llmscout

安装

LLMScout 提供两种独立且互补的发行版本。两者都运行相同的 21 项检查，并给出相同的 PASS/WARN/FAIL 判定，因此请选择最适合你工具链的版本。

Node/TypeScript（npm）：

npm install -g llmscout-cli
llmscout init ./my-site --site-url https://example.com
llmscout check ./my-site

CLI 适用于 Node 18+（在 package.json 的 engines 中声明）。运行时的两项依赖是 cheerio（HTML 解析）和 commander（参数解析）：npm 安装过程中无需 Python 解释器、无需 pip install，也不会下载 Playwright/Chromium。

说明

npm 安装会引入 undici，它是 cheerio 的传递依赖。过去 npm audit 曾针对它标记高严重性安全公告；package.json 的 overrides 区块将 undici（以及 js-yaml/nanoid）固定到已修复的版本范围，以解决此问题。安装后运行 npm audit，确认解析出的依赖树没有问题。

Python（PyPI）：

pip install llmscout-cli
llmscout init ./my-site --site-url https://example.com
llmscout check ./my-site

运行时零依赖——HTML 解析和 HTTP 获取都仅使用 Python 标准库。完整的 Python 专属指南请参阅 python/README.md。

然后，在你想要检查的任意项目中：

llmscout init .

这会在目标目录中生成 llmscout.json 配置文件和一个精简的 Claude Code 技能文件。设置你的网站 URL，然后运行 llmscout check .。

快速入门

生成配置并对线上网站运行检查：

llmscout init ./my-site --site-url https://example.com
llmscout check ./my-site

以下是运行 llmscout check 检查 https://example.com 的实际输出：

LLMScout check -- https://example.com

[PASS] (technical) Title tag
  Title "Example Domain" is 14 characters, within the recommended 10-60 range.

[WARN] (technical) Meta description
  No meta description found.
  Fix: Add <meta name="description" content="..."> with 50-160 characters summarizing the page.

[WARN] (technical) Canonical tag
  No <link rel="canonical"> tag found.
  Fix: Add a canonical link tag pointing at the preferred URL for this page.

[FAIL] (technical) robots.txt
  robots.txt was not reachable at https://example.com/robots.txt (HTTP 404).
  Fix: Add a robots.txt file at your site root, even a permissive one, so crawlers and agents have explicit directives.

[WARN] (technical) sitemap.xml
  No sitemap was reachable (tried: https://example.com/sitemap.xml).
  Fix: Add a sitemap.xml at your site root, or point to one with a Sitemap: directive in robots.txt, to help search engines discover pages.

[PASS] (technical) Heading structure
  Exactly one <h1> and no skipped heading levels detected.

[PASS] (technical) Image alt coverage
  No <img> tags found on the page.

[WARN] (technical) Open Graph tags
  No Open Graph tags found.
  Fix: Add Open Graph meta tags (og:title, og:description, og:image, og:url) so shared links render rich previews on social platforms.

[WARN] (technical) Twitter/X Card tags
  No twitter:card meta tag found.
  Fix: Add <meta name="twitter:card" content="summary_large_image"> (or another valid card type) so links render rich previews on X/Twitter.

[WARN] (technical) Meta robots directives
  No meta robots directives found; default Google Search snippet/preview limits will apply.
  Fix: Add <meta name="robots" content="max-snippet:-1, max-image-preview:large, max-video-preview:-1"> to control search snippet appearance.

[PASS] (technical) Image weight
  No <img> tags with an http(s) src to measure.

[PASS] (technical) Redirect chain
  The homepage resolved with no redirects.

[WARN] (geo) Structured data (JSON-LD)
  No JSON-LD structured data found.
  Fix: Add schema.org JSON-LD markup (e.g. Organization, WebSite, or Article) so generative engines can understand the page's entities.

[WARN] (geo) llms.txt
  No llms.txt found at https://example.com/llms.txt.
  Fix: Optional: add an llms.txt at your site root summarizing the site for LLM-based agents (see llmstxt.org).

[WARN] (geo) AI crawler directives
  robots.txt is unreachable, so AI-crawler directives could not be determined.
  Fix: Add a reachable robots.txt if you want to state an explicit policy for AI crawlers (GPTBot, OAI-SearchBot, ClaudeBot, Claude-SearchBot, PerplexityBot, Google-Extended, Applebot-Extended).

[WARN] (geo) FAQ schema
  No FAQPage structured data found.
  Fix: If this page has an FAQ section, mark it up with FAQPage JSON-LD so generative engines can surface individual answers.

[PASS] (geo) Content extraction friendliness
  Found 1 heading(s) and 1 structured text block(s); content appears reasonably extractable. (Heuristic: cannot assess semantic quality or JS-rendered content.)

[WARN] (geo) Speakable schema
  No Speakable structured data found.
  Fix: If this page has content suited for voice assistants, add a "speakable" SpeakableSpecification to its JSON-LD so voice search can surface it.

[WARN] (geo) Organization schema
  No Organization/Corporation/LocalBusiness/Person structured data found.
  Fix: Add Organization (or Person) JSON-LD with a sameAs array of your official social/profile URLs to strengthen Knowledge Panel signals.

[WARN] (geo) Markdown content negotiation
  Requesting https://example.com/ with "Accept: text/markdown" returned Content-Type "text/html" instead of text/markdown.
  Fix: Optional: serve a text/markdown representation of pages when the client sends "Accept: text/markdown" so LLM-based agents can fetch clean Markdown directly instead of parsing HTML.

[WARN] (geo) Link header (RFC 8288)
  The homepage does not send a Link response header.
  Fix: Optional: add an RFC 8288 Link response header (e.g. <https://example.com/feed>; rel="alternate") to advertise machine-readable service-discovery endpoints to crawlers and AI agents.

Summary: 6 PASS, 14 WARN, 1 FAIL (21 checks)

使用 --json 运行相同检查：

llmscout --json check ./my-site

{
  "siteUrl": "https://example.com",
  "summary": {
    "pass": 6,
    "warn": 14,
    "fail": 1,
    "total": 21
  },
  "results": [
    {
      "id": "title",
      "name": "Title tag",
      "category": "technical",
      "status": "PASS",
      "message": "Title \"Example Domain\" is 14 characters, within the recommended 10-60 range."
    }
  ]
}

如果没有检查 FAIL，check 会以 0 退出；如果至少有一项检查 FAIL，则以 1 退出（仅有 WARN 不会导致运行失败）；如果发生用法错误（例如缺少或配置错误的 llmscout.json），则以 2 退出。

功能

• 21 项检查，分为两类。 12 项技术 SEO 检查和 9 项 GEO 检查，详见21 项检查。
• 两种语言均无需外部工具链。 TypeScript 源码中从未导入 child_process；Python 移植版没有任何运行时依赖。检查直接在进程内运行，不会通过 shell 调用 Python 脚本或无头浏览器。
• 从设计上支持跨平台。 无需在 shell 中调用 python3 或 py -3，也无需解析相对路径脚本，因此同一安装在 Windows、macOS 和 Linux 上的运行方式完全一致。
• 强化的 fetch。 单一 fetch 封装（src/fetch-utils.ts）会拒绝任何非 http(s) 协议，阻止回环、私有和链路本地主机，逐跳手动跟随重定向，并将跳转次数限制为 5 次、响应正文限制为 10 MiB。
• 支持按站点生成报告的批量模式。 llmscout fleet manifest.json 可在一次调用中，对多个本地客户端仓库路径运行完整套件；--out-dir 会为每个站点写入一个自动命名的报告文件，专为需要同时检查多个客户站点的代理机构打造。
• 结构化输出。 每条命令都接受全局 --json 标志，以生成机器可读的输出，因此调用 CLI 的 Agent 可以通过程序解析结果。
• 真实且可配置的 User-Agent。 默认发送真实的浏览器 User-Agent（部分 SSR 框架和 CDN 会直接拒绝类似机器人的字符串），并提供 --user-agent 标志以便覆盖。
• 测试完善。 包含 248 项 TypeScript 测试和 233 项 Python 测试，均可通过 npm test / npm run test:coverage 和 pytest 在本地复现。Python 发行版没有任何运行时依赖，因此依赖审计无可标记的问题。在 npm 端，package.json 的 overrides 块将 undici（cheerio 的传递依赖）固定在已修补的版本范围内；目前 npm audit 报告未发现漏洞。

