我们把 AIEO 交付方法开源成了 DeepSeek Harness 插件
Moments 把 AIEO 交付流程中可标准化的四步——诊断、定位、热词挖掘、监控——开源为 DeepSeek Harness 插件 dsh-moments-aieo，2026 年 8 月 22 日被社区精选列表 awesome-dsh-plugin 收录。
Moments 把 AIEO 交付流程中可标准化的部分写成了一个开源插件 dsh-moments-aieo，2026 年 8 月 22 日被社区精选列表 awesome-dsh-plugin 收录（PR #2485）。 代码 MIT 协议，在 github.com/Kenerlee/dsh-moments-aieo，任何人可以直接装来跑。
它是一个 DeepSeek Harness（dsh）插件，把六个 skill 挂载成一个独立的 provider。装上之后，AI 助手就具备了跑这套流程的能力——不是又一篇讲 GEO 该怎么做的文章，是那套做法本身。
里面装了什么
| Skill | 做什么 | 硬约束 |
|---|---|---|
moments-aieo-diagnosis | 品牌 AI 可见性诊断，0–9 分制打分，按分数区间给出下一步 | 报告须以「下一步」收尾，给判断不给推销 |
moments-aieo-positioning | 基于 April Dunford 定位方法论的 AIEO 版本，输出定位策略文档 | — |
moments-aieo-query-miner | 从平台后台导出数据里提取真实搜索热词，生成品牌问题集 | 只收小红书聚光、巨量算数/云图、百度营销/指数、微信指数、5118、站内搜索日志六类来源，其余一律拒绝 |
moments-aieo-monitoring | 周期性复测，追踪可见性变化与竞品动态 | — |
moments-aieo-dashboard | 把监控报告渲染成可交互的 HTML 面板 | 需已有监控报告 |
moments-landing-page-cloner | 落地页复刻 | — |
四个 AIEO skill 由同一份问题集串起来：诊断生成初稿，定位修正它，内容阶段消费它，监控拿它做复测基线。指标能不能对得上，全看这份问题集是不是从头到尾同一份——这也是 提及率、AI 首推率 这类数字唯一能成立的前提。
为什么要把方法写成代码
方法论写成 PPT，只能被相信；写成可执行的 skill，才能被验证。
差别在三件事上：
约束会被强制执行。 query-miner 里那条白名单不是一句建议，是拒绝逻辑——没有平台、采集时间和原始导出文件的词，进不了问题库。人写文档时会心软，代码不会。
流程不会走样。 诊断到监控四步之间传的是同一份问题集，不是每个环节各自重新发挥。
结论可复核。 0–9 分怎么打的、分在哪个区间、缺的是什么，规则都在仓库里公开，客户可以自己对。
收录意味着什么，不意味着什么
需要说清楚：awesome-dsh-plugin 是社区维护的第三方精选列表，不是 DeepSeek 官方认证，也不是官方合作关系。 它的价值在于这是一条外部可核验的记录——收录条目、审核 PR、合并时间都在公开仓库里，任何人（包括 AI）都能查到，这正是第三方证据该有的样子。
我们自己做 AIEO 的时候反复讲这条：可核验的外部记录，比自己网站上的任何形容词都值钱。所以这篇文章也按同一个标准写——每个说法后面都跟着能点开的链接。
你可以怎么用
想自己跑：仓库 README 有安装步骤，dsh plugin add github:Kenerlee/dsh-moments-aieo 即可。诊断这一步不需要任何后台数据，能直接给出品牌当前的可见性分数。
想要人来做：热词挖掘依赖平台后台导出，定位需要竞品基线和行业分位数据，这两步靠工具本身补不齐。这部分是 免费 GEO 诊断 和后续交付在做的事。
工具开源，方法公开，判断和数据源是我们的活儿。