技能介绍

要解决的问题

传统 SEO 审计通常假设用户通过 Google 或 Bing 点入网页，但越来越多查询发生在 ChatGPT、Perplexity、Gemini、Claude、Copilot 和 Google AI Overviews 等 AI 答案层中。这类系统不仅看关键词，还会判断站点是否可被爬虫读取、内容是否容易被抽取、是否有结构化证据与实体引用。若目标域在这些引擎中“不被提及”或只被竞品引用，单纯增加内容篇幅并不够。该技能针对这个问题，将 GEO/SEO 审计拆成可执行检查项。

审计如何工作

技能采用 100 分记分卡，区分 Agent-First 与 Human-First 两类启发式。重点覆盖：

技术可访问性：检查 robots.txt 是否允许 GPTBot、ClaudeBot、PerplexityBot 等 AI 爬虫，或 Googlebot、Bingbot 等传统爬虫。
结构化数据：检查 JSON-LD 是否有效，并匹配 Agent 能力、软件规格，或 Product、FAQPage、Organization、HowTo 等人工搜索模式。
内容可提取性与 BLUF：关注标题层级、Markdown 结构、列表、数据表，以及 40–70 词摘要块是否便于机器或读者快速吸收。
引用与 EEAT：验证量化事实、外部文档、开发者署名、仓库/包索引、合规信号，以及 wiki、论坛、社区等站外实体足迹。
机器可读发现：检查 /llms.txt、/skill.md、/sitemap.xml、OpenGraph/Twitter meta 等入口。

工作流通常包括：运行 geo_audit.py 计算基线并扫描技术端点；可选使用 --e2e 查询 Tavily、Brave Search、Google、Bing 的索引与排名线索；随后对落地页做内容抽取检查，判断答案是否埋在客户端动态代码或登录墙中；最后做来源与 EEAT 校验。

适用边界

该技能适合诊断“为什么站点在 AI 搜索中不被引用”、检查 GEO 技术基础，并输出 30-60-90 天优化路线图。它关注可见性、可爬性、结构化表达和引用证据，不替代广告策略、品牌声量运营或通用网站性能审计。实际效果依赖目标站点可访问性、robots.txt 策略、页面渲染方式，以及外部索引数据是否可得。