GEO 检查为何在当下至关重要

搜索流量确实正在转向由 AI 提供答案的模式，而且这一变化近期才出现，已有充分测量数据，并非假设：

• Google 自己的 AI Overviews 已经在减少点击率。 Ahrefs 测得，触发 AI Overview 的关键词中，排名第 1 的点击率从 2023 年 12 月的 7.3% 降至 2025 年 12 月的 1.6%——研究范围内的平均点击率下降了 58%。(Ahrefs，2025 年 12 月) Semrush 对 1,000 万个关键词进行的独立分析发现，结果页出现 AI Overview 时，自然搜索点击率下降 61%，付费搜索点击率下降 68%。(Semrush)
• ChatGPT 本身如今已是一个真实且可衡量的流量来源。 Search Engine Land 对 677 万次会话的分析发现，ChatGPT 占所有 AI 助手引荐流量的 92%，转化率为 7.1%，接近付费搜索的 7.8%。(Search Engine Land)
• AI 爬虫已不再只有一种。 2024 年 5 月至 2025 年 5 月期间，GPTBot 在 AI 爬虫流量中的占比从 5% 上升至 30%。此后，OpenAI 和 Anthropic 将各自的机器人拆分为训练爬虫（GPTBot、ClaudeBot）以及独立的、可单独屏蔽的搜索／检索爬虫（OAI-SearchBot、Claude-SearchBot）。(Cloudflare Radar，《从 Googlebot 到 GPTBot》) LLMScout 的 ai-crawler-directives 检查会分别报告当前七种主要训练和搜索机器人（GPTBot、OAI-SearchBot、ClaudeBot、Claude-SearchBot、PerplexityBot、Google-Extended、Applebot-Extended），因为屏蔽某家公司的训练机器人，并不会影响其助手通过自己的搜索机器人实时检索并引用你的页面。
• 原生支持 Markdown 的内容交付是一种真实的新兴实践，并非昙花一现。 Cloudflare 将 HTTP 内容协商（Accept: text/markdown）记录为一种基于标准的方式，可向 Agent 提供更轻量、更简洁的页面呈现形式——他们自己的基准测试显示，某篇博客文章的 token 数减少了 80%。(Cloudflare，《面向 Agent 的 Markdown》) 也有必要如实说明当前情况：对 30 万个域名的独立分析发现，在实际应用中，目前还没有任何主要 AI 爬虫发送 Accept: text/markdown 标头来进行内容协商——它们只能通过直接链接发现 Markdown。(Dries Buytaert) LLMScout 的 markdown-negotiation 检查会如实报告这一情况，不会假装生态系统的发展比实际更超前。
• 这个领域并非所有信号都已尘埃落定，LLMScout 不会声称事实并非如此。 llms.txt 是一种真实、由社区推动的惯例（于 2024 年 9 月创建；截至 2026 年年中，约有 8%–10% 的头部网站采用，包括 Anthropic、Stripe、Cloudflare 和 Vercel），但 Google 的 Gary Illyes 已公开表示 Google 不支持该惯例，也没有支持计划，并将其比作已弃用的 keywords 元标签。(Search Engine Journal) LLMScout 的 llms-txt 检查会将其存在情况作为信息报告，而不会将其设为必须通过的项目——这个工具的职责是报告实际配置情况，而不是在证据尚不充分时推行某种政策。
• Google 于 2026 年 5 月 7 日彻底从搜索中移除了 FAQ 富媒体搜索结果。(Search Engine Journal) FAQPage 架构本身并未弃用——它仍是有效标记，其他搜索引擎和 AI 助手仍可解析它，以提取直接答案——因此 LLMScout 的 faq-schema 检查仍会报告相关情况，只是不再暗示它能为 Google SERP 带来富媒体搜索结果。

