mcpField
B
browse-aeo

browse-aeo

github.com/ulpi-io营销与增长5111 次安装9 周前更新
代码仓库

关于 browse-aeo

browse-aeo 是一项技能，用于审查网页对 AI 答案的适配情况，或分析查询在 AI 搜索中的呈现。它指导 Agent 使用浏览器检查页面，并根据证据生成含优先级建议的报告。

主要功能

  1. 01审查页面的 AEO 适配情况
  2. 02分析 Google 和 Perplexity 搜索结果
  3. 03检查结构化数据、元数据和标题
  4. 04按多个维度评估审查结果
  5. 05提供按优先级排列的可执行建议

适用场景

  1. 01查找 URL 的 AEO 缺口
  2. 02检查查询在 AI 搜索中的引用
  3. 03确定提高页面引用可能性的修改方向

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/ulpi-io/skills --skill browse-aeo

安装后在 Claude Code 中输入/browse-aeo确认已加载。

详细介绍

browse-aeo：答案引擎优化

目标

审核页面的 AEO 就绪情况，或分析搜索查询如何出现在 AI 驱动的搜索结果中。 两种模式：页面审核（分析 URL）和 SERP 分析（分析搜索查询）。

模式 1：页面审核

评估单个 URL 的 AEO 就绪情况。按顺序执行每个步骤。

步骤 1：导航并稳定页面
browse goto <url>
browse wait --network-idle
步骤 2：提取结构化数据
browse schema

分析内容：是否存在 JSON-LD（对 AEO 至关重要）、FAQPage 架构（直接为 AI 答案提供内容）、HowTo 架构（会出现在操作指南类答案中）、Article/NewsArticle/BlogPosting（用于归属来源）、Organization/Person（体现权威性）、Breadcrumb（层级结构）、QAPage（问答对）。结构化数据为空或极少是 AEO 方面的重大缺口。

步骤 3：提取并评估元标签
browse meta

检查：meta description（简洁直接地回答问题，少于 160 个字符——AI 会将其用作候选摘要）、canonical URL（必须存在）、Open Graph 标签（og:title、og:description）、robots 指令（noindex 或 nosnippet 会完全阻止 AI 引用）。

步骤 4：分析标题层级
browse headings

评估：是否只有一个 H1（清晰说明主题）、H2 是否采用问题或清晰的主题标签（AI 会利用标题定位答案边界）、是否优先使用问题形式的 H2（“X 是什么？”、“如何 Y？”）、层级嵌套是否合理（没有跳过级别）。

步骤 5：分析页面内容中的答案模式
browse text

检查：首段是否包含直接定义（“X 是……”——AI 倾向于简洁的开篇）、是否有 FAQ 模式（即使没有架构标记，也包含问答对）、是否有编号或项目符号列表（AI 更偏好易于提取的结构）、段落是否简洁（少于 50 个词的段落更有可能被引用）、是否有权威性信号（“我们测试了……”“根据我们的经验……”——体现原创研究的表述）。

步骤 6：生成 AEO 审核报告

按以下维度以 0–100 分评估页面：

维度权重检查内容
结构化数据25%是否存在 JSON-LD、FAQ/HowTo/Article 架构、完整性
元信息质量15%描述能否作为答案摘要、canonical、是否没有阻止抓取的 robots 指令
标题结构20%是否只有一个 H1、是否有问题形式的 H2、层级嵌套是否合理
答案就绪度25%直接定义、FAQ 模式、简洁段落、列表
权威性信号15%Organization 架构、作者标记、体现原创研究的表述

报告内容：总分（满分 100）、各维度得分及其发现和建议，然后列出影响最大的 3 项行动。

模式 2：SERP 分析

检查查询在 AI 驱动的搜索结果中的呈现方式。

步骤 1：使用 Google 搜索并检测 AI Overview
browse goto "https://www.google.com/search?q=<url-encoded-query>"
browse wait --network-idle
browse snapshot -i

阅读快照以识别：AI Overview（生成式答案区块，记录被引用的域名）、精选摘要（框选的答案，记录来源域名）、People Also Ask（可展开的问题——这些是 AEO 的目标）、目标域名的自然搜索排名。

如果 Google 阻止请求，请使用 camoufox 重试：

browse --runtime camoufox --headed goto "https://www.google.com/search?q=<url-encoded-query>"
browse --runtime camoufox --headed snapshot -i
步骤 2：Perplexity 分析（建议使用 camoufox）

Perplexity 具有机器人检测机制。请使用 camoufox：

browse --runtime camoufox --headed goto "https://www.perplexity.ai/search?q=<url-encoded-query>"
browse --runtime camoufox --headed wait --network-idle
browse --runtime camoufox --headed snapshot -i

阅读快照以识别：被引用的来源域名（带编号的引文）、答案结构（段落、列表、表格）、引用密度。如果 Perplexity 阻止请求，请在报告中注明并跳过。

步骤 3：生成 SERP 分析报告

报告内容：分别列出每个引擎（Google、Perplexity）的 AI Overview 是否存在、被引用的域名、精选摘要来源、People Also Ask 问题以及目标域名的排名。最后总结被引用的内容类型，并提出提高被引用概率的具体措施。

关键规则

  1. 导航后务必等待——提取内容前，先运行 browse wait --network-idle。
  2. 使用 camoufox 搜索引擎——Google 和 Perplexity 会主动拦截无头浏览器。遭到拦截时，改用 --runtime camoufox --headed。
  3. 由 Agent 解读快照——没有自动解析 SERP 的神奇工具。Agent 读取 browse snapshot -i 的输出，并通过查看无障碍树识别 AI Overview 元素、引用和「People Also Ask」。
  4. 结构化数据是最重要的信号——JSON-LD FAQ 和 HowTo schema 是影响最大的 AEO 杠杆。务必先检查。
  5. 切勿捏造评分——如果无法评估某个维度（例如页面需要登录才能访问），请标记为「N/A」并说明原因。
  6. 让建议具有可操作性——「添加 FAQ schema」是好建议；「改进 SEO」则不是。

防护规则

  • 不要添加 disable-model-invocation；这是一个通用审计技能。
  • 不要添加 context: fork；当前流程需要审计结果。
  • 未经用户明确确认，不要运行 browse handoff。
  • 不要猜测 SERP 结构——务必截取快照并阅读。
  • 未经 SERP 分析实际核查，不要声称某个页面「出现在 AI Overviews 中」。

输出要求

报告：

  1. 使用的模式（页面审计或 SERP 分析）
  2. 已审计的 URL 或已分析的查询
  3. 各维度的发现及具体证据
  4. 按影响力排序的可操作建议
  5. 遇到的任何阻碍（机器人检测、登录墙、结果为空）

评论

支持 Markdown