publish_materials.json等文件，当前 SkillHub 下载包中未包含；以实际安装目录下的文件为准。 - SkillHub 统计（以页面抓取为准）：评分 100000，下载约 1003 次，版本 1.0.0；数据会随 SkillHub 更新变化。
结尾¶
GEO竞品监控员把竞品 GEO 指标定义、预警规则与对比分析流程封装成标准 Skill，适合在 Cursor 等 Agent 里用对话驱动竞品监控报告。安装后先核对 API 与数据采集方式，再接入你的品牌与竞品列表。
- SkillHub 技能页：https://www.skillhub.cn/skills/user_a020b36c/geo-competitor-monitor
- API 入口：https://api.skillhub.cn/user_a020b36c/geo-competitor-monitor
