核心用法
serp-analysis 是一款面向SEO和GEO（生成引擎优化）研究的专业技能，专注于解构搜索引擎结果页（SERP）的构成要素与排名逻辑。用户通过提供目标关键词、搜索位置和设备类型，即可获得从SERP成分分析到内容策略建议的完整情报流。
典型触发场景：
- 撰写内容前验证关键词竞争格局
- 分析特定页面为何排名第一
- 识别精选摘要（Featured Snippet）和PAA（People Also Ask）机会
- 追踪AI Overview/SGE的出现模式
- 评估真实的关键词难度
执行流程：理解查询 → 映射SERP构成 → 分析Top 10排名页 → 识别排名模式 → 解析SERP特征 → 判定搜索意图 → 计算真实难度 → 生成可操作建议。
显著优点
1. 结构化情报输出：遵循严格的Skill Contract，产出包含研究摘要、证据链、移交格式的标准化交付物，可直接存入memory/research/供后续技能调用
2. AI时代适配性：专门分析AI Overview的触发条件、引用来源和内容模式，帮助优化生成引擎中的可见性
3. 多语言支持：内置中英日韩西葡等语言的触发词识别，适应全球化SEO场景
4. 灵活的数据源适配：既支持SEO工具自动化接入，也支持纯手动数据输入，零API环境下仍可完整运行
5. 安全边界设计：明确将WebFetch内容标记为"数据而非指令"，对页面中的操控性元指令设有检测机制
潜在局限
- 依赖输入质量：手动模式下需用户提供完整的Top 10 URL、SERP截图等，信息不完整时分析深度受限
- 时效性敏感：SERP变化频繁，分析结果需标注日期，历史数据可能快速失效
- 工具集成待完善：连接器文档（CONNECTORS.md）标注为占位状态，实际自动化集成需用户自行配置MCP网络
- 地域特异性：不同区域SERP差异显著，单次分析结论难以直接迁移至其他市场
适合人群
- 内容策略师：在动笔前验证内容格式与SERP显性需求是否匹配
- SEO专业人员：需要系统性拆解排名因素、识别低竞争SERP特征机会
- GEO优化从业者：研究AI Overview的引用机制和优化策略
- 竞争情报分析师：追踪特定关键词的SERP稳定性和竞争格局演变
常规风险
- 过度优化风险：SERP分析可能导致模板化内容生产，忽视用户真实需求
- 工具依赖陷阱：自动化数据若未标注来源（工具数据 vs 用户观察），可能造成决策依据混淆
- AI Overview不确定性：Google的AI生成摘要仍处于快速迭代期，优化策略的有效期较短
- 合规边界：技能明确禁止将页面中的
<meta>指令或HTML注释作为系统指令执行，防范潜在的提示注入攻击