aeo

答案引擎优化（AEO）

让 ChatGPT、Perplexity、Claude、Gemini 和 Mistral 将你的内容引用为权威来源。

AEO 是针对大模型生成的回答优化内容，以便获得引用的做法；这与优化搜索排名的 SEO 不同。此技能可审查、优化并跟踪 AEO 表现。

与 SEO 的区别

	SEO	AEO
优化目标	点击率排名	被引用为权威来源
受众	浏览搜索结果的用户	回答问题的大模型
成功指标	排名第 1-10 位、自然流量	在各大模型中的引用次数
关键信号	反向链接、关键词、页面速度	E-E-A-T、结构化数据、事实密度
更新周期	数周至数月	数天至数周（大模型训练周期）

两者可以并存：同一内容既可以在 Google 排名第 1，也可以被 Perplexity 引用。但采用的技巧不同：SEO 看重关键词密度和反向链接；AEO 看重一手来源信号和结构化事实。

适用场景

• 为面向 AI 优先受众的新内容做规划
• 在 AI Overview 推出前，审查现有内容的 E-E-A-T 缺口
• 跟踪哪些页面被哪些大模型引用（引用台账）
• 研究大模型在哪些查询中会引用来源（而不是根据训练内容作答）
• 对标竞争对手的引用率
• 制定与传统 SEO 相协调的长期 AEO 策略

不适用场景

• 纯粹追求点击率、不考虑大模型引用的 SEO——请改用 marketing-skill/skills/seo-audit
• 不包含事实主张的品牌语调内容——引用需要可供引用的事实
• 大模型已有强训练信号的主题内容（例如初等数学）——引用方面的提升空间很小
• 有时效性的内容（突发新闻）——大模型训练滞后意味着引用会在数月后才出现

核心功能

1. 内容审查 + E-E-A-T 评分

审查器（aeo_audit.py）从 4 个维度对内容评分：

• 经验：第一人称证据、注明日期的示例、案例研究、“我们在 2026 年运行了 X”等主张
• 专业性：作者简介、资质、同行评审来源引用、技术深度
• 权威性：权威域名的外部反向链接、schema.org 标记、结构化数据
• 可信度：HTTPS、联系信息、透明的更正机制、事实密度（每 1000 个词中可验证主张的数量）

综合评分为 0-100，并按维度细分。输出：包含具体修复建议的 Markdown 报告。

2. 内容优化

优化器（aeo_optimizer.py）会生成经 AEO 改进的版本：

• 重写结构——优化 H2/H3 层级，便于大模型解析
• 提高引用密度——添加带来源的 [1] 样式参考文献
• 注入 Schema——为 FAQ、HowTo、Article Schema 生成 JSON-LD
• 事实优先导语——将可验证主张移至前 200 个词

提供三种模式：conservative（改动少于 10% 的词）、balanced（改动少于 30% 的词）、aggressive（重写内容以最大化 AEO 效果）。

3. 引用跟踪

跟踪器（citation_tracker.py）会维护本地引用台账：

• 手动录入：粘贴从 ChatGPT/Perplexity/Claude/Gemini 输出中找到的引用
• 跟踪 URL、所用大模型、查询内容和日期
• 计算单页引用次数、引用增速和大模型覆盖率
• 导出为 CSV 以便报告

数据存储在 ~/.aeo-data/citations.json（本地存储，不收集遥测数据）。

参考资料

• references/aeo_eeat_canon.md — E-E-A-T 方法论、行业阈值和反模式
• references/llm_citation_patterns.md — 各大模型的引用选择启发式规则（Perplexity、ChatGPT、Claude、Gemini、Mistral）
• references/aeo_vs_seo.md — 何时应投入 AEO、SEO，或两者兼顾
• references/bot_access_and_monitoring.md — AI 爬虫 robots.txt 矩阵（前置检查：屏蔽爬虫会导致对应平台的效果归零）、Google Search Console AI Overviews 监控、手动测试流程、引用量下降诊断（由之前的 ai-seo 技能合并而来）
• references/extractable_content_patterns.md — 7 个可直接复制的内容块模板（定义、步骤、表格、常见问题、注明出处的统计数据、专家引言、摘要框），这些模板能可靠地被问答引擎提取（由之前的 ai-seo 技能合并而来）

工作流

0. Pre-flight: bot access
   Check robots.txt against the crawler matrix in references/bot_access_and_monitoring.md
   → a blocked GPTBot/PerplexityBot/ClaudeBot/Google-Extended is the first fix, always

1. Audit existing content
   $ python3 scripts/aeo_audit.py --url https://example.com/blog/post
   → markdown report with composite score + 4-dimension breakdown

2. Apply optimization recommendations
   $ python3 scripts/aeo_optimizer.py --input post.md --mode balanced --output post-aeo.md
   → optimized variant with citations + schema + structural fixes

3. Publish + monitor
   $ python3 scripts/citation_tracker.py --action add --url https://example.com/blog/post \
       --llm perplexity --query "what is AEO" --date 2026-05-17
   → adds entry to local citations.json ledger

4. Report
   $ python3 scripts/citation_tracker.py --action report --url https://example.com/blog/post
   → per-page citation stats: count, LLMs, queries, velocity

