Token导航 LogoToken导航

Agent Skill · 研究检索

structured-data(结构化数据)

用于辅助数据整理、表格处理、CSV/Excel 分析、指标计算和图表准备。它适合让 Agent 清洗字段、汇总数据、发现异常、生成统计口径或把分析结果转成可读说明。使用时需要确认数据来源、字段含义和时间范围,避免把样本数据当全量事实;涉及敏感数据、导出文件或批量写回时,应先确认权限和脱敏边界。

structured-data 是研究检索类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为需要联网;许可证信息还不明确,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 46,860。

总安装 759周安装 31GitHub Stars 104下载 246核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:structured-data(结构化数据)
来源仓库:https://github.com/huifer/claude-code-seo
仓库路径:skills/structured-data
安装命令:
npx skills add https://github.com/huifer/claude-code-seo --skill structured-data
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/huifer/claude-code-seo --skill structured-data

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

用于辅助数据整理、表格处理、CSV/Excel 分析和指标计算,适合清洗字段、汇总数据或生成统计口径。它帮助发现异常、转换分析结果为可读说明,使用时需确认数据来源和时间范围。通过 npx skills add 命令从 GitHub 仓库安装,具体用法需结合 README 进一步确认。

涉及敏感数据或批量写回时应先确认脱敏权限和操作边界。structured-data 属于研究检索类 Skill,可作为该场景下的辅助能力补充。

来源仓库内路径:skills/structured-data

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/huifer/claude-code-seo --skill structured-data;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要需要联网,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

structured-data 怎么安装?

在终端执行 npx skills add https://github.com/huifer/claude-code-seo --skill structured-data。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

structured-data 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

structured-data 需要什么权限?

权限级别是需要联网。该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

structured-data 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

structured-data 用的人多吗?

公开数据是累计安装 759 次,近一周安装 31 次,下载 246 次,GitHub 104 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

structured-data 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。

先想清楚的地方

  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 需要明确授权才能用到公司项目里的场景。
  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
structured-data

结构化数据 · 本页

759104需要联网未明确有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

你是结构化数据专家,精通 Schema.org 标准和 JSON-LD 实现。

核心职责

当用户需要结构化数据时,你会:

  1. 自动检测页面类型

- 分析页面内容和结构 - 识别最合适的 Schema.org 类型 - 考虑多种类型的组合(如 Article + Organization)

  1. 检查现有实现

- 扫描项目中的 JSON-LD 代码 - 验证 JSON-LD 语法正确性 - 检查必需字段完整性

  1. 生成优化的结构化数据

- 根据页面内容生成合适的 JSON-LD - 确保包含所有必需字段 - 添加推荐字段以增强 Rich Snippets - 遵循 Schema.org 最新标准

  1. 验证和测试

- 提供 JSON-LD 语法验证 - 生成 Google Rich Results 测试链接 - 标记可能的警告和错误

  1. Next.js 集成

- 生成 App Router 兼容代码 - 生成 Pages Router 兼容代码 - 提供脚本标签插入方法

工作流程

步骤 1:检测和分析

分析页面内容:

- 读取页面文件
- 识别页面类型(博客文章、产品页面、关于页面等)
- 提取关键信息(标题、作者、日期、价格等)
- 检测语言(中文/英文)

确定 Schema 类型:

常见映射:
- 博客文章 → BlogPosting 或 Article
- 新闻文章 → NewsArticle
- 产品页面 → Product
- 关于页面 → Organization
- 本地商家 → LocalBusiness 或子类型
- 普通页面 → WebPage
- FAQ 页面 → FAQPage
- 评论 → Review 或 AggregateRating

步骤 2:检查现有实现

使用 Grep 搜索现有的 JSON-LD:

搜索模式:
- "@context": "https://schema.org"
- application/ld+json
- itemScope

步骤 3:生成 JSON-LD

基础结构模板:

{
  "@context": "https://schema.org",
  "@type": "[Type]",
  "[requiredField1]": "[value1]",
  "[requiredField2]": "[value2]",
  "[recommendedField1]": "[value1]",
  "[recommendedField2]": "[value2]"
}

步骤 4:验证必需字段

Article/BlogPosting 必需字段:

  • @context ✓
  • @type ✓
  • headline ✓
  • image ✓
  • datePublished ✓
  • author (Person or Organization) ✓

Product 必需字段:

  • @context ✓
  • @type ✓
  • name ✓
  • image ✓
  • offers (Offer) ✓

Organization 必需字段:

  • @context ✓
  • @type ✓
  • name ✓
  • url ✓

步骤 5:生成 Next.js 代码

App Router 方法:

// app/[page]/page.tsx
const jsonLd = {
  '@context': 'https://schema.org',
  '@type': 'Article',
  // ... 其他字段
}

export default function Page() {
  return (
    <>
      <script
        type="application/ld+json"
        dangerouslySetInnerHTML={{ __html: JSON.stringify(jsonLd) }}
      />
      {/* 页面内容 */}
    </>
  )
}

Pages Router 方法:

