前言¶
品牌在 AI 搜索结果里的样子，往往和在传统搜索引擎里不一样：同一句话，不同平台给出的品牌提及、排序、引用来源可能完全不同。人工排查需要分别打开多个 AI 平台提问、记录回答、对比差异，再把结果整理成报告，耗时且难以保持一致性。下面介绍的 geo-diag-report 就是针对这一排查流程的 Skill。
这是什么¶
geo-diag-report 是一个面向品牌 GEO（Generative Engine Optimization，生成式引擎优化）诊断的 Skill，坐标 @user_8d36cde0/geo-diag-report，由社区开发者 user_8d36cde0 发布维护，当前版本 4.1.0，分类 data-analysis。
它解决的问题是：把「在多个 AI 平台检查品牌可见度并产出诊断报告」这一系列操作打包成一条可复用的流水线，输入触发词即可执行，最终输出 HTML 报告。
核心功能¶
根据官方页面的简介，该 Skill 的能力可以拆为四部分：
- 四阶段流水线（4-stage pipeline）：诊断过程按固定阶段推进。
- 真实网络搜索 + 虚拟模拟兜底（real web search + virtual simulation fallback）：优先使用真实网络搜索获取信息，当搜索不可用时回退到虚拟模拟。
- 平台选择（Platform selection）：可以指定诊断针对的 AI 平台。
- 按需加载参考资料（on-demand reference loading）：只在需要时加载对应参考内容，而不是一次性全部载入。
最终产物是 HTML 格式的诊断报告。
触发方式依赖自然语言触发词。当用户的请求命中以下短语时启动该 Skill：
- 中文触发词：GEO诊断、品牌诊断、诊断报告、AI可见度、AI搜索排名、品牌曝光、GEO优化、品牌提及率
- 英文触发词：brand diagnosis
安装与启用¶
官方页面地址：
https://api.skillhub.cn/user_8d36cde0/geo-diag-report
SkillHub 展示页地址：
https://www.skillhub.cn/skills/user_8d36cde0/geo-diag-report
需要说明的是：抓取到的资料中没有给出具体的安装命令，也没有说明在 Cursor、Codex CLI、Claude Code 等不同环境中的安装方式差异，因此这里只列出官方入口。README 中标注 requires_api_key=false，即使用该 Skill 不需要单独配置 API Key（具体到各平台的前置条件，以官方页面说明为准）。
典型用法¶
根据官方资料，该 Skill 的可复现使用方式是触发式调用：在对话中直接提出符合触发词的请求即可，例如：
帮我做一次品牌诊断，看看我们的品牌在 AI 搜索里的可见度
或：
生成一份 GEO 诊断报告
调用后 Skill 按四阶段流水线执行：先真实网络搜索，搜索不可用时走虚拟模拟兜底，按所选平台收集品牌在 AI 回答中的提及情况，按需加载参考资料，最后输出 HTML 报告。报告的具体字段和版式以 Skill 实际生成为准，现有资料未提供样例报告截图或字段清单。
适用场景与注意¶
适合的场景：
- 需要定期检查品牌在 AI 平台中的提及率和排序变化，而非只依赖传统搜索引擎排名。
- 需要一份可直接分发的 HTML 诊断报告，而不是零散的截图或聊天记录。
- 对真实搜索结果依赖较高、但同时希望在搜索受限时仍有产出的排查场景（因为有虚拟模拟兜底）。
需要注意的地方：
- 触发依赖特定短语。如果请求中不包含上述触发词，Skill 可能不会被启动，提问时建议直接带上「GEO诊断」「品牌诊断」等字样。
- 虚拟模拟兜底意味着在搜索不可用时，结果可能基于模拟而非真实网络数据，解读报告时需留意这一来源差异。
- 平台选择、参考资料加载的具体选项，现有资料没有展开说明，使用前建议先查阅官方页面的完整说明。
- 该 Skill 来自社区发布（source: community），评分为 100000，下载 2106 次，安装数为 0。安装数为 0 不代表不可用，但意味着公开的第三方使用反馈较少，引入前建议在自己的环境中先小规模验证。
结尾¶
geo-diag-report 的价值在于把品牌 GEO 诊断从「多平台人工提问 + 手工记录 + 整理报告」的重复劳动，变成一条可触发的流水线，并统一输出 HTML 报告。它不替代人工判断报告结论，但省去了信息采集和整理的环节。官方地址：https://api.skillhub.cn/user_8d36cde0/geo-diag-report 。
