前言¶
品牌在 ChatGPT、豆包、通義、DeepSeek 等 AI 回答裏的曝光，很難用傳統 SEO 工具一次性橫向對比。市場部往往要手工抽問、抄數、拼表，週期長且難復現。下面介紹 SkillHub 上的社區 Skill「GEO競品監控員」（@user_a020b36c/geo-competitor-monitor），把競品 GEO 監控、指標對比和預警規則寫進 Agent 可執行的說明與腳本，便於在對話裏直接發起分析。
這是什麼¶
GEO競品監控員 的定位是：實時監控競品在 AI 平臺的 GEO（生成式引擎優化）表現，並生成競品對比分析報告。
- 座標：
@user_a020b36c/geo-competitor-monitor - 版本：1.0.0
- 來源：SkillHub 社區（
community），分類data-analysis - 發佈者：
user_a020b36c（SkillHub 頁面標註作者爲程丹） - 官方入口：api.skillhub.cn / SkillHub 技能頁
技能包內 SKILL.md 同時描述了面向 Coze 工作流的實現思路；在 Cursor、Claude Code 等環境中，主要通過安裝 Skill 後由 Agent 按文檔與 scripts/monitor.py 執行分析流程。
核心功能¶
以下能力均來自技能包內的 SKILL.md、references/rules.json 與 scripts/monitor.py，可與安裝後的文件對照。
多平臺競品 GEO 監控¶
支持在對話中指定本品牌、競品列表、目標 AI 平臺與監控週期。文檔中列舉的平臺包括 ChatGPT、豆包、通義、DeepSeek 等；references/rules.json 中爲豆包、通義、DeepSeek、ChatGPT 配置了默認權重。
指標與對比報告¶
規則庫定義了四類核心指標：
| 指標 | 含義（摘自 rules.json） |
|---|---|
mention_rate |
AI 回答中提及品牌的佔比 |
first_recommend_rate |
品牌在 AI 回答前 3 句被提及的佔比 |
sentiment_score |
情感得分（-10 至 +10） |
content_coverage |
品牌核心信息在回答中的覆蓋率 |
GEOCompetitorMonitor 會彙總各平臺數據、按權重計算綜合指標，輸出排名、本品牌與各競品的差值，並給出簡化的策略推測與異常提示。
預警規則¶
references/rules.json 內置監控規則，例如：
- 提及率變化超過默認閾值 10% 時觸發預警（規則 M001）
- 首推率變化超過默認閾值 15% 時觸發預警（規則 M002）
- 情感傾向由正轉負或相反時觸發中等嚴重度預警（規則 M003）
references/examples.json 中提供了華爲 / 小米 / 蘋果在豆包、通義、DeepSeek 上 30 天監控的樣例結構與預警字段，便於對照輸出格式。
安裝與啓用¶
SkillHub 要求安裝時通過 --dir 指向當前 Agent 的 skills 目錄，否則默認落在 ./skills/ 可能無法被識別。
1、安裝 SkillHub CLI（若尚未安裝）¶
command -v skillhub && skillhub --version
未安裝時可執行（完整安裝，含默認 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
2、安裝本 Skill¶
以 Cursor 爲例，skills 目錄爲 ~/.cursor/skills/：
skillhub install @user_a020b36c/geo-competitor-monitor --dir ~/.cursor/skills/
其他常見路徑（摘自 SkillHub 安裝說明）：
- Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或項目下的.agents/skills/
也可讓 Agent 按官方提示安裝：參考 https://skillhub.cn/install/skillhub.md，安裝 @user_a020b36c/geo-competitor-monitor。
3、API Key 與標籤¶
SkillHub 元數據標籤爲 requires_api_key=true。技能文檔在 Coze 場景下建議配置環境變量：
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 環境中，應按你實際調用的 AI 平臺接口，在環境變量或技能說明要求的位置填入對應 Key；未配置時無法完成真實平臺拉數。
典型用法¶
在對話中發起競品對比¶
按 SKILL.md 中的輸入結構，用自然語言說明品牌、競品、平臺與週期即可。示例輸入形態如下：
品牌：華爲
競品1：小米
競品2：蘋果
檢測平臺：豆包、通義、DeepSeek
監控週期：最近30天
Agent 應讀取 Skill 說明，並視需要調用 scripts/monitor.py 中的 GEOCompetitorMonitor.monitor_competitors()，傳入 brand_name、competitors、platforms、monitoring_period（天數）。
本地腳本演示¶
技能包內 monitor.py 的 main() 演示了最小調用方式（需將 api_keys 換成真實密鑰，且從技能根目錄運行以便加載 references/rules.json）：
cd <技能安裝目錄>/@user_a020b36c/geo-competitor-monitor
python scripts/monitor.py
默認演示參數爲：品牌「華爲」，競品「小米」「蘋果」，平臺「豆包」「通義」，週期 30 天；標準輸出爲 JSON 格式的監控結果。
動態預警對話¶
文檔中的預警場景示例：指定監控品牌、競品列表、閾值條件（如提及率變化大於 10%、首推率變化大於 15%）與監控頻率。Agent 應結合 rules.json 中的閾值與 examples.json 中的 alert_rules 組織預警說明。
適用場景與注意¶
適合誰
- 需要定期對比本品牌與競品在多個 AI 平臺上的提及率、首推率等指標的團隊
- 希望把 GEO 競品分析流程固化到 Agent，減少手工抽問與製表的工作流
使用上需要注意
- 數據來源：當前包內
scripts/monitor.py的_collect_brand_data使用隨機數模擬各平臺數據，註釋寫明「實際應調用 AI 平臺 API」。生產級監控仍需你自行對接豆包、通義、DeepSeek 等接口，或按 Skill 文檔在 Coze 工作流中配置 HTTP 節點；不要直接把演示腳本的隨機結果當作真實市場數據。 - API Key：標籤
requires_api_key=true，未配置密鑰時無法完成真實採集。 - 文檔與包內容差異：
SKILL.md提到scripts/analyzer.py、references/publish_materials.json等文件，當前 SkillHub 下載包中未包含；以實際安裝目錄下的文件爲準。 - SkillHub 統計（以頁面抓取爲準）：評分 100000，下載約 1003 次，版本 1.0.0；數據會隨 SkillHub 更新變化。
結尾¶
GEO競品監控員把競品 GEO 指標定義、預警規則與對比分析流程封裝成標準 Skill，適合在 Cursor 等 Agent 裏用對話驅動競品監控報告。安裝後先覈對 API 與數據採集方式，再接入你的品牌與競品列表。
- SkillHub 技能頁：https://www.skillhub.cn/skills/user_a020b36c/geo-competitor-monitor
- API 入口：https://api.skillhub.cn/user_a020b36c/geo-competitor-monitor