21 项检查

每项检查都会报告 PASS、WARN 或 FAIL，并为未通过的项目提供修复建议。WARN 表示错过了优化机会，并不代表页面损坏，而且本身不会导致运行失败。

技术 SEO（12 项）

检查项（id）	验证内容
标题标签（title）	是否存在 <title>，且长度为 10–60 个字符。
Meta 描述（meta-description）	是否存在 <meta name="description">，且长度为 50–160 个字符。
Canonical 标签（canonical）	是否存在 <link rel="canonical">，且其 href 是有效 URL（相对 href 会解析，不会因此受罚）。
robots.txt（robots-txt）	/robots.txt 是否可访问，并至少包含一条 User-agent 指令。
sitemap.xml（sitemap-xml）	/sitemap.xml 是否可访问且有效；同时会检查 robots.txt 中的 Sitemap: 指令，作为备用位置。如果响应看起来像 CDN 挑战页面（例如 Cloudflare 机器人管理页面），会显示专门的提示，而不是笼统地提示“站点地图格式错误”。
标题结构（heading-structure）	是否恰好有一个 <h1>，且标题级别没有跳级（例如 <h1> 后直接接 <h3>）。
图片 alt 覆盖情况（image-alt）	<img> 标签是否具有 alt 属性（装饰性图片有意设置的 alt="" 也视为已覆盖）。
Open Graph 标签（open-graph）	是否存在 og:title、og:description、og:image 和 og:url meta 标签，以便在社交平台上生成丰富的链接预览。
Twitter/X 卡片标签（twitter-card）	是否存在有效的 twitter:card meta 标签及其必需的配套字段。
Meta robots 指令（robots-meta-directives）	是否设置高级摘要控制指令（max-snippet、max-image-preview、max-video-preview），并标记是否明确设置了 noindex。
图片大小（image-weight）	通过 HEAD 请求检查每张图片的实际字节大小，并标记会拖慢页面加载的大尺寸图片。
重定向链（redirect-chain）	检查主页的完整重定向链；链路过长时发出警告，若链路最终以错误状态结束则判定失败。

GEO／生成式引擎优化（9）

检查项（id）	验证内容
结构化数据（structured-data）	存在 JSON-LD <script type="application/ld+json"> 块，且可解析为有效 JSON。
llms.txt（llms-txt）	网站根目录下存在 /llms.txt（这是一种新兴的非标准约定——请参阅为什么 GEO 检查现在很重要；缺失时仅提供提示信息）。
AI 爬虫指令（ai-crawler-directives）	报告 robots.txt 对 GPTBot、OAI-SearchBot、ClaudeBot、Claude-SearchBot、PerplexityBot、Google-Extended 和 Applebot-Extended 的允许／禁止状态。此项仅报告已配置的状态，绝不建议允许或屏蔽。
FAQ 架构（faq-schema）	存在 FAQPage JSON-LD（仅提供提示信息；只适用于实际包含 FAQ 的页面——请参阅上文有关 Google 于 2026 年 5 月弃用富媒体搜索结果的说明）。
内容提取友好度（content-extraction）	启发式检查：页面具有标题／段落结构，便于引擎分块，而非只有一大段无结构内容。根据设计，此项无法检测仅在客户端 JavaScript 执行后才出现的内容。
Speakable 架构（speakable-schema）	JSON-LD 中存在 SpeakableSpecification，用于判断内容是否符合语音助手回答的条件。
组织架构（organization-schema）	存在包含官方个人资料 URL sameAs 数组的 Organization／Person JSON-LD，用于提供知识面板信号。
Markdown 内容协商（markdown-negotiation）	网站是否会在通过 Accept: text/markdown 进行内容协商时提供 text/markdown 格式的内容。
Link 标头（link-header）	首页响应是否发送用于机器可读服务发现的 RFC 8288 Link 标头。

你可以通过编辑 llmscout.json 中的 checks 块，仅运行一个类别（{ "checks": { "technical": true, "geo": false } }）。

CLI 参考

根据此工具自身的 --help 输出转录。

$ llmscout --help
Usage: llmscout [options] [command]

Zero-config, cross-platform SEO and GEO checks for local projects, with no
Python or headless-browser dependency.

