核心用法
keyword-research 是一套结构化的八阶段关键词研究工作流，专为SEO和GEO（生成式引擎优化）场景设计。用户以种子词或主题启动后，系统依次执行：范围界定→关键词发现→变体扩展→意图分类→机会评分→GEO适配检查→主题聚类→交付成果。输出包含优先关键词清单、主题集群架构、内容日历及执行建议，所有推荐均附带具体数值（搜索量、难度分、机会值），杜绝空洞建议。
显著优点
- 方法论成熟：融合传统SEO（搜索量、KD、意图四层分类）与新兴GEO维度，识别AI引擎易回答的查询类型（问答、对比、清单类）
- 评分体系实用：独创
Opportunity = (Volume × Intent Value) / Difficulty公式，量化决策依据 - 生态整合：与 companion-analysis、content-gap-analysis、serp-analysis 等技能形成研究闭环，支持 Claude Code、Cursor、Windsurf 等多平台
- 多语言原生：内置中日韩及欧洲语言触发词，全球化适用
- 记忆沉淀：自动将研究结论写入
memory/hot-cache.md等持久化存储，避免重复劳动
潜在局限
- 数据依赖外部：搜索量与难度评分需对接 Ahrefs、SEMrush、GSC 等工具；无工具时依赖用户输入或行业基准估算
- 估算性质：所有数值均为模型推断或第三方API返回，非Google官方实时数据
- GEO指标主观：AI-answer-friendly 的判定基于模式匹配（疑问词、定义句式），非严格的搜索引擎反馈
- 执行门槛高：八阶段流程对新手较复杂，需完整阅读 references/instructions-detail.md 才能发挥全部能力
适合人群
- 内容策略师与SEO专员：系统规划关键词矩阵与内容日历
- 出海营销团队：利用多语言触发词拓展海外市场
- 独立开发者/站长：替代昂贵SaaS工具（Ahrefs/SEMrush）进行初步调研
- AI应用开发者：为RAG系统或生成式搜索优化储备语义关键词库
常规风险
- 数据时效风险：关键词难度与搜索趋势变化快，建议季度复核
- 过度优化风险：严格按 Opportunity 分数执行可能忽视品牌词与防御型内容
- 工具授权风险：若接入付费SEO API，需妥善管理密钥与调用配额
- 幻觉风险：LLM生成的搜索量估算可能与实际偏差较大，关键决策需交叉验证