canonry
用于设置和操作 Canonry AEO 项目的 CLI 与 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：用于设置和操作 Canonry AEO 项目的 CLI 与 MCP 工具。 完整的 Skill 内容见：https://321skill.com/skills/canonry/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 检查我当前项目中 AI 生成代码的引用覆盖情况，并生成一份审计报告。'，它会调用 Canonry CLI 工具分析项目文件，识别出所有缺失或无效的引用，并输出详细的覆盖度报告和问题列表，帮助你快速定位需要补充引用的位置。
介绍
Canonry 是一个专注于提升 AI 驱动项目（AEO）质量与合规性的工具集。它主要解决在开发和使用大型语言模型应用时，难以系统化追踪、验证和优化其输出准确性与合规性的问题。
用户可以通过 Canonry CLI 或 MCP 工具，对项目中的模型提及（mention）和引用（citation）覆盖范围进行检查，诊断模型性能的回归问题，运行技术审计以确保代码和配置符合安全与合规标准，并执行相应的修复或优化操作。
该工具非常适合需要确保其 AI 应用输出可靠、可追溯且符合特定规范（如学术、法律或商业标准）的开发者和团队。无论是构建智能客服、研究助手还是内容生成应用，Canonry 都能帮助建立质量保障流程。
使用建议：建议在项目开发早期集成 Canonry，将其作为 CI/CD 流程的一部分，以便持续监控模型表现。注意，它主要面向技术操作和审计，对于纯创意或非结构化的内容生成任务，其价值可能有限。
核心特点
Canonry 的核心在于其专注于 AI 生成内容（AEO）的专项审计与质量保障，提供针对“提及与引用覆盖”的深度检查，而同类工具多侧重于通用代码质量或性能监控。它通过 CLI 和 MCP 工具提供了从诊断到执行的操作闭环。
注意事项
不适合用于纯创意、非结构化或无需严格引用与合规性验证的 AI 内容生成场景。
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）覆盖是否完整，诊断模型性能回归，并进行技术审计。
Canonry 如何集成到现有工作流？
可以通过其 CLI 命令行工具或作为 MCP 服务器集成到 Claude Desktop、Cursor 等支持 MCP 的 AI 助手或开发环境中。
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/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/raw/index.md（查看排版版本）