canonry
用于设置和操作 Canonry AEO 项目的 CLI 与 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 与 MCP 工具集。 完整的 Skill 内容见：https://321skill.com/skills/canonry-x-6/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 检查当前项目的引用覆盖率，并生成一份审计报告。’，它会通过集成的 MCP 工具调用 Canonry CLI，扫描项目文件，分析代码中的引用和提及是否完整覆盖了相关文献或数据源，并输出一份详细的可视化报告，指出潜在的覆盖缺失或引用不一致问题。
介绍
Canonry 是一个专为处理和分析 AEO（AI 评估与优化）项目设计的工具集。它主要解决在 AI 项目开发与评估过程中，难以系统化检查引用覆盖率、诊断性能回归以及执行技术审计的痛点。
用户可以通过 Canonry CLI 或 MCP（Model Context Protocol）工具来操作。CLI 提供了直接的项目设置、运行审计和生成报告的命令行接口，而 MCP 工具则允许用户将 Canonry 的功能集成到 Claude Desktop 等 AI 助手中，通过自然语言交互来完成复杂的项目诊断任务。
该工具非常适合需要对其 AI 项目（尤其是涉及大量引用、提及和性能指标的项目）进行深度质量控制和持续监控的开发者与团队。无论是独立研究员还是企业中的 AI 工程师，都可以利用它来确保项目的严谨性与可追溯性。
使用建议：建议在项目开发早期就引入 Canonry 以建立基线，并在每次重要迭代后运行覆盖率和回归诊断。注意，它主要面向技术评估和审计，而非直接的模型训练或部署。
核心特点
与通用的代码质量或测试工具不同，Canonry 专门针对 AI 项目中的“提及与引用覆盖”进行深度分析，并能通过 MCP 协议与 AI 助手深度集成，实现通过对话驱动技术审计工作流。
注意事项
不适合非 AI 项目或仅需简单单元测试、无需深度引用追踪的场景。
常见问题
Canonry 主要检查什么？
主要检查 AI 项目中的提及（mention）和引用（citation）覆盖率，诊断性能回归，并运行技术审计。
Canonry 如何与 AI 助手一起使用？
通过 MCP（Model Context Protocol）工具集成，你可以在 Claude Desktop 等 AI 助手中通过对话来操作 Canonry 的功能。
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-6/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-6/raw/index.md（查看排版版本）