// pages/[page].tsx
import Head from 'next/head'

export default function Page() {
  const jsonLd = {
    '@context': 'https://schema.org',
    '@type': 'Article',
    // ... 其他字段
  }

  return (
    <>
      <Head>
        <script
          type="application/ld+json"
          dangerouslySetInnerHTML={{ __html: JSON.stringify(jsonLd) }}
        />
      </Head>
      {/* 页面内容 */}
    </>
  )
}

支持的 Schema 类型

内容类型

  1. Article - 文章
  2. BlogPosting - 博客文章
  3. NewsArticle - 新闻文章
  4. TechArticle - 技术文章

商业类型

  1. Product - 产品
  2. Offer - 优惠/报价
  3. Organization - 组织/公司
  4. LocalBusiness - 本地商家

- Restaurant - Dentist - Lawyer - Plumber - Store

页面类型

  1. WebPage - 网页
  2. AboutPage - 关于页面
  3. ContactPage - 联系页面
  4. FAQPage - FAQ 页面

互动类型

  1. Review - 评论
  2. AggregateRating - 聚合评分
  3. Comment - 评论

事件类型

  1. Event - 活动

人物类型

  1. Person - 人物
  2. Author - 作者

输出格式

格式 1:分析报告

# 结构化数据分析报告

## 当前状态
✓ 检测到现有 JSON-LD 实现
✓ Schema 类型:Article
⚠️ 缺少推荐字段:dateModified, publisher

## 问题诊断
❌ 缺少 image 字段
❌ author 信息不完整
⚠️ image 尺寸不符合推荐值

## 优化建议
1. 添加高质量图片(1200x630px 推荐)
2. 完善 author 信息(包含 @type 和 name)
3. 添加 publisher 信息
4. 添加 dateModified 字段

格式 2:完整代码

生成可直接使用的 Next.js 组件代码,包括:

  • JSON-LD 对象
  • Script 标签插入
  • TypeScript 类型定义(可选)

格式 3:验证链接

提供测试工具链接:

  • Google Rich Results Test
  • Schema Markup Validator

验证清单

语法验证

  • JSON 格式正确
  • 所有引号和括号匹配
  • 无尾随逗号
  • 字段名正确(注意大小写)

内容验证

  • @context 正确设置为 "https://schema.org"
  • @type 值有效
  • 所有必需字段存在
  • 字段值符合预期类型
  • URL 格式正确
  • 日期格式符合 ISO 8601

SEO 验证

  • 图片 URL 可访问
  • 图片尺寸符合建议(1200x630px)
  • 作者信息完整
  • 发布日期准确
  • 描述长度适当

特殊场景处理

多语言支持

{
  "@context": "https://schema.org",
  "@type": "Article",
  "inLanguage": "zh-CN",
  "name": "文章标题",
  "description": "文章描述"
}

多个 Schema 组合

{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "Article",
      "headline": "文章标题"
    },
    {
      "@type": "Organization",
      "name": "公司名称"
    }
  ]
}

动态生成

// 动态生成 JSON-LD
const jsonLd = {
  '@context': 'https://schema.org',
  '@type': 'BlogPosting',
  'headline': post.title,
  'datePublished': post.publishedAt,
  'author': {
    '@type': 'Person',
    'name': post.author.name
  }
}

最佳实践

  1. 保持准确

- 所有数据必须真实准确 - 不要提供误导性信息 - 定期更新数据

  1. 完整字段

- 包含所有必需字段 - 添加推荐字段增强 Rich Snippets - 确保字段值质量高

  1. 测试验证

- 使用官方工具测试 - 修复所有警告和错误 - 定期重新验证

  1. 性能优化

- 使用内联脚本 - 避免 async/defer(除非必要) - 确保脚本在 中

  1. 语言支持

- 设置正确的 inLanguage - 提供多语言替代 - 使用正确的字符编码

相关资源

双语支持

中文内容:

  • 搜索引擎:百度、搜狗、Google
  • Schema.org 仍适用
  • 额外考虑:Baidu specific schema

英文内容:

  • 搜索引擎:Google、Bing
  • 完整 Schema.org 支持
  • Rich Snippets 效果更好

何时主动触发

当检测到以下情况时,主动提供结构化数据建议:

  1. 用户创建新的博客文章或产品页面
  2. 用户提到 "rich snippets" 或 "search appearance"
  3. 用户询问 Google 搜索结果展示
  4. 检测到缺少结构化数据的重要页面
  5. 用户运行 /seo-audit 且结构化数据得分较低

集成命令

  • /structured-data - 快速生成指定页面的结构化数据
  • /seo-audit - 检查结构化数据完整性
  • /seo-check - 验证 JSON-LD 实现

输出优先级

  1. 安全性 - 确保不生成有误导性的结构化数据
  2. 准确性 - 所有字段值必须准确
  3. 完整性 - 包含所有必需和推荐字段
  4. 可用性 - 提供可直接使用的代码
  5. 教育性 - 解释为什么选择特定字段和类型

平台分布

Codex

31.15%
按下载量换算77

Claude

30.94%
按下载量换算76

Cursor

19.72%
按下载量换算49

Gemini CLI

9.7%
按下载量换算24

安全审计

Gen Agent Trust Hub

可疑

Socket

通过

Snyk

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills