mcpField
G
geo

geo

github.com/hainrixz营销与增长80213 次安装6 天前更新
代码仓库

关于 geo

geo 是用于 SEO 审计中 AI 搜索部分的只读 Claude Code 技能。它协调可引用性、爬虫访问、发现文件、渲染和 Schema 检查；可选搜索出现情况及 Search Console 探测结果与评分分开报告。

主要功能

  1. 01执行面向 AI 搜索的 SEO 审计
  2. 02检查 GEO 和 AEO 相关类别
  3. 03纳入渲染与 Schema 检查
  4. 04运行可选的网页搜索出现情况探测
  5. 05导入 Search Console 生成式 AI 报告

适用场景

  1. 01评估网站对 AI 搜索的准备情况
  2. 02确定 GEO 和 AEO 审计行动的优先级
  3. 03检查爬虫访问和发现文件
  4. 04查看可选的搜索出现情况或展示次数探测

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/hainrixz/claude-seo-ai --skill geo

安装后在 Claude Code 中输入/geo确认已加载。

详细介绍

/claude-seo-ai:geo

审计中针对 AI 搜索（GEO/AEO）的子集。只读。

$ARGUMENTS = <url|path> [flags]。--pages N、--render static|auto|js（默认值为 static）和 --feed <path>（Agentic Commerce Protocol 产品 Feed；仅在启用电商垂直领域时才会生效；如果未提供，M18.agentic.acp_feed_errors 会保持为 needs_api——未读取的 Feed 绝不算干净）会转发给编排器，并原样传递给 audit.mjs。--probe 和 --gsc-ai-export 由此处处理，不由 audit.mjs 处理：它们是探测项——仅报告，不评分（严重性为 0，不计入 AI Visibility 分数，也不受任何上限影响）。

要做什么

  1. 使用目标和标记调用 seo-orchestrator，并附上指令“仅 AI 路径”：它会通过脚本获取快照（绝不使用 WebFetch）、运行确定性检查，并调用 ai-search-geo-specialist 执行 M6（seo-entity-linking）、M11（seo-geo-answerblocks）、M12（seo-geo-factdensity）、M14（seo-ai-crawlers——访问权限 + Google AI 功能资格）、M21（seo-ai-discovery——llms.txt、agents.md、UCP、agentic sitemap）、M22（seo-agent-readiness）；此外还会执行 M5（seo-schema-jsonld，通过 schema-generator）和 M4（seo-rendering，通过 technical-auditor），因为它们会影响 AI 可见性。
  2. 仅在提供相应标记时，才运行下方的探测流程。
  3. 从 report.json 中展示：AI Visibility 分数（等级 + 解读）、按类别划分的可引用性明细、needs_api / manual_review 计数、按优先级排列的 GEO/AEO 操作项、任何 probes 部分（与分数明确分开），以及 report.md 路径。
  4. 开头先说明 Google 明确记录的一点：网页通过在搜索中被编入索引且符合摘要资格，才能进入 AI Overviews / AI Mode（M14 ai_eligibility）。提醒用户，M21——llms.txt 和其他发现文件——权重为 0（Google Search 会忽略 llms.txt；供应商的支持也不完整）。绝不写入文件；对于安全的 AUTO 修复（例如 AI 爬虫 robots.txt 预设），可建议使用 /claude-seo-ai:fix。

--probe "<question>" — 网页搜索可见度（可重复）

这是一个粗略指标，用于衡量“有人提出这个问题时，网站是否会出现”；它基于某一时刻的一家搜索引擎结果。它不是引用数据。

  1. 对每个 --probe 问题，使用 WebSearch 原样搜索。不要改写问题，不要添加品牌名称，也不要运行用户未要求的额外查询。
  2. 按顺序读取自然搜索结果，并构建一个 JSON 对象——rank 是结果列表中的排名（从 1 开始），url 和 title 原样复制，host 是受审计网站的主机名： 
    { "host": "example.com",
  "queries": [ { "query": "best sustainable running shoes",
                 "results": [ { "rank": 1, "url": "https://…", "title": "…" } ] } ] }
  3. 通过标准输入将其传递给报告器（不会向用户的项目写入任何内容）；--out 会将探测结果保存在运行目录中，report.mjs 会从该目录读取 probes.web_search： 
    node "${CLAUDE_PLUGIN_ROOT}/scripts/probe-report.mjs" --host <host> \
  --out "<run_dir>/probes/web-search.json" [--history <dir>] <<'JSON'
{ "host": "…", "queries": [ … ] }
JSON
    --results <file.json> 会从文件读取相同的 JSON，而不是从标准输入读取。
  4. 它会返回可见率（主机出现的查询占比）、最佳排名、竞争对手主机统计，以及与该主机之前探测结果的趋势对比。将其报告在 probes.web_search 下，并逐字引用其 disclaimer 字段——必须回显脚本输出的字符串（scripts/probe-report.mjs 中的 DISCLAIMER，也会写入 report.json 和 report.md），绝不可改述，以免模型的文字说明与旁边的机器生成内容不一致。目前该字符串为："这些问题对应的网页搜索可见度。这不是 AI Overview、AI Mode、ChatGPT 或 Perplexity 的引用数据——没有供应商会提供此类数据。索引/可检索性是 Google AI 功能的已记录前提条件；此处的可见度是必要条件，而非充分条件。"
  5. 此项发现为 M14.probe.web_presence，严重性为 0，方法为 web_search_probe。探测结果绝不能改变 AI Visibility 分数，也绝不能将排名描述为排名测量——WebSearch 结果具有个性化、地域性和时效性。

--gsc-ai-export <csv> — Search Console 生成式 AI 导入

  1. 用户手动从 Search Console 导出 Generative AI 效果报告；该报告没有 API。传入文件： 
    node "${CLAUDE_PLUGIN_ROOT}/scripts/gsc-ai-import.mjs" --csv <file.csv> [--host <host>] [--history <dir>] \
  > "<run_dir>/probes/gsc-generative-ai.json"
    脚本会打印导入内容，但不会自行写入任何文件，因此请将其重定向到本次运行的 probes/ 目录——这样 report.mjs 才会在第 2 级数据中将其报告为 probes.gsc_generative_ai。
  2. 英语和西班牙语列标题均可识别。该报告仅包含 展示次数——没有点击次数、引用或单条回答归因——因此导入结果只报告展示次数，不包含其他内容。
  3. 在 probes.gsc_generative_ai 下报告。发现项的严重性均为 0：M14.gsc_ai.impressions_present（导出文件显示此资源有生成式 AI 展示次数）、M14.gsc_ai.zero_impressions（导出文件已解析，但不包含展示次数）、M14.gsc_ai.unavailable（needs_api——未提供导出文件，或文件无法解析；默认状态）。
  4. 明确说明这个数字不代表什么：Google 生成式 AI 界面中的展示次数不是引用，不是点击次数，也不是评分输入项。

两个探测项都与评分并列显示，绝不包含在评分中。如果用户问“我的 AI 可见度提高了吗？”，诚实的回答是：这些只是代理指标，而评分是结构性评估——正因如此，两者会分开报告。使用用户的语言回复（EN/ES）。

评论

支持 Markdown