SignalDig：SEO、GEO 与社交研究
SignalDig 把 SEO、GEO、竞对、外链和社交研究集中到一处，并提供有证据支撑的使用案例，以及 MCP 与 Agent Skills 的配置指南。
SignalDig 是一款供人和 AI Agent 使用的研究产品。它把 SEO 研究、搜索结果、GEO 可见度、竞对研究、外链和公开对话放进同一个研究流程，让证据始终贴近结论。
这之所以重要，是因为增长问题很少以现成的报告出现。有人可能在判断某个话题值不值得新建一个页面，查看某个域名在 AI 搜索中的表现，比较某个查询下的竞争对手，或者想弄清公开对话中的措辞。相关证据通常分散在不同地方，上下文也未必跟着证据一起走。
我们做 SignalDig，就是为了让这类研究更容易复核。一条结果应该标明来源和观察时间，也应该说清楚这些数据能支撑什么结论，还有哪些问题需要到别处核实。
产品更新——2026 年 9 月 1 日： SignalDig 现已把公开能力划分为五个研究领域，并支持通过 API 密钥、MCP 和配套的 Agent Skills 完成完整的 Agent 配置。本文介绍的是当前版本的产品能力。
SignalDig 能研究什么
目前，SignalDig 主要覆盖五个研究领域：
- SEO 搜索与关键词研究：提供关键词上下文、搜索需求、相关查询和当前搜索结果。
- GEO 与 AI 搜索可见度：查看某个域名或话题在受支持的 AI 搜索观察中的呈现情况。
- 竞对研究：围绕指定查询，分析竞争结果与排名可见度。
- 外链研究：关于网站的链接与流量相关观察。
- 社交与内容需求研究：来自受支持平台的公开对话与内容信号。
这几个领域彼此有关，但不能互相替代。Google 是搜索研究的默认搜索引擎；如果你需要查看 Bing，也可以主动选择它。社交数据来自受支持的公开来源，不等于对某个平台做了完整普查。产品会把这些区别保留下来，而不是把不同类型的观察压成一个来路不明的分数。
一次研究请求是如何进行的
起点应该是一个足够明确的问题，这样返回的结果才有用。比如，你可以比较一个查询在不同市场的表现，查看某个域名在特定搜索引擎中的结果，或者研究一个话题在某个社交平台上的讨论。只有当语言、时间范围或其他筛选条件会改变比较结果时，才需要把它们加进请求。
接着，SignalDig 会调用相应的搜索、网站或社交数据能力，返回当前检索能够获得的观察结果。它可以帮助你决定下一步查什么，但不是对市场下定论。
解读必须紧扣返回的数据。比如，曝光量缺失并不代表这条内容没有曝光，只能说明这份结果无法支撑关于曝光量的结论。分页、检索时间和所选来源，也都可能改变结果能说明什么。
在此基础上，结果可以帮助你决定是否测试一个内容方向、比较某个竞争对手，或继续追查另一个问题。下一步仍由使用证据的人或 Agent 决定。SignalDig 让推理更容易复核，但不会替用户做决定。
在真实示例中看工作流
公开的 Use Cases 库收录了基于具体检索任务的脱敏示例：
- 结合 Reddit 与 X 研究关键词机会需求：追踪两个平台上的对话，识别需求问题与功能优先级。
- 查找当前 DeepSeek Harness 讨论：展示范围有限的社交样本能为内容规划提供什么，以及仍然存在的风险。
- 分析 LinkedIn 的 95 条历史帖：说明在解读互动数据时，分页、帖子时效和曝光缺失为什么重要。
这些示例展示的是产品如何处理具体研究任务。它们不是代表性调查、客户背书，也不是对排名、触达或收入的承诺。
为 AI Agent 配置 SignalDig
要让 Agent 使用 SignalDig，需要完成三件事：
- 在账户中创建一个 SignalDig API 密钥。它用于请求鉴权，也用于记录积分消耗。
- 在兼容的客户端中配置 SignalDig MCP。先接入 SEO Data 服务器，任务需要时再添加 Social Data 或 SEO Decisions。
- 安装配套的 SignalDig Agent Skills。Skills 本身不含实时数据，它们说明如何选择工具、设定合理范围、保留证据和处理部分结果。
手动安装时，从 Skills 安装指南下载最新 release 的 ZIP 包，解压后把 Skill 目录复制到客户端使用的目录中。Codex 使用 ~/.codex/skills，Claude Code 使用 ~/.claude/skills，其他兼容客户端可以使用 ~/.agents/skills。复制完成后，重启客户端或新开一个会话。指南中包含具体命令和 Windows 说明。
Cursor 和 VS Code 用户可以使用 MCP 指南中的一键导入服务器功能。API 密钥请保存在客户端的受保护凭据字段或环境变量里，千万不要写进仓库、提示词、截图或共享日志。
MCP 与 Agent Skills 各司其职
MCP 是 AI Agent 与 SignalDig 当前数据和工具之间的连接。Agent Skills 是使用这些工具时的开放、可检查的指令。API 密钥只负责请求鉴权，它不会决定 Agent 该研究什么，也不会决定如何解读一个缺失字段。
把这几部分分开，意味着数据连接和研究指令可以独立更新，用户也能在接入实时数据之前先了解整个使用流程。
SignalDig 不提供什么
SignalDig 不会替代第一方分析、收入记录、客户访谈或直接实验。它不会持续监控整个网络，不保证平台数据的完整覆盖，也不承诺排名、流量、互动或收入。
搜索、外链和社交结果取决于检索来源、所选范围和时效。重要字段缺失时，它的值是未知的，而不是 0。
为什么这样构建
好的增长研究不只是收集更多字段。真正重要的是：人们能不能理解这些证据，并据此判断什么值得继续深究。
这正是 SignalDig 想扮演的角色：为人和 AI Agent 提供一个更清晰的起点，去做 SEO、GEO、竞对、外链和社交研究，同时让证据及其边界始终可见。你可以先看看五个研究能力，再浏览真实使用案例；准备好运行研究任务后，再连接 MCP 与配套的 Skills。