专业 GEO/SEO 网站审计技能,评估 LLM 引用准备度、技术可访问性和语义权威性。
GEO/SIO 分析和审计技能是一项面向实际任务的技能,主要用于这一技能定义了对照基因引擎优化(GEO)和AI-inative搜索引擎进行网站审计的技术方法和分析工作流程。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。
执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
本技能定义了针对生成式引擎优化(GEO)及 AI 原生搜索引擎(ChatGPT、Perplexity、Gemini、Claude、Copilot、Google AI Overviews)排名行为,对网站开展技术性审计的方法论与分析工作流。
评估任意目标域名在对话式 AI 模型下的可见性、技术可爬取性与语义权威性,并产出一份标准化、高价值的评估报告;该报告附带可落地的优化路线图,且根据 Web 应用类型(Agent-First 与 Human-First)进行差异化定制。
为适配自主 Agent 与面向人类的对话式搜索所采用的不同遍历路径,本审计采用定制化的指标加权方案:
| 指标 | 最高分值 | Agent-First 启发式规则 | Human-First 启发式规则 |
|---|---|---|---|
| 1. 技术可访问性 | 15 分 | - robots.txt 中允许 AI 爬虫(如 GPTBot、ClaudeBot、PerplexityBot 等)抓取。 |
- robots.txt 中允许通用搜索引擎爬虫(如 Googlebot、Bingbot 等)抓取。 |
| 2. 结构化 Schema 质量 | 10 分 | - JSON-LD Schema 的有效性,且需映射至 Agent 能力或软件规格。 | - 存在并有效实现如 Product、FAQPage、Organization、HowTo 等 Schema。 |
| 3. 内容可提取性 | 15 分 | - 包含章节标题、Markdown 结构、项目符号列表与数据表格等结构化元素。 | - 具备结构化对比布局、问答式标题(QA headers)、H1/H2/H3 层级标题体系。 |
| 4. 答案密度(BLUF) | 10 分 | - 提供简洁摘要区块,便于机器直接解析与摄入。 | - 提供高密度、40–70 字范围的答案区块(采用“Bottom Line Up Front”格式)。 |
| 5. 引用来源与实证数据 | 15 分 | - 包含硬性数据点、数值型参数及对外部文档的明确引用链接。 | - 包含具体数字、百分比、可信度因子,并链接至权威信源。 |
| 6. 专业性与归属声明(EEAT) | 10 分 | - 明确标注开发者/发布者资质、软件代码仓库地址,以及合规性与可信信号(如认证徽章、安全协议声明等)。 | - 展示经验证的作者资质、署名信息(bylines)、客户评价标识等可信背书。 |
| 7. 站外实体足迹 | 15 分 | - 在代码仓库、开发者注册中心或软件包索引(如 npm、PyPI)中存在超链接引用。 | - 在主流 Wiki(如 Wikipedia)、Reddit 自建板块(homebrews)、论坛索引等第三方平台被引用。 |
| 8. 机器可读发现机制 | 10 分 | - 域名根目录下存在且符合规范的 /llms.txt 与 /skill.md 文件。 |
- 域名根目录下存在标准 /sitemap.xml 文件,以及 OpenGraph / Twitter 社交元标签(OpenGraph/Twitter social meta tags)。 |
运行自动化 Python 脚本 geo_audit.py,计算基准得分并扫描各项技术端点:
# 审计面向 B2B SaaS 或电商类网站(Human-first) python3 geo_audit.py soldy.ai --type human --prompt "AI video generator" # 审计面向 Agent 网络应用或开发协议类站点(Agent-first) python3 geo_audit.py emergence.science --type agent --prompt "openclaw bounty market"
若需查询 Tavily、Brave Search、Google 和 Bing 的实时索引状态与排名追踪结果,请添加 --e2e 参数:
# 需提前安装本地 CLI 工具:`bx`(Brave Search)与 `tvly`(Tavily Search) python3 geo_audit.py emergence.science --type agent --prompt "openclaw bounty market" --e2e
核查陈述是否依赖主观营销形容词,而非可验证的科学结论与量化事实。
每份生成的报告必须包含以下四部分:
emergence_science_analysis_en.md)随本技能一并提供,位于 examples/emergence_science_analysis_en.md,可供直接查阅与复用模板。相关专题
热门下载
相关下载
精品课程
共60课时 | 15.3万人学习
共5课时 | 1.1万人学习
共116课时 | 29万人学习
最新文章