orphan-pages-internal-linking-opportunities

孤立页面审计与内链简报生成器

你正在执行完整的 SEO 孤立页面审计。用户已通过 args 提供域名作为输入。你的任务是按顺序执行以下所有阶段，使用可用工具，并生成一个可下载的 HTML 报告文件，保存到当前工作目录。

输入域名：{args}

---

阶段 1 — 域名规范化与站点地图发现

1. 规范化输入域名：

   • 去除首尾空白
   • 如果不以 http 开头，则添加 https://
   • 如果没有 www.，且带 www. 的基础域名可解析，则使用带 www. 的域名
   • 删除末尾的斜杠
   • 存储为 BASE_URL（例如：https://www.example.com）

2. 使用 WebFetch 获取 BASE_URL/robots.txt。查找任何 Sitemap: 指令；如果找到，则使用该 URL 作为站点地图地址。若未找到，则默认使用 BASE_URL/sitemap.xml。

3. 获取站点地图 URL。判断其类型：

   • 站点地图索引（存在 <sitemapindex> 标签）：提取所有 <loc> 子站点地图 URL，逐个获取，并将所有子站点地图中的 <loc> URL 合并到一个主 URL 列表中
   • 常规站点地图（<urlset> 标签）：直接提取所有 <loc> URL

4. 存储完整的主 URL 列表。

---

阶段 2 — 博客 URL 识别

从主 URL 列表中：

1. 分析所有 URL 模式，识别博客/内容版块。查找出现频率最高且结构一致的 URL 前缀。常见前缀包括：/blog/、/articles/、/posts/、/insights/、/resources/、/learn/、/news/、/guides/

2. 选择最能代表博客内容的前缀（URL 数量最多、结构最一致）。如果多个前缀符合条件，则全部纳入。

3. 筛选主 URL 列表，仅保留与已识别博客前缀匹配的 URL。排除索引/列表页面（例如，没有后续 slug 的 BASE_URL/blog）。存储为 BLOG_URLS。

4. 如果无法从站点地图中识别出博客前缀，则获取 BASE_URL 首页，并查找博客/文章导航链接，然后获取该页面并从中提取所有文章 URL。

5. 记录总数：“在 {BASE_URL} 找到 {N} 篇博客文章”

---

阶段 3 — 爬取并构建入站链接映射

运行一个 Workflow，并行爬取所有博客文章。工作流应：

脚本逻辑：

• 将 BLOG_URLS 作为项目列表
• 对每个 URL，启动一个 Agent，执行以下操作：
  • 使用 WebFetch 获取页面
  • 提取正文/文章内容中指向同域名其他页面的所有 href 链接（不包括导航栏、页眉、页脚），且这些页面应匹配博客 URL 模式
  • 将找到的所有链接规范化为绝对 URL（不带末尾斜杠、查询参数或哈希）
  • 返回 { source_url, outbound_blog_links: [...] }
• 使用架构：{ type: 'object', properties: { source_url: { type: 'string' }, outbound_blog_links: { type: 'array', items: { type: 'string' } } }, required: ['source_url', 'outbound_blog_links'] }

工作流完成后，汇总结果：

• 构建 inbound_count 映射：{ url -> number }，为所有 BLOG_URLS 初始化为 0
• 构建 inbound_sources 映射：{ url -> [source_url, ...] }，为所有 BLOG_URLS 初始化为空数组
• 对每个爬取结果，遍历 outbound_blog_links，对每个有效链接增加入站计数，并添加来源 URL

对每个页面进行分类：

• 孤立页面 = 0 个入站链接 → 存储为 ORPHAN_URLS
• 低内链页面 = 1–2 个入站链接 → 存储为 LOW_LINKED_URLS
• 健康页面 = 3 个或更多入站链接 → 存储为 HEALTHY_URLS