Options:
  -V, --version                  output the version number
  --json                         output structured JSON instead of
                                 human-readable text (default: false)
  --user-agent <string>          override the default User-Agent header sent on
                                 outbound fetches
  -h, --help                     display help for command

Commands:
  init [options] <path>          Scaffold a LLMScout setup (llmscout.json + a
                                 Claude Code skill file) into a target
                                 directory
  check [options] <path>         Run SEO/GEO checks against a local project's
                                 configured site
  fleet [options] <config.json>  Run the full check suite against every site
                                 listed in a fleet manifest
  help [command]                 display help for command

命令	参数	选项	用途
init	<path> 目标目录	--site-url <url> 立即设置 siteUrl	初始化 llmscout.json 和 Claude Code 技能文件。可重复执行：已有文件保持不变。
check	<path> 包含 llmscout.json 的项目目录	--out-dir <dir> 同时为此网站写入自动命名的报告文件；（全局选项 --json、--user-agent）	针对已配置的 siteUrl 运行所选检查。
fleet	<config.json> 站点集清单	--out-dir <dir> 同时为每个站点写入一个自动命名的报告文件，文件名取自清单的 name 字段；（全局选项 --json、--user-agent）	针对清单中的每个站点运行完整检查套件。

--json、--user-agent、-V／--version 和 -h／--help 是仅有的全局选项。

退出代码

代码	含义
0	init 成功，或 check／fleet 执行完成且没有 FAIL。
1	check：至少有一项检查 FAIL。fleet：至少有一个站点 FAIL 或出错。
2	用法错误：URL 协议无效、缺少／无法读取／无效的 llmscout.json、siteUrl 为空、缺少清单，或其他配置错误。

MCP 服务

LLMScout 提供 Model Context Protocol 服务，让 AI Agent （Claude、Cursor 或任何兼容 MCP 的客户端）无需人工手动调用 CLI，即可直接对运行中的网站执行 SEO／GEO 检查。

安装附加组件：

pip install "llmscout-cli[mcp]"

将其添加到 MCP 客户端的配置中（对于 Claude Desktop，配置文件为 claude_desktop_config.json）：

{
  "mcpServers": {
    "llmscout": {
      "command": "uvx",
      "args": ["--from", "llmscout-cli", "llmscout-mcp"]
    }
  }
}

该服务提供一个名为 run 的工具。它会通过 shell 调用已发布的 llmscout npm 二进制文件，传入指定的子命令和参数以及 --json，并返回解析后的 JSON 结果：

run(["check", "./my-site", "--site-url", "https://example.com"])

此服务使用 stdio 传输，因此无需托管：MCP 客户端会将服务作为本地子进程启动。源代码：python/src/llmscout/mcp_server.py。

Fleet 模式

fleet 面向需要在本地仓库中并行维护多个客户站点的代理机构或团队。你可以在一个清单中声明每个站点，然后通过一条命令检查所有站点：

{
  "sites": [
    { "name": "client-a", "path": "./clients/client-a" },
    { "name": "client-b", "path": "./clients/client-b" }
  ]
}

llmscout fleet ./fleet.json

LLMScout fleet report

[FAIL] client-a (/abs/path/clients/client-a) -- 6 PASS, 14 WARN, 1 FAIL
[PASS] client-b (/abs/path/clients/client-b) -- 8 PASS, 13 WARN, 0 FAIL

Fleet summary: 1 site(s) passed, 1 site(s) failed, 0 site(s) errored (2 total).

添加 --out-dir ./reports 后，每个站点的结果也会写入各自自动命名的文件（client-a.txt、client-b.txt，或使用 --json 时生成 .json 文件）——这样，代理机构跨多个客户站点运行检查时，每个客户都会得到一份可区分的报告，而不是将所有结果合并输出到一个 stdout 中。每个清单条目的 path 都相对于清单文件所在目录解析，而不是相对于进程的工作目录，因此无论从哪里调用，同一份清单都能正常使用。所有操作都仅访问本地文件系统，不涉及 SSH，也不提供远程执行入口。

库 API 参考

这两个发行版本也都是真正可导入的库，而不只是 CLI。以下导出项都确实存在（从 src/index.ts 和 python/src/llmscout/__init__.py 中检索得出），示例也都针对已发布的软件包进行了测试，并非凭记忆编写。

TypeScript（npm 上的 llmscout-cli）：

import { loadSite, runChecks, ALL_CHECKS } from "llmscout-cli";

const ctx = await loadSite("https://example.com");
const results = await runChecks(ALL_CHECKS, ctx);
console.log(results[0].status, results[0].name);
// "PASS" "Title tag"

