前言¶
品牌在官网、商品页和对外稿件里往往信息完整，但分散在长文案里。大模型或检索增强应用要回答「这家公司做什么」「产品线怎么分」「和竞品差在哪」，经常只能抓到零散句子，推荐和摘要容易漏维度、张冠李戴。
常见做法是手写 FAQ、维护独立知识库，或事后补 Schema 标记，成本高且字段不统一。下面介绍 SkillHub 上的 GEO图谱构建师（坐标 @user_a020b36c/dimensions，版本 1.0.0）：把品牌信息按固定维度整理成知识图谱与 Schema 友好输出，让 Agent 按同一套流程抽取、建图、导出。
这是什么¶
GEO图谱构建师 是社区来源（community）的 Agent Skill，分类为 knowledge-management，由发布者 user_a020b36c（SkillHub 页面标注作者为程丹）维护。官方简介为：构建品牌知识体系，结构化呈现品牌信息，提升 AI 平台理解和推荐准确率。
在 SkillHub 上该 Skill 不需要 API Key（requires_api_key=false）。包内采用通用 SKILL.md 格式，并附带维度定义库与构建脚本，供 Cursor、Claude Code 等支持 Skills 的客户端加载后，由 Agent 按文档与参考文件执行构建流程。
核心功能¶
以下能力均来自已安装的 v1.0.0 技能包内容，可与 SkillHub 简介对照。
维度化的品牌知识体系¶
references/dimensions.json 预置五类知识维度及字段要求，例如：
- 品牌简介：成立时间、总部地点、创始人、主营业务等
- 产品系列：产品名称、核心功能、价格区间等
- 技术优势：技术名称、描述、专利与行业地位等
- 企业文化：核心价值观、愿景、管理理念等
- 社会责任：碳中和目标、公益项目、供应链责任等
各维度附带与 schema.org 的映射（如品牌简介对应 Organization，产品系列对应 Product），便于生成结构化标记。
构建流程（设计意图）¶
SKILL.md 与 scripts/builder.py 中的 GEOKnowledgeGraphBuilder 描述同一套流水线：
- 根据官网 URL 获取页面文本（脚本内为简化实现，见下文注意）
- 按用户指定的维度列表抽取信息
- 识别实体并组装知识图谱（
@context使用https://schema.org） - 生成 Schema 标记与可导出文件
文档中提到的导出形态包括 JSON-LD、RDF、CSV、Markdown；references/examples.json 中的样例案例标明导出格式为 JSON-LD、Markdown、CSV。
Agent 侧工作方式¶
启用 Skill 后，Agent 读取 SKILL.md 中的场景说明（品牌级图谱、产品级图谱等），结合 references/examples.json 中的输入输出结构，引导你提供品牌名、官网 URL、要构建的维度列表，并输出实体 ID、属性、子实体及图谱文件说明。SKILL.md 元数据中还标注了 Coze 平台背景；在 SkillHub 分发形态下，实际以本地技能目录中的 Markdown 与 references/、scripts/ 为准。
安装与启用¶
前置：SkillHub CLI¶
先确认是否已安装 CLI：
command -v skillhub && skillhub --version
未安装时可按 SkillHub 官方说明执行（完整安装示例）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
说明与路径约定见：SkillHub 安装与优先源配置。
安装本 Skill¶
安装时必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/ 可能不会被客户端加载。
skillhub install dimensions --namespace user_a020b36c --dir <你的 skills 目录>
常见客户端 skills 目录（来自官方安装文档）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
也可将下列提示词发给已具备 Skill 安装能力的 AI（SkillHub 页面提供的表述）：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_a020b36c/dimensions`。
安装完成后，在对应客户端中启用或 @ 该 Skill，再发起品牌图谱相关任务。
典型用法¶
输入结构¶
参考 references/examples.json 与 SKILL.md 场景 1，一次品牌级构建通常包含：
- 品牌名称（如示例中的「华为」）
- 官网 URL（如
https://www.huawei.com） - 构建维度：从维度库中选取若干项，例如
品牌简介、产品系列、技术优势
产品级场景则在品牌基础上增加具体产品名，并选用产品参数、功能特性、用户评价、竞品对比等维度（见 SKILL.md 场景 2 的叙述结构）。
与脚本交互（可选）¶
技能包提供 scripts/builder.py。在技能根目录下、且能正确解析 references/dimensions.json 路径时，可调用 GEOKnowledgeGraphBuilder.build_knowledge_graph(brand_name, website_url, dimensions) 获取包含 knowledge_graph、schema_markup、export_files 等字段的字典结果。生产环境若需真实网页内容，需自行替换脚本中标注为「简化版 / 模拟内容」的爬取逻辑。
输出关注点¶
按文档设计，输出侧应包含：
- 各维度的抽取结果与实体列表
- 与 schema.org 兼容的图谱与 Schema 标记
- 选定格式的导出文件说明
具体字段以 Agent 执行时生成的结果为准；示例 JSON 仅作结构参考，不应直接当作未经核实的商业事实发布。
适用场景与注意¶
适合谁
- 品牌、市场或 GEO/SEO 相关岗位，需要把官网信息整理成稳定字段集
- 需要在站点或内容中部署 JSON-LD 等结构化数据的团队
- 为 RAG、客服 Bot 准备领域知识库的开发者
限制与坑
- 爬取实现：
builder.py中_crawl_webpage当前返回模拟文本，不能替代真实采集；上线前需接 requests、浏览器渲染或自有 CMS 接口。 - 文档与包内容不一致：
SKILL.md文末列出references/schema_templates.json、scripts/extractor.py，v1.0.0 包内未包含这些文件，以实际目录为准。 - 数值型「提升预估」：
SKILL.md与builder.py内含对若干国内大模型「理解准确率提升百分比」的表述，属于技能内文案，未附独立评测来源，对外引用前应自行验证。 - 合规与版权：从官网抽取信息需遵守 robots 协议与著作权要求；公开图谱应标注信息来源与更新时间。
- SkillHub 统计（抓取资料，2026-10-23）：评分 100000，下载 783，安装计数 0；统计会随平台更新变化，以 SkillHub 页面为准。
结尾¶
GEO图谱构建师把「品牌介绍写什么」收敛成可复用的维度与 Schema 映射，适合作为 Agent 侧的知识整理 Skill，而不是一次性提示词。若你正在做品牌知识结构化或 GEO 相关交付，可从 SkillHub 安装 v1.0.0 并在本地 skills 目录启用。
- SkillHub 页面：https://www.skillhub.cn/skills/user_a020b36c/dimensions
- API 坐标页：https://api.skillhub.cn/user_a020b36c/dimensions
- 安装说明：https://skillhub.cn/install/skillhub.md
