canonry
为Canonry AEO项目提供设置、审计与诊断的CLI和MCP工具。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：canonry。 它的用途是：为Canonry AEO项目提供设置、审计与诊断的CLI和MCP工具。 完整的 Skill 内容见：https://321skill.com/skills/canonry-x-11/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我用Canonry检查一下当前项目的引用覆盖率，并看看最近一次提交有没有引入回归问题。”，它会调用Canonry CLI工具，分析项目代码，生成一份关于提及和引用覆盖率的报告，并对比历史数据，指出是否存在性能或质量上的回归，给出诊断建议。
介绍
Canonry Skill 旨在帮助开发者和项目管理者高效地设置、监控和诊断基于AI的AEO项目。它解决了在复杂AI项目中难以量化评估、追踪性能回归和确保技术合规性的痛点。
通过集成Canonry CLI和MCP工具，用户可以直接在AI助手环境中执行一系列操作，例如检查项目中提及和引用的覆盖范围，诊断性能下降的原因，运行技术审计，以及执行自动化操作。这大大简化了AI项目的运维和质量管理流程。
该工具非常适合负责AI应用开发、部署和维护的技术团队，特别是那些需要确保项目输出质量、符合内部标准或监管要求，并需要快速定位和解决问题的工程师与项目经理。
使用建议是，在项目初期就引入Canonry进行基线审计，并将其集成到CI/CD流程中，以便持续监控。需要注意的是，它主要服务于Canonry AEO项目生态，对于非此框架或非AI技术栈的项目支持有限。
核心特点
专注于为Canonry AEO项目提供端到端的质量保障与运维能力，集成了从覆盖率检查、回归诊断到技术审计的完整工作流，并通过MCP工具与AI助手深度集成，实现命令行之外的智能交互式操作。
注意事项
主要适用于Canonry AEO项目生态，对于其他AI框架或通用软件开发项目的直接支持有限。
常见问题
Canonry是什么？
Canonry是一个专注于AI项目（AEO）质量、合规与运维的平台，此Skill是其命令行和MCP工具的集成。
这个Skill能检查代码质量吗？
可以，它能运行技术审计，诊断项目中的问题，包括检查代码层面的潜在问题。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/canonry-x-11/raw/index.md 读取 canonry 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/canonry-x-11/raw/index.md（查看排版版本）