SEO关键词研究自动化器

要解决的问题

内容团队在立项一个页面前，往往要把大量时间花在关键词考古上：从 Search Console 里翻既有的查询数据，手工复制进第三方工具，再用肉眼比对 SERP 结果页，最后凭感觉决定写什么、怎么写。这个过程重复、耗时，且结论很难复现——同一批关键词，不同人得出的聚类和优先级可能完全不同。

这个技能的目标是把这条链路自动化：用脚本代替人工搬运，用 TF-IDF 打分代替拍脑袋分组，让关键词研究的产物从一堆表格变成结构化的内容简报。

核心能力与工作方式

技能同时接入两个数据源：

• DataForSEO API：负责外部搜索数据，包括 SERP 结果抓取和关键词相关度指标。
• Google Search Console API：负责站点自身的真实表现数据，用来校准哪些词已经有流量基础。

一次典型的研究流程分四步：

1. SERP 分析：针对目标关键词拉取搜索结果页，观察当前排名页面的类型与内容形态。
2. 关键词聚类：基于 TF-IDF 相似度把语义相近的词归为一组，避免同一页面重复覆盖同义词。
3. 搜索意图分类：判断每个词背后的用户意图是信息型、导航型还是交易型，决定页面应该采用什么内容形式。
4. 生成内容简报：把聚类结果、意图判断和优先级整理成一份可以直接交给写作环节的 brief。

适用边界与注意事项

• 该技能依赖两个外部 API 的额度和权限，DataForSEO 和 Search Console 的可用数据范围会直接限制产出质量。
• TF-IDF 聚类对语料来源敏感，语料库规模较小时，相似度得分的区分度可能不如 LLM 语义聚类。
• 搜索意图分类是基于规则或统计特征实现的，对边界模糊的查询（既像问答又像购买）容易判错。
• SKILL.md 中没有提供可验证的安装与使用说明，建议在接入敏感工作流之前先审查上游项目的实际实现。
• 它输出的是研究结论，不是内容本身，写作和审校环节仍然需要人工把关。