SDO：技能发现优化 — AI Agent Marketplaces 的 SEO
Source: Dev.to
SEO 为 Google 进行优化。ASO 为应用商店进行优化。GEO 为 ChatGPT、Perplexity 等 AI 聊天机器人进行优化。
但 AI 代理现在也有自己的市场——比如 ClawHub，你可以在这里搜索技能，为你的代理赋予新能力。这些市场拥有各自的搜索算法、排名规则以及让内容被发现的技巧。
SDO — 技能发现优化 —— 就是了解这些技能市场如何对结果进行排名，以及你可以采取哪些措施来提升可见度。
我深入研究了 ClawHub 的源代码，以弄清它们的搜索到底是如何运作的。以下是我的发现。
Source: …
ClawHub 搜索实际工作原理
让我带你逐步了解在 ClawHub 中输入查询时会发生什么。我已经花了一段时间阅读源码，这样你就不必自己去看了。
步骤 1：语义搜索
你的搜索查询会被转化为向量（使用 OpenAI 的 text-embedding-3-small 模型），随后与每个已发布技能的预计算向量进行比较。最接近的约 75 条匹配会被挑选出来作为初始候选。
决定技能向量的因素是什么？
整个 SKILL.md 文件——包括描述、内容，甚至 references/ 和 scripts/ 里的文件。所有内容会合并成一个文本块，截断至 12 000 字符，然后进行嵌入。
因此，技能的内容非常重要。
步骤 2：Token‑匹配过滤
步骤 1 中的候选会经过关键词过滤。你的查询会被拆分成 token（小写、仅保留字母数字），然后检查每个候选的 名称、slug 和 摘要。只要任意查询 token 与这些字段中任意 token 的前缀匹配，候选就会通过。
这个过滤非常宽松。搜索 “video generator”，只要出现以 “video” 或 “generator” 开头的 token，都能通过。它更像是一次合理性检查，而不是严格过滤。
步骤 3：精确 slug 召回
安全网：如果你的查询 token 用连字符连接后恰好等于某个技能的 slug，则该技能会被强制加入候选池。
因此搜索 ima-all-ai 时，无论向量搜索是否遗漏，都会找到 slug 为 ima-all-ai 的技能。
(这实际上是一次 bug 修复 —— 之前精确 slug 匹配可能会丢失。)
步骤 4：打分
每个候选都会得到一个由三部分组成的最终分数：
finalScore = vectorScore + lexicalBoost + popularityBoost| 组件 | 取值范围 / 公式 | 描述 |
|---|---|---|
| 向量分数 | 0 → ~1 | 查询与技能内容的语义相似度（“氛围是否匹配”）。 |
| 词汇提升 | 0 → 2.5 | 在 slug 和显示名称中出现关键词时的加分。 |
| 流行度提升 | ln(1 + downloads) × 0.08 | 对下载量的对数加权；100 次下载约 +0.37，10 000 次下载约 +0.74。 |
词汇提升细节
| 匹配类型 | 加分 |
|---|---|
| slug 完全匹配 | +1.4 |
| 名称完全匹配 | +1.1 |
| slug 前缀匹配 | +0.8 |
| 名称前缀匹配 | +0.6 |
加分会叠加，因此一个技能可以同时获得 slug 和名称的加分。
步骤 5：排序并返回
结果按 finalScore 降序排序，下载量作为平分项的 tiebreaker。最高的若干条结果会返回给用户。
就是这么简单——五个步骤，没有魔法。
对技能作者的意义
如果你在发布技能并希望用户能够真正找到它们，以下因素按重要性顺序排列：
1. 打磨好你的 Slug
Slug 是你唯一的最大杠杆。完全匹配的 slug 可获得 +1.4，这比大多数向量相似度分数都要高。把技能命名为用户会搜索的词。
指南
- 不要缩写。 匹配会检查查询词是否是 slug 词的前缀。
"vid-gen"无法匹配搜索 “video generator” 的用户，而"video-generator"可以。 - 使用用户实际输入的词。 而不是你觉得酷的词。
- 保持聚焦。
ai-video-generator胜过ultimate-creative-suite-pro-v2。
2. 编写优秀的描述
SKILL.md 前置元数据中的 description 字段是黄金位置。它首先出现在嵌入文本中，嵌入模型会更关注文本开头。
让描述信息密集，涵盖技能的功能以及使用的关键工具/模型。省去营销噱头。
# ✅ 好的示例
description: "Generate images, videos, and music with 20+ AI models including Kling, Sora, Midjourney, and Suno"
# ❌ 不好的示例
description: "The ultimate all‑in‑one AI creation toolkit for professionals"第二个示例听起来更花哨，但几乎没有向搜索引擎说明技能到底能做什么。
3. 前置你的 SKILL.md
SKILL.md 前约 500 个字符在嵌入中权重最高。把核心功能描述放在这里。不要以安装说明或前置条件开头——没人会搜索 “pip install”。
4. 覆盖用户的不同搜索方式
用户会用多种表达方式表达相同意图。确保你的内容自然涵盖这些变体：
- “generate video” / “create video” / “make video” / “text to video”
- “image generation” / “AI art” / “picture creation”
不要堆砌同义词；嵌入会把相似含义压缩到同一方向。相反，描述不同的 使用场景，自然使用不同的词汇。
5. 包含具体名称
如果你的技能集成了特定模型或服务，请在文中提及它们。用户会直接搜索 “kling” 或 “midjourney”。如果这些词不出现在你的技能文本中，你将错失相应流量。
6. 下载有帮助，但进展缓慢
下载会计入你的得分，但对数地计入。
- 从 0 → 100 次下载可获得约 +0.37。
- 从 100 → 1,000 次下载仅再增加 +0.18。
不要过分执着于下载次数——先专注于上述项目。
大局
SDO 仍然是新领域。这些市场刚刚成立不到一年，搜索算法发展迅速。上面我链接的 PR 甚至在上周就改变了精确匹配的工作方式。
但基本原则可能不会有太大变化：
让你的技能易于理解（对人类和嵌入向量都如此），使用人们搜索的词汇命名，并清晰描述它。
这并不是革命性的建议——它基本上是 20 年前 SEO 学到的同样经验，只是应用在一种新型搜索上。
- 在传统 SEO 中，你是为 爬虫 和排名算法进行优化。
- 在 SDO 中，你是为 嵌入模型 和 token 匹配器进行优化。
同一游戏，不同规则。
如果你在 ClawHub（或任何类似的市场）上发布技能，请考虑 SDO。它并不复杂——但如果忽视它，你的技能可能会变得不可见，无论它有多好。
所有分析基于截至 2026 年 3 月的 ClawHub 源代码。搜索算法会变化——如果你稍后阅读此文，请检查当前行为。