recomby-geo：把 AI 打造成「GEO 业务专家员工」的开源范式

一位 SEO 从业者的困境，引出了一个开源新范式

想象这样的场景：你在一家中型电商公司负责 SEO 优化，每天的工作是分析关键词、撰写符合 E-E-A-T 标准的文章、优化内链结构。但内容团队总是抱怨需求积压，搜索引擎又不断调整算法，你的经验难以规模化复制。

更尴尬的是，市面上的 SEO 工具（S urferSEO、Frase、Clearscope）都需要把客户数据上传到云端——对于医疗、金融、法律等敏感行业，这直接触犯了数据合规红线。

ViryaZheng/recomby-geo 正是从这个痛点出发，提出了一个不同寻常的思路：不是让 AI 替代你做 SEO，而是给 AI 装上「GEO 专业知识技能包」，让它成为你团队里一个能协作的真实岗位——AI 员工。

什么是 GEO？为什么它是 AI 员工的最佳试验场

GEO（Generative Engine Optimization，生成式引擎优化）是一种新兴的 SEO 方向，针对大模型搜索引擎（如 Perplexity、Gemini Search）优化内容的可见性。与传统 SEO 不同，GEO 不再只追求网页排名，而是希望自家内容能成为 AI 搜索引擎的回答依据——被 AI「引用」。

GEO 之所以特别，是因为它天然不能被完全自动化：

大模型搜索引擎会主动惩罚 AI 拼凑的低质量内容
真正有价值的 GEO 洞察，来自于对行业的深度理解，这是业务专家的专属领地
AI 只能辅助执行（关键词扩展、SEO 审计、格式校验），而无法替代专家做出内容判断

这恰恰是「AI 员工」范式最理想的应用场景：业务专家贡献专业判断，AI 负责执行和放大，两者协作而非替代。

核心理念：「AI 员工」不是替代，是组装

recomby-geo 并没有发明什么颠覆性的新技术，它的创新在于提出了一个结构化的 AI 员工组装方案。一个完整的 AI 员工，由四块拼图组成，缺一不可：

组件	角色	本项目负责
业务专家	你 / 客户团队，懂业务	❌（用户自己）
Agent	Claude Code / Codex / Cline / Goose 等	✅ 集合整理 → `agents.md`
办公 CLI	飞书 / 钉钉 / Slack / Notion 等	✅ 集合整理 → `clis.md`
GEO Skills	专业知识赋能 agent	✅ 核心自研 → `plugins/recomby-geo/skills/`

这套方案的精妙之处在于天然 Local-first：Agent 可以接本地模型（Ollama / vLLM / LM Studio），所有办公 CLI 在本地执行，数据不离开企业内网。对国内的数据合规场景来说，这是刚需。

核心功能：GEO Skills 技能包

本项目的主战场是 plugins/recomby-geo/skills/ 下封装的 GEO 专业知识技能包。这些 skills 会被 Agent 自动匹配调用（模型根据 description 判断），用户不直接调用它们：

Skill 名称	来源	用途
`seo-geo-optimizer`	199-biotechnologies（MIT）	主力，含 13 个 Python 脚本
`content-writer`	toprank（MIT）	内容生产
`content-quality-auditor`	aaron-he-zhu（Apache 2.0）	E-E-A-T / 引用度审计
`internal-linking-optimizer`	aaron-he-zhu（Apache 2.0）	内链结构优化
`keyword-research`	toprank（MIT）	关键词扩展
`meta-tags-optimizer`	toprank（MIT）	标题 / Meta 标签优化

这些 skills 全部来自开源社区（MIT / Apache 2.0 许可证），recomby-geo 做的是面向 AI 员工场景的重新封装和组合，并加入了自研的 geo-review-html skill 用于渲染交互式 HTML 审查界面。

7 阶段协作工作流

recomby-geo 的操作体验围绕 7 个斜杠命令展开，这是它区别于普通 skill 集合的关键设计——结构化的业务流程，而非零散的工具调用：

/01-intake  →  收集客户项目资料（PDF/URL/notes）
    ↓
/02-audit   →  用无上下文的子 agent 跑可见性基线（模拟真实用户提问）
    ↓
/03-gap     →  分析内容差距，找出 AI 引擎未覆盖的主题
    ↓
/04-content-brief   →  生成内容简报，**等待业务专家填写洞察槽位**
                         （此处 AI 不会自动代填——这是协作的硬门槛）
    ↓
/05-production →  生产内容（brief 状态必须为 ready 才执行）
    ↓
/06-distribution →  分发上线
    ↓
/07-reaudit     →  7 天后复盘，重新跑可见性基线对比效果

