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/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
‘帮我检查一下当前 Canonry 项目的引用覆盖率，并诊断最近一次提交是否引入了性能回归。’ 它会通过 Canonry CLI 运行分析，生成一份报告，指出覆盖率变化和潜在的回归点，并给出优化建议。
介绍
Canonry 是一个专为 AI 增强型运营（AEO）项目设计的工具集，旨在帮助开发者和团队高效管理和优化其 AI 项目。它解决了在复杂 AI 项目中难以追踪引用覆盖、诊断性能回归以及进行系统性技术审计的痛点。
通过 Canonry CLI 或 MCP 工具，用户可以轻松检查项目中的提及和引用覆盖情况，快速定位和诊断因代码或配置变更导致的性能或功能回归问题，并运行标准化的技术审计，确保项目质量和合规性。
该工具非常适合负责 AI 应用开发、维护和优化的全栈开发、智能体开发及运维工程师。他们通常需要处理包含大量模型调用、数据流和复杂逻辑的项目，Canonry 提供了结构化的方法来确保项目的稳定性和可维护性。
使用建议：建议将此工具集成到项目的 CI/CD 流程中，以便在代码提交或部署前自动执行覆盖检查和回归诊断。对于初次使用者，可以先从运行基础审计开始，熟悉各项指标的含义，再逐步引入到日常开发工作流中。
核心特点
专注于 AI 增强型运营（AEO）项目的全生命周期管理，提供针对模型引用、性能回归的专项检查和诊断能力，而不仅仅是通用的代码质量或测试工具。
注意事项
主要面向使用 Canonry AEO 框架的项目，对于非 AEO 或未集成其 CLI/MCP 工具的项目支持有限。
常见问题
Canonry 能检查哪些类型的回归？
可以诊断因代码变更导致的模型调用性能、引用准确性和覆盖范围等方面的回归。
需要将项目迁移到 Canonry 框架才能使用吗？
是的，此工具主要用于设置和操作基于 Canonry AEO 框架的项目。
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/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/raw/index.md（查看排版版本）