导出项	签名	功能
loadSite	(rawSiteUrl: string, fetchFn?: FetchFn) => Promise<CheckContext>	验证 URL、获取站点资源，并在一次调用中构建 CheckContext。check 和 fleet 在内部都会调用它。
fetchSiteResources	(siteUrl: URL, fetchFn?: FetchFn) => Promise<SiteResources>	更底层的接口：并行获取首页以及 robots.txt/sitemap.xml/llms.txt，但不构建 CheckContext。
buildCheckContext	(resources: SiteResources, fetchFn?: FetchFn) => CheckContext	根据已获取的资源构建 CheckContext（使用 cheerio 解析一次首页）。
runChecks	(checks: Check[], ctx: CheckContext) => Promise<CheckResult[]>	对一个上下文运行一组检查。若某项检查抛出异常，会将其记为 FAIL，而不会中止整个运行。
hasFailure	(results: CheckResult[]) => boolean	如果任意结果的 status 为 "FAIL"，则返回 true。
ALL_CHECKS / TECHNICAL_CHECKS / GEO_CHECKS	Check[]	完整检查套件，或仅包含两个类别中的一个。
initProject	(targetPath: string, opts?: { siteUrl?: string }) => InitResult	创建 llmscout.json 和 Claude Code 技能文件。可幂等执行。
loadFleetManifest / runFleet	参见 src/fleet.ts	加载 Fleet 清单，并对其中的每个站点运行检查套件。
safeFetch / assertHttpUrl	参见 src/fetch-utils.ts	功能中介绍的强化型 fetch 封装，可导出以供自定义检查复用。

类型：Check、CheckContext、CheckResult、CheckStatus（"PASS" \| "FAIL" \| "WARN"）、CheckCategory（"technical" \| "geo"）、SiteResources、LLMScoutConfig、FleetManifest。目前尚无生成的 API 文档站点；本表和源代码自带的 TSDoc 注释就是参考资料。

Python（PyPI 上的 llmscout-cli）：

from llmscout import load_site, run_checks, ALL_CHECKS

ctx = load_site("https://example.com")
results = run_checks(ALL_CHECKS, ctx)
print(results[0].status, results[0].name)
# PASS Title tag

Python 软件包与 TypeScript 软件包的函数一一对应：load_site、run_checks、has_failure、ALL_CHECKS/TECHNICAL_CHECKS/GEO_CHECKS、init_project、load_fleet_manifest/run_fleet、safe_fetch/assert_http_url、load_config/default_config/select_checks，以及 Check、CheckContext、CheckResult 和 SiteResources 类型。完整列表见 python/src/llmscout/__init__.py 的 __all__。目前尚无生成的 Sphinx 文档；模块文档字符串（import llmscout; help(llmscout)）和本表就是参考资料。

对比

下表中的每一项都来自可核实的来源（仓库文件、软件包清单或公开议题），并在表格下方注明。“检查器”指审查现有在线网站的工具；“生成器”指为你生成 SEO/GEO 资源文件以供发布的工具。

	LLMScout	claude-seo (AgriciDaniel)	geo-seo-claude (zubair-trabzada)	geo-optimizer-skill (Auriti-Labs)
是否需要 Python	否	是（Python 3.10+）	是	是（Python 3.9+）
是否需要 Playwright / 无头浏览器	否	可选（install.sh 会自动安装 Chromium，以便渲染 SPA）	可选，用于部分检查	核心功能不需要
安装	npm / PyPI（依赖：cheerio+commander，或无依赖）	git clone + install.sh / install.ps1，或 Claude Code /plugin	git clone + install.sh / install-win.sh	pip install 或 uvx
跨平台 / 开箱即用支持 Windows	是（不调用 shell，也不解析路径）	提供 Windows install.ps1，但全新安装、Windows 和路径故障反复出现：议题 #137、#138、#139	这里也反复出现 Windows 安装问题：议题 #69、#21、#3	pip/uv 可跨平台；未经进一步验证
AI 爬虫 Bot 覆盖范围	7 种 Bot，分别跟踪训练和搜索爬虫（GPTBot/OAI-SearchBot、ClaudeBot/Claude-SearchBot、PerplexityBot、Google-Extended、Applebot-Extended）	非专用检查项	非专用检查项	未验证
Markdown 内容协商检查	是（markdown-negotiation）	否	否	否
类型	检查器	检查器	检查器 + 报告生成器	检查器
覆盖范围	技术 + GEO（21 项检查）	技术 + GEO（范围广）	专注于 GEO	技术 + GEO
许可证	MIT	MIT	未验证	MIT