这套流程在 /05-production 阶段有一个精妙的设计：如果专家槽位没有填完，agent 会硬拒绝生成内容，不会用 AI 凑合。 这确保了 AI 员工始终在「辅助执行」而非「主导决策」的位置上。

技术架构一览

recomby-geo/
├── plugins/recomby-geo/
│   ├── commands/         ← 7 个工作流斜杠命令（/01-intake 到 /07-reaudit）
│   ├── skills/           ← 7 个 vendor skills + 1 个自研 skill（主战场）
│   ├── schemas/          ← 8 个 JSON Schema（数据校验契约）
│   ├── orchestrator/     ← 单一流程源（run.md）
│   └── references/      ← Princeton KDD 2024 等 GEO 方法论文献
├── agents.md             ← 主流 AI Agent CLI 集合（CC/Codex/Cline/Goose/字节 Trae…）
└── clis.md               ← 国内外办公 CLI 集合（飞书/钉钉/Slack/Notion…）

核心依赖： Python 3（skills 中的脚本），零外部依赖、零 API Key（默认流程）。安装方式是 plugin marketplace add，作为 Claude Code 的插件存在。

上手体验：安装简单，协作有门槛

安装极简，在 Claude Code 中两行搞定：

/plugin marketplace add ViryaZheng/recomby-geo
/plugin install recomby-geo

之后就获得了 7 个斜杠命令。创建项目目录，放入业务资料，启动工作流即可。

真正的门槛在协作侧：业务专家需要理解 GEO 的基本逻辑，愿意在 brief 的 REQUIRED-FILL 槽位中填入真实洞察。这不是技术问题，而是组织协作问题——对于习惯了「AI 全自动」的用户来说，接受「AI + 专家协作」的模式本身就需要认知转变。

对于不想用 Claude Code 的用户，项目也提供了路径：手动拷贝 plugins/recomby-geo/skills/ 到其他支持 skill 加载的 agent（Cline、Goose、OpenCode 等）中即可。

局限与思考

不是独立产品，是框架和方法论：recomby-geo 本质上是一组文档 + 封装好的 skills + 工作流模板。没有 Web UI，没有一键部署，需要用户对 Claude Code 或其他 Agent CLI 有基本了解。
Skills 质量取决于上游：7 个 skills 中 6 个来自开源社区，recomby-geo 对上游没有强绑定，如果上游停止维护，skills 可能需要手动替换。
协作流程依赖人工填槽：/04-content-brief 阶段的专家槽位是真实协作的瓶颈。如果团队没有专职业务专家，这套流程的执行率会大打折扣。
国内 Claude Code 访问受限：默认推荐 Claude Code 作为 Agent，但国内用户可能需要替代方案（Cline / Goose / 字节 Trae），需要验证 skills 在这些替代 agent 上的兼容性。

行业意义：从「AI 替代」到「AI 协作」

recomby-geo 真正值得关注的地方，不是它的 skills 有多先进，而是它提出的AI 员工协作范式。在 Agent 能力快速提升的 2025-2026 年，业界普遍焦虑「AI 会不会替代我的岗位」，而 recomby-geo 给出了一种更务实的答案：

岗位不消失，但是岗位的工作方式变了。AI 承担执行和放大，业务专家贡献判断和洞察——两者共同构成一个更高效的「虚拟岗位」。

GEO 场景天然适合这种范式，因为 AI 搜索引擎的 E-E-A-T 原则要求内容有真实的专家背书，这是纯 AI 生成无法满足的。这让 recomby-geo 成为了展示「人机协作而非替代」理念的最佳演示场。

项目来源：ViryaZheng/recomby-geo，MIT 许可证，由 Recomby.ai 维护。

recomby-geo：把 AI 打造成「GEO 业务专家员工」的开源范式

一位 SEO 从业者的困境，引出了一个开源新范式

什么是 GEO？为什么它是 AI 员工的最佳试验场

GEO 之所以特别，是因为它天然不能被完全自动化：

大模型搜索引擎会主动惩罚 AI 拼凑的低质量内容
真正有价值的 GEO 洞察，来自于对行业的深度理解，这是业务专家的专属领地
AI 只能辅助执行（关键词扩展、SEO 审计、格式校验），而无法替代专家做出内容判断

