核心用法
Entity Optimizer 是一套面向搜索引擎与AI系统的实体身份审计与构建协议，专注于解决「AI认不认识你」这一GEO（生成引擎优化）核心命题。实体——人、组织、产品、概念——是Google知识图谱与LLM回答生成的决策基础。
三步工作流：
1. 实体发现：审计品牌在Google知识面板、Wikidata、Wikipedia、Schema.org的结构化存在状态
2. 信号审计：评估6大类47项信号（结构化数据、知识库、NAP+E一致性、内容信号、第三方提及、AI特定信号），每项标注Pass/Fail/Partial
3. 报告与行动计划：生成优化报告，包含关键问题诊断、TOP5优先级动作、及CORE-EEAT/CITE交叉引用
独特能力：
- 内置零依赖工具
kg.py，无需API密钥即可查询Wikidata QID与sameAs关系 - 提供「AI实体解析测试」框架——通过向ChatGPT/Claude/Perplexity/Google AI Overview提问，验证AI系统能否准确识别并引用实体
- 自动生成符合下游技能（
geo-content-optimizer、serp-markup-builder）消费标准的canonical实体档案
显著优点
- 协议级严谨性：Apache-2.0开源，定义清晰的Skill Contract与Handoff格式，确保跨会话、跨技能协作可追溯
- GDPR合规内建：针对欧盟/EEA/UK个人实体，强制要求确认法律依据（同意、合法利益、合同等）后才写入档案
- 信号体系完整：47项可审计信号覆盖从Schema.org到新闻提及的全链路，而非仅关注单一平台
- 零工具降级运行：无API访问时自动切换为用户输入模式，标记待手动验证项，流程不中断
潜在局限
- 非实时搜索依赖：Claude本身无法直接查询Google知识图谱或执行实时网络搜索，「AI实体解析测试」需用户手动执行或提供观察结果
- 个人数据敏感：人物实体优化涉及GDPR/CCPA/PIPEDA/LGPD等多法域合规，虽内置提示但非法律建议，复杂场景需人工法务审核
- 效果验证周期长：知识面板创建/更新、Wikidata收录通常需数周至数月，无法提供即时反馈循环
- 工具链依赖：完整功能需
kg.py、pageviews.py、gdelt.py等本地脚本支持，纯Markdown环境功能受限
适合人群
- 品牌SEO/GEO负责人：需建立品牌实体权威性以获得AI引用
- 创始人/公众人物：希望被AI系统识别为领域专家，解决「AI不认识我」问题
- 内容 strategist：负责About页面、创始人传记、产品Schema策略
- 多品牌集团：需规范化实体档案管理，避免子公司/产品实体混淆
常规风险
- 知识图谱错误固化风险：Wikidata/Wikipedia信息错误可能被AI系统放大，需持续监控sameAs指向
- 实体消歧失败：与同名实体（如同名人物、通用词品牌）竞争时，可能需长期SEO投入才能建立canonical身份
- 过度依赖单一知识源：若Wikidata/Wikipedia收录标准不符（如企业知名度不足），替代路径（CrunchBase、行业目录）权威性较弱
- AI系统黑箱性：即使实体信号完备，LLM是否引用仍取决于训练数据与检索机制，无法保证