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-7/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
‘使用 Canonry 检查我论文草稿的引用覆盖率，并生成一份报告。’，它会调用 Canonry CLI 扫描你的文档，识别所有提及的文献，并与参考文献列表比对，最终生成一份显示缺失引用和潜在问题的详细报告。你也可以说：‘诊断最近一次提交后引用覆盖率的下降原因。’，它会运行回归分析，定位导致覆盖率降低的具体代码或内容变更。
介绍
Canonry 是一个专注于提升学术与专业内容引用分析效率的工具集。它主要解决在研究和内容创作过程中，难以系统性地追踪、验证和管理引用与提及覆盖率的痛点。通过其命令行界面（CLI）和模型上下文协议（MCP）工具，用户可以自动化执行引用审计、诊断覆盖率回归问题，并进行技术层面的深度检查。
使用 Canonry，你可以通过简单的命令来初始化项目、运行覆盖范围检查、生成审计报告，并利用 MCP 工具将分析能力集成到你的 AI 助手或开发工作流中。它旨在将繁琐的手动检查转变为可重复、可扩展的自动化流程。
该工具非常适合需要处理大量引用、注重内容准确性与合规性的学术研究者、技术文档工程师以及内容质量管理人员。它帮助这些用户确保其产出物的引用完整性，并快速定位潜在的引用缺失或错误。
在使用时，建议先熟悉其 CLI 的基本命令结构，并结合具体的项目结构进行配置。对于集成 MCP 工具，需要确保你的 AI 开发环境支持 MCP 协议。注意，该工具主要面向文本内容的引用分析，对于非结构化的数据源或非标准引用格式可能需要额外的预处理。
核心特点
Canonry 的核心在于其专为“引用与提及覆盖”分析而设计，提供了从检查到诊断再到技术审计的端到端解决方案，并深度集成了 MCP 协议，使其能够无缝嵌入到 AI 智能体的工作流中，这是许多通用代码质量或文档分析工具所不具备的。
注意事项
不适合分析非文本内容（如图像、视频）中的引用，或处理非标准、自定义的引用格式。
常见问题
Canonry 主要能检查什么？
主要检查文档中的提及（mention）和引用（citation）覆盖是否完整，诊断覆盖率下降的原因，并进行技术审计。
需要编程知识才能使用吗？
基础检查可通过 CLI 命令完成，但高级定制和 MCP 工具集成需要一定的命令行和开发知识。
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-7/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-7/raw/index.md（查看排版版本）