来源：LLMScout 的信息来自本仓库的 package.json、src/fetch-utils.ts、src/checks/index.ts，以及 src/ 中不存在 child_process。claude-seo 的信息来自其 README 安装部分（Python 3.10+、install.sh/install.ps1、/plugin）、MIT 许可证和公开议题 #137/#138/#139。geo-seo-claude 的信息来自其 README 和自身的议题跟踪器（Windows 安装问题议题 #69、#21、#3，均已在上文引用）。geo-optimizer-skill 的信息来自其 README（Python 3.9+、pip install geo-optimizer-skill / uvx、MIT 许可证，以及提供 audit/fix 命令的 CLI）。

Profound、Peec 和 Evertune 等托管分析产品属于不同类别（付费的托管 GEO 跟踪仪表板，而非可安装的开源软件检查器），因此有意不列入此表。

什么是 LLMScout，它为何存在

LLMScout 是一款独立的开源命令行工具，可检查网站是否存在 21 个技术 SEO 和生成式引擎优化问题。它以两种真正独立、功能等效的发行版形式提供：TypeScript/Node CLI 仅有两个运行时依赖（cheerio、commander），无需外部解释器或浏览器；Python CLI 则完全没有运行时依赖。两种实现的检查中都没有出现 child_process（TypeScript）或子进程调用（Python）。

它的存在是为了替代现有项目 AgriciDaniel/claude-seo 的安装流程，解决一类特定问题。该项目是一个 Claude Code SEO/GEO 技能，它通过技能说明调用 Python 脚本来执行检查（基于 Playwright 的渲染、通过 pip 安装依赖）。这条外部工具链加路径解析链路，是该项目反复出现安装、Windows 和路径问题的根本原因。其中包括三个问题（现已关闭，但每个都记录了本项目旨在避免的架构性故障模式）：#137（全新 /plugin 安装既不会安装 Python 依赖，也不会安装 Playwright Chromium）、#138（技能说明硬编码了 python3，而标准 Windows 安装中并没有该命令），以及 #139（技能通过相对路径调用 scripts/*.py，但脚本位于插件根目录下时该路径无法解析）。另一款仍在积极使用的 Claude Code GEO 技能 zubair-trabzada/geo-seo-claude 也独立出现了同类问题（问题 #69、#21、#3）——这种故障模式源于架构，并非某个项目所特有。

LLMScout 不是这两个项目中任何一个的分支。它不与它们共享代码，名称不同，并从头重新实现了同等的检查。关键的设计选择在于它不会做什么：由于检查在宿主进程内运行，而非通过启动外部解释器和无头浏览器来执行，这类问题背后的整套故障模式在这里并不存在。无需安装解释器，无需在安装包本身之外运行 pip install，无需下载浏览器二进制文件，也无需解析相对脚本路径，因此全新安装在所有平台上的表现都一致。这种选择带来的直接代价是，内容提取检查采用静态 HTML 启发式方法，无法评估仅在客户端 JavaScript 渲染后才出现的内容。该检查会在自身输出中说明这一限制。

除了解决安装问题，LLMScout 的检查也遵循了 GEO 领域自 2025 年中以来实际发展的、有具体依据的方向——支撑这一说法的引用来源，请参阅为什么 GEO 检查现在很重要，其中包括训练与搜索 AI 爬虫的分化、Markdown 内容协商，以及 Google 自行记录的 FAQ 富媒体搜索结果弃用。

LLMScout 刚从原名 SeoFleet 更名。两个发行版都将以新包名重新发布（npm 和 PyPI 上均为 llmscout-cli）——两种安装方式请参阅安装，实时版本状态请查看上方徽章。

常见问题

LLMScout 需要 Python 吗？ 不需要。npm 发行版是纯 TypeScript/Node，仅依赖两个包（cheerio、commander）。整个流程不需要执行 pip install，也不会用到 Python 解释器。

