canonry
用于设置和操作 Canonry AEO 项目的 CLI 和 MCP 工具集。
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：用于设置和操作 Canonry AEO 项目的 CLI 和 MCP 工具集。 完整的 Skill 内容见：https://321skill.com/skills/canonry-x-5/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
‘请使用 Canonry 检查我当前论文草稿的引用覆盖率，并对比上一版本，看看是否有引用丢失或无效的情况。’，它会调用 Canonry CLI 分析你的文档，生成一份详细的报告，指出哪些提及缺少对应引用，并高亮显示与之前版本相比发生退步（回归）的引用部分。
介绍
Canonry 是一个专注于提升学术引用和提及分析效率的工具集，它解决了在学术写作、技术文档或内容创作中，难以系统性地追踪和验证引用覆盖范围、诊断引用质量退步（回归）以及执行技术审计的痛点。
通过其命令行界面（CLI）或模型上下文协议（MCP）工具，用户可以自动化地检查文档中提及的实体（如论文、作者、概念）是否被正确引用，分析引用覆盖率的变化趋势，并对整个项目的引用规范性进行技术审计。这大大减少了人工核对的工作量，并提升了引用数据的准确性和一致性。
它非常适合需要处理大量引用、对内容质量有严格要求的学术研究者、技术文档工程师、内容创作者以及负责知识库或项目质量管理的开发人员。无论是撰写学术论文、维护技术文档，还是构建需要高引用准确性的知识库，Canonry 都能提供专业级的自动化支持。
使用建议：建议在项目初期就集成 Canonry 到写作或开发流程中，以便持续监控引用质量。注意，其分析深度依赖于输入的文档结构和引用格式的规范性，因此保持源文件格式清晰统一能获得更佳的分析效果。
核心特点
与通用的代码质量或文档检查工具不同，Canonry 专门针对“提及与引用”这一细分领域，提供覆盖率检查、回归诊断和专项技术审计的深度功能，并通过 CLI 和 MCP 协议实现高度可集成和可编程的操作方式。
注意事项
不适合用于分析非结构化或引用格式极其混乱的原始文本，其效果高度依赖输入文档的规范性。
常见问题
Canonry 能检查哪些类型的引用？
主要针对学术和技术文档中常见的引用格式，如 BibTeX、APA、MLA 等，以及文档中对特定实体（如论文标题、作者名）的提及。
需要编程知识才能使用吗？
基本功能可通过 CLI 命令使用，但高级定制和通过 MCP 工具集成到其他应用（如 AI 助手）中可能需要一定的技术背景。
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-5/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-5/raw/index.md（查看排版版本）