技能介绍

要解决什么问题

搜索驱动的 AI 系统越来越依赖公开网页来发现、解析、引用和摘要内容。很多官网首页、一级栏目页在「人眼可读」和「爬虫可读」之间还有断层：首屏依赖 JavaScript、robots/canonical 配置不当、正文不在初始 HTML 里，或缺少可被模型拆成原子事实的结构（FAQ、对比表、步骤、实体全称等）。本技能面向给定 URL 或站点，输出开发侧与内容侧都可执行的 GEO 页面诊断，而不是在没有平台采样数据时猜测某 AI 平台的召回或排名。

技能如何工作

审计框架对齐一条五段链路：发现 → 检索候选 → 主内容抽取 → 证据质量 → 生成引用。在输入允许时，会尽量覆盖首页、代表性一级页、代表性二级页，并说明选页依据与输入缺口。

核心检查包括：

可抓取与可渲染：状态码、robots、sitemap、canonical、meta robots、移动与桌面一致性、JS 依赖、主内容是否出现在初始 HTML
结构质量：H1–H3、main/article、摘要、目录、FAQ、表格、列表、面包屑、内链与锚文本、无障碍标题、Schema
内容证据：结论前置、实体全称、数据与引用、案例与日期、作者/来源、时效、客观性、价格与服务边界、地域约束
AI 可抽取性：键值事实、原子事实、对比表、步骤、Q&A、可独立理解的摘要与段落、实体关系、sameAs、分块引用就绪度

每条发现会进入证据台账，并标注为 observed / official / standard / research / inferred / input gap 等类型，优先官方页面、文档、源码与标准，而非第三方解读。

交付物默认包含：页面 GEO 诊断报告、代码层修复清单、内容结构改造建议、Schema/HTML 模块建议、证据台账与完整性自检；并可从同一 Markdown 源生成 Word、PDF、带粘性目录的 HTML 及 quality-report.json（产物存在性、体积与版式检查）。

边界与注意点

无爬虫日志权限时，只报告前端可观测证据，不推断日志级抓取频率。
无 AI 平台采样数据时，不分析平台召回、排名、答案频率、引用份额或平台内部权重；相应部分以「公开材料覆盖度」与「高意图问题就绪度」替代。
需区分用户可见内容、爬虫可读内容与 AI 可抽取内容；Schema 必须与页面正文一致，不得用 Schema 虚构页面上不存在的事实。
重要结论需标明证据来源；来源缺失时应标为假设或输入缺口。