从「一条流水线」到 7+2 Skill 架构，从「二维探测」到 五维探测 + 归因回路
从「一条流水线」到「专业化分工」，每个Skill独立演进、零耦合升级
输入Schema+输出Schema+失败模式+版本号
Skill间只通过JSON/表记录通信
任一Skill升级，Schema不变则零改动
客户可单独购买探测/策略/内容
从「有没有被提到」到「为什么被提到、被怎样提到」
产品在AI回答中的出现率，所有策略的基准指标
首次推荐位置权重，反映品牌在AI中的推荐优先级
核心情报。解析引用链接→域名/类型/权威度。直接回答「该往哪投内容」
三档：准确推荐/描述错误/负面提及。描述错误=需纠错型内容
对比类？入门类？避坑类？不同语境需要不同内容策略
让每一篇文章可追溯效果
为什么归因回路是核心壁垒？
没有归因回路：「四周策略」永远是开环假设——你永远不知道哪篇文章真正起了作用。
有了归因回路：能回答「社区声音类文章在豆包上14天见效，但对Claude无效」——这是方法论，不是玄学。
持续积累：每条归因结果回写战术效果库，系统从「每次都像第一次」变为「越用越聪明」。
结构化+向量化双存储。系统越用越聪明。
哨兵对照组 — 效果度量的生死线
问题池分「干预组」（策略针对）和「对照组」（同品类不投内容）。干预组+12%、对照组+10% → 涨幅来自模型自然变化。没有对照组，所有效果汇报都经不起追问。