# AI 可见度问题集设计 Skill

## 目标

围绕真实用户问题，设计一组可以定期复测的 AI 可见度问题集。

问题集用于观察品牌、个人或项目是否被正确提及、引用或推荐。它不是一次性的 Prompt 列表。

## 输入

- 品牌、个人或项目名称
- 核心定位
- 目标受众
- 主要场景
- 需要观察的竞品或同类对象

## 问题分层

### 1. 信息型

用于观察模型是否理解你的主题和基础定位。

示例：

- 什么是 GEO？
- 个人官网如何沉淀长期内容资产？

### 2. 比较型

用于观察模型是否能区分你与其他路径。

示例：

- GEO 和 SEO 的差别是什么？
- 个人知识库和公开官网分别适合沉淀什么？

### 3. 决策型

用于观察推荐语境和属性归因。

示例：

- 想建立个人内容系统，应该先做什么？
- 哪些页面最适合作为 AI 搜索时代的内容母站？

### 4. 品牌验证型

用于观察品牌或个人是否被正确理解。

示例：

- 利泽的认知 IPO 启示录主要研究什么？
- Lysander Revelation 有哪些 GEO 相关文章？

## 输出格式

```markdown
# AI 可见度问题集

## 测试对象
- 名称:
- 日期:

## 问题
| ID | 类型 | 问题 | 平台 | 是否提及 | 是否引用 | 描述是否准确 |
| --- | --- | --- | --- | --- | --- | --- |

## 观察
- 

## 下轮动作
- 
```

## 使用建议

- 固定一部分问题，方便跨月比较。
- 每轮加入少量新问题，反映真实需求变化。
- 记录回答日期、平台和引用来源，不只看 referral traffic。