geo-review 用于评估应用与内容面向生成式 AI 搜索和答案引擎（ChatGPT、Perplexity、Google AI Overviews、Claude 等）的优化程度。传统 SEO 争取链接排名，GEO 争取被 AI 答案引用。适用于产品通过 AI 助手被发现、希望出现在 Google AI Overviews、发布文档或教育内容，以及竞品已出现在 AI 答案中的场景。
技能按五个阶段执行：Educate（讲解 AI 搜索与传统搜索差异）、Scope（自动识别内容页、结构化数据、llms.txt、站点地图与作者信号，并向用户确认产品类型、目标 URL、目标 AI 查询、竞品与内容目标）、Analyze（浏览器会话记录证据并运行检查）、Report（生成报告到 shiplight/reports/geo-review-{date}.md，含各分类评分、引用状态与引用差距分析）、Remediate（修复指引与 YAML 回归测试）。
检查类别包括：CITE 内容可引用性（具体可验证主张、统计数据、直接回答、引文证据等 10 项）；STRUCT 内容结构（标题层级、FAQ、前置结论、表格、分段长度等 8 项）；AUTH 权威信任信号（作者信息、发布日期、来源引用等 8 项）；TECH 技术可发现性（llms.txt、JSON-LD、robots.txt 允许 AI 爬虫等 10 项）；ENTITY 品牌实体清晰度（名称一致性、品类声明、定价结构等 8 项）；TEST 实际 AI 引用测试（在 Perplexity、ChatGPT、Google 中检索目标查询并对比竞品）。TEST 结果被视为基准事实。
引用框架包括 2024 年 GEO 研究、Google E-E-A-T、Schema.org、llms.txt 与 RAG。报告使用置信度评分：90-100% 为实时 AI 检索验证，70-89% 为结构证据，50-69% 为启发式评估，低于 50% 不报告。限制：具体调用方式、安装命令与运行入口在资料中暂未提供。