它会使用 Playwright 或无头浏览器吗？ 不会，两个发行版都不会。它们都会通过 http(s) 获取 HTML 并解析（TypeScript 版使用 cheerio，Python 版使用标准库）。两个实现的检查过程中都不会下载 Chromium，也不会调用任何子进程。代价是，内容提取检查仅读取静态 HTML，无法查看由 JavaScript 渲染的内容。它会在自己的结果消息中说明这一点。

这里的“零配置”具体是什么意思？ llmscout init <path> 会直接写入可用的 llmscout.json 文件和 Claude Code 技能文件，不会询问任何问题。你必须提供的唯一值是网站的线上 URL（通过 --site-url 提供，或编辑文件），因为该工具无法根据项目的本地文件推断其公开 URL。之后，llmscout check <path> 无需进一步配置即可运行；默认运行全部 21 项检查。

为什么 LLMScout 将训练爬虫和搜索爬虫分开跟踪？ 因为 OpenAI 和 Anthropic 现在确实将它们作为可分别屏蔽的独立用户代理运行。屏蔽 GPTBot（训练）不会影响 OAI-SearchBot 是否仍能实时检索你的页面并在 ChatGPT 答案中引用该页面；ClaudeBot 和 Claude-SearchBot 也有同样的区别。将它们合并报告会掩盖一个真实且可采取行动的区别。

LLMScout 会建议我添加 llms.txt 吗？ 不会，它只会报告是否存在该文件。llms.txt 是一种真实且日益普及的惯例，但 Google 已公开表示不支持它——来源请参见为什么 GEO 检查此刻很重要。LLMScout 会报告网站所有者可以据此采取行动的事实；对于尚无定论的问题，它不会表明立场。

为什么不直接修复 claude-seo 或 geo-seo-claude，而要另做一个工具？ 它们的安装和 Windows 问题有一个共同的根本原因：检查是通过技能指令调用外部解释器和浏览器工具链来执行的。逐个修补问题症状会保留这种架构。LLMScout 则直接移除这种架构：没有外部工具链，这类安装和路径错误就不会再出现。它是独立的重新实现，而不是补丁。

我可以一次对多个网站运行它吗？ 可以。llmscout fleet manifest.json 会在一次调用中，对本地 JSON 清单中的每个网站运行完整的检查套件；--out-dir 会为每个网站分别写入一个自动命名的报告文件，而不是将所有输出合并到标准输出中——专为需要检查多个客户网站的代理机构打造。

Agent 或脚本可以读取输出吗？ 可以。在任意命令中传入全局 --json 标志，即可获取结构化 JSON，其中包括每项检查的 id、status、message 和 fix 字段，以及一个摘要对象。退出码保持稳定：0 表示无问题，1 表示至少有一项 FAIL，2 表示用法或配置错误。

有 Python 版本吗？ 有——pip install llmscout-cli 会安装一个真正独立的 Python 移植版（并非 Node 二进制文件的包装器），且没有运行时依赖。它会运行相同的 21 项检查，并给出与此 npm 包相同的 PASS/WARN/FAIL 判定。请参见 python/README.md。

我可以将 LLMScout 用于商业用途，或用于闭源项目吗？ 可以。两个发行版均采用 MIT 许可证（请参见 LICENSE）：你可以在商业和闭源项目中使用、修改和再分发 LLMScout，无需支付版税，也不必将它检查的任何内容开源。唯一要求是，如果你再分发源代码本身，必须保留版权声明和许可证文本。

贡献

完整指南请参阅 CONTRIBUTING.md，其中涵盖 TypeScript 和 Python 代码库。此软件包的常用命令：

npm install
npm run build       # tsc build to dist/
npm run typecheck   # tsc --noEmit
npm test            # vitest run (248 tests)
npm run test:coverage
npm run lint        # eslint src test

CI（.github/workflows/ci.yml）会在每次推送到 main 以及针对 main 的拉取请求中运行 lint、类型检查、构建、覆盖率检查和 npm audit --audit-level=high。欢迎通过 https://github.com/RudrenduPaul/LLMScout/issues 提交问题和拉取请求。

新增第 22 项检查的流程特意设计得很简单：在 src/checks/ 下的新文件中实现 Check 接口（src/types.ts），然后在 src/checks/index.ts 中注册（并按照 CONTRIBUTING.md，在 Python 对应目录 python/src/llmscout/checks/ 下进行同样的操作）。

许可证

MIT。详见 LICENSE。