这恰恰是「AI 员工」范式最理想的应用场景：业务专家贡献专业判断，AI 负责执行和放大，两者协作而非替代。

核心理念：「AI 员工」不是替代，是组装

recomby-geo 并没有发明什么颠覆性的新技术，它的创新在于提出了一个结构化的 AI 员工组装方案。一个完整的 AI 员工，由四块拼图组成，缺一不可：

组件	角色	本项目负责
业务专家	你 / 客户团队，懂业务	❌（用户自己）
Agent	Claude Code / Codex / Cline / Goose 等	✅ 集合整理 → `agents.md`
办公 CLI	飞书 / 钉钉 / Slack / Notion 等	✅ 集合整理 → `clis.md`
GEO Skills	专业知识赋能 agent	✅ 核心自研 → `plugins/recomby-geo/skills/`

核心功能：GEO Skills 技能包

Skill 名称	来源	用途
`seo-geo-optimizer`	199-biotechnologies（MIT）	主力，含 13 个 Python 脚本
`content-writer`	toprank（MIT）	内容生产
`content-quality-auditor`	aaron-he-zhu（Apache 2.0）	E-E-A-T / 引用度审计
`internal-linking-optimizer`	aaron-he-zhu（Apache 2.0）	内链结构优化
`keyword-research`	toprank（MIT）	关键词扩展
`meta-tags-optimizer`	toprank（MIT）	标题 / Meta 标签优化

7 阶段协作工作流

recomby-geo 的操作体验围绕 7 个斜杠命令展开，这是它区别于普通 skill 集合的关键设计——结构化的业务流程，而非零散的工具调用：

/01-intake  →  收集客户项目资料（PDF/URL/notes）
    ↓
/02-audit   →  用无上下文的子 agent 跑可见性基线（模拟真实用户提问）
    ↓
/03-gap     →  分析内容差距，找出 AI 引擎未覆盖的主题
    ↓
/04-content-brief   →  生成内容简报，**等待业务专家填写洞察槽位**
                         （此处 AI 不会自动代填——这是协作的硬门槛）
    ↓
/05-production →  生产内容（brief 状态必须为 ready 才执行）
    ↓
/06-distribution →  分发上线
    ↓
/07-reaudit     →  7 天后复盘，重新跑可见性基线对比效果

技术架构一览

recomby-geo/
├── plugins/recomby-geo/
│   ├── commands/         ← 7 个工作流斜杠命令（/01-intake 到 /07-reaudit）
│   ├── skills/           ← 7 个 vendor skills + 1 个自研 skill（主战场）
│   ├── schemas/          ← 8 个 JSON Schema（数据校验契约）
│   ├── orchestrator/     ← 单一流程源（run.md）
│   └── references/      ← Princeton KDD 2024 等 GEO 方法论文献
├── agents.md             ← 主流 AI Agent CLI 集合（CC/Codex/Cline/Goose/字节 Trae…）
└── clis.md               ← 国内外办公 CLI 集合（飞书/钉钉/Slack/Notion…）

核心依赖： Python 3（skills 中的脚本），零外部依赖、零 API Key（默认流程）。安装方式是 plugin marketplace add，作为 Claude Code 的插件存在。

上手体验：安装简单，协作有门槛

安装极简，在 Claude Code 中两行搞定：

/plugin marketplace add ViryaZheng/recomby-geo
/plugin install recomby-geo

之后就获得了 7 个斜杠命令。创建项目目录，放入业务资料，启动工作流即可。

对于不想用 Claude Code 的用户，项目也提供了路径：手动拷贝 plugins/recomby-geo/skills/ 到其他支持 skill 加载的 agent（Cline、Goose、OpenCode 等）中即可。

局限与思考

不是独立产品，是框架和方法论：recomby-geo 本质上是一组文档 + 封装好的 skills + 工作流模板。没有 Web UI，没有一键部署，需要用户对 Claude Code 或其他 Agent CLI 有基本了解。
Skills 质量取决于上游：7 个 skills 中 6 个来自开源社区，recomby-geo 对上游没有强绑定，如果上游停止维护，skills 可能需要手动替换。
协作流程依赖人工填槽：/04-content-brief 阶段的专家槽位是真实协作的瓶颈。如果团队没有专职业务专家，这套流程的执行率会大打折扣。
国内 Claude Code 访问受限：默认推荐 Claude Code 作为 Agent，但国内用户可能需要替代方案（Cline / Goose / 字节 Trae），需要验证 skills 在这些替代 agent 上的兼容性。

行业意义：从「AI 替代」到「AI 协作」

岗位不消失，但是岗位的工作方式变了。AI 承担执行和放大，业务专家贡献判断和洞察——两者共同构成一个更高效的「虚拟岗位」。

项目来源：ViryaZheng/recomby-geo，MIT 许可证，由 Recomby.ai 维护。