配置

此技能通过每次运行时的 --industry 标志适配行业。支持的行业：saas、healthcare、finance、legal、ecommerce、b2b、media、education。

行业会影响：

• 权威性信号要求 — 医疗健康和金融行业需要更严格的来源引用
• 事实核查力度 — 法律和医疗健康领域会将无法验证的声明标记为严重问题
• 引用风格 — 学术、行业期刊和博客的惯例各不相同

示例：

python3 scripts/aeo_audit.py --url <url> --industry healthcare
# → stricter E-E-A-T thresholds; flags any health claim without primary citation

输出格式

Markdown 审计报告（默认）

# AEO Audit Report — [Page Title]

**URL:** https://example.com/blog/post
**Date:** 2026-05-17
**Industry:** saas
**Composite Score:** 72/100 (B+)

## Dimension Breakdown

| Dimension | Score | Verdict |
|---|---|---|
| Experience | 80/100 | Strong — first-person case study present |
| Expertise | 65/100 | Author bio missing credentials |
| Authoritativeness | 75/100 | 4 backlinks from authority domains |
| Trustworthiness | 68/100 | No corrections policy linked |

## Top 3 Fixes

1. Add author bio with credentials (Expertise +15)
2. Link to corrections policy from footer (Trustworthiness +12)
3. Inject FAQ schema for the 5 questions implicit in H2s (Authoritativeness +8)

## All Recommendations
[...]

## Audit Trail
[3-count of analysis steps, sources cited, time taken]

用于流水线的 JSON

python3 scripts/aeo_audit.py --url <url> --output json

返回完整的结构化数据，以便集成到内容管理工作流中。

行业专属 E-E-A-T 阈值

行业	最低综合评分	关键信号
医疗健康	85	医学审阅者署名、同行评审引用、FDA 披露
金融	85	作者的 CFA/CPA 资质、“不构成投资建议”免责声明、注明日期的示例
法律	85	披露司法管辖区、律师简介、“不构成法律建议”免责声明
SaaS	70	产品经理署名、包含指标的案例研究、ROI 计算器
电子商务	65	汇总的产品评价、退货政策、schema.org Product
B2B	70	行业分析师引言、客户徽标、ROI 数据
媒体	70	编辑政策、事实核查链接、原创报道
教育	75	讲师简介、学习成果，适用时提供认证信息

不推荐的反模式

• 针对 AI 堆砌关键词 — 大模型已能从语义中提取主题；关键词密度不会提高被引用的可能性
• 未经人工审核的纯 AI 生成内容 — 检索增强生成（RAG）算法会降低通用大模型输出的优先级，因为它们会寻找具有鲜明特征的信号
• 引用农场 / 链接轮盘 — 现代大模型 RAG 会惩罚低权威性的链接网络
• 滥用 Schema — 虚假或无法验证的 schema.org 声明会被过滤；只标记真实、可验证的声明
• 为优化某个大模型而牺牲其他大模型 — 主要大模型的引用分布高度相关，因为它们共享训练数据来源；应针对共同信号（E-E-A-T）进行优化，而非针对单个大模型投机取巧
• 完全忽视 SEO — AEO 引用往往来自自然排名已经靠前的来源；AEO 和 SEO 是互补关系，而非替代关系

依赖项

• 所有 3 个脚本仅使用标准库 — 无需运行 pip install
• 可选：在使用 --url 模式时需要 requests 和 beautifulsoup4（否则可通过 --input 传入 Markdown，执行基于文件的审计）
• 可选：在 query_research 模式下使用任意大模型 API 密钥（目前仅为框架脚手架——完整的大模型驱动查询研究功能已列入路线图）

存储

所有数据均优先保存在本地：

• ~/.aeo-data/citations.json — 引用台账
• ~/.aeo-data/patterns.json — 成功模式库
• ~/.aeo-data/audits/<hash>.md — 已保存的审计报告

无遥测数据。无云同步。可随时通过 citation_tracker.py --action export 导出为 CSV。

触发短语

• “AEO 审核”、“AEO 检查”
• “针对 ChatGPT / Perplexity / Claude / Gemini 进行优化”
• “让 [LLM] 引用”
• “LLM 引用策略”
• “答案引擎优化”
• “面向 AI 搜索的内容”
• “E-E-A-T 审核”
• “跟踪 AI 引用”
• “面向 AI 的 schema”

相关技能

• marketing-skill/skills/seo-audit — 传统的点击率 SEO
• marketing-skill/skills/programmatic-seo — 基于模板的大规模 SEO
• marketing-skill/skills/content-strategy — 更广泛的内容规划
• marketing-skill/skills/copywriting — 文风与语气
• marketing-skill/skills/schema-markup — 结构化数据实现

---

版本： 2.7.3 来源： 从 alirezarezvani/aeo-box（answer-engine-optimization/ 技能，包含 9 个模块，共 2,464 行代码）移植而来。根据 claude-skills 约定，此移植版将包含 9 个模块的 Python 工具包精简为 3 个标准库 CLI 工具；保留 E-E-A-T 评分方法、引用跟踪 schema 和行业感知阈值，内容均与原版完全一致。 许可证： MIT（与上游及本仓库一致）。