构建 FULL_INBOUND_MAP：由 { url, inbound, linked_from } 组成的数组，按入站链接数降序排序。

阶段 4 — 孤立页面的关键词研究

运行一个 工作流，为每个孤立页面找出美国搜索量最高的关键词。工作流应：

脚本逻辑：

• 将 ORPHAN_URLS 作为条目列表
• 对每个孤立 URL，启动一个 Agent，以执行以下操作：
  1. 从 URL 中提取 slug（最后一个路径段）
  2. 根据 slug 生成 6–8 个关键词变体（将连字符转换为空格，尝试不同的词序变体，添加或删除限定词）
  3. 使用 ToolSearch 加载 mcp__claude_ai_DataForSEO__kw_data_google_ads_search_volume，然后使用这些关键词变体调用它，并设置 location_code: 2840（美国）、language_code: "en"
  4. 将美国月搜索量最高的关键词选为 anchor_text
  5. 回退方案：如果 DataForSEO 未返回数据或发生错误，则将 slug 转换为短语（连字符 → 空格）作为 anchor_text
  6. 获取页面，并用 2–3 句话撰写页面内容概述 page_summary
  7. 返回 { orphan_url, anchor_text, us_monthly_volume, page_summary }
• 使用架构：{ type: 'object', properties: { orphan_url: { type: 'string' }, anchor_text: { type: 'string' }, us_monthly_volume: { type: 'number' }, page_summary: { type: 'string' } }, required: ['orphan_url', 'anchor_text', 'us_monthly_volume', 'page_summary'] }

将结果存储为 KEYWORD_DATA：{ orphan_url -> { anchor_text, us_monthly_volume, page_summary } } 的映射

---

阶段 5 — 为孤立页面生成内链简报

运行一个 工作流，对 ORPHAN_URLS 采用两阶段流程：

阶段 1 — 传递关键词数据（已计算，无需 Agent — 直接使用 KEYWORD_DATA）

阶段 2 — 对每个孤立页面，启动一个 Agent，以执行以下操作：

1. 接收 orphan_url、anchor_text、page_summary 和完整的 BLOG_URLS 列表
2. 从 BLOG_URLS 中准确选出 3 个主题相关的源页面（排除孤立页面本身；优先选择内链较多的非孤立页面）
3. 使用 WebFetch 获取这 3 个源页面
4. 为每个源页面生成：
   • source_url：源页面的完整 URL
   • where_to_place：精确描述页面中的插入位置 — 指明 H2/H3 章节、具体段落及其周围的内容。描述必须足够具体，让内容编辑无需猜测即可找到位置
   • context_copy：至少 300 个字符、读起来自然流畅且可插入该位置的文案。anchor_text 必须在其中以 <a href="ORPHAN_URL">ANCHOR_TEXT</a> 的形式恰好出现一次。文案读起来必须像是文章原有内容 — 不得带有推销意味或显得生硬。3 个插入位置使用相同的锚文本。
5. 返回 { orphan_url, anchor_text, placements: [{ source_url, where_to_place, context_copy }, ...] }

• 使用架构，其中 placements 为数组，包含 3 个对象，每个对象都必须包含 source_url、where_to_place、context_copy

工作流完成后，对每个 context_copy 进行后处理：

• 检查 anchor_text 是否以超链接形式出现（是否包含 href="orphan_url"）
• 如果没有，查找 anchor_text 首次出现的位置（不区分大小写），并将其替换为 <a href="orphan_url">anchor_text</a>

存储为 BRIEFS。

---

阶段 6 — 生成 HTML 报告

使用 Write 工具，将一个独立的 HTML 文件保存到当前工作目录，文件名为 orphan-audit-{domain}-{YYYYMMDD}.html，其中 {domain} 是基础域名（不含协议、www，并将点替换为连字符），{YYYYMMDD} 是今天的日期。

HTML 文件必须完全独立 — 所有 CSS 都内联在 <style> 标签中，不使用外部 CDN 或字体导入，并可离线运行。采用简洁、专业的设计，并包含以下结构：

HTML 报告结构

<!DOCTYPE html>
<html>
<head>
  <meta charset="UTF-8">
  <title>Orphan Page Audit — {domain}</title>
  <style>
    /* Full inline CSS — professional design, light background, clean typography */
    /* Use system fonts: -apple-system, BlinkMacSystemFont, 'Segoe UI', sans-serif */
    /* Color palette: #0f172a (headings), #334155 (body), #3b82f6 (accent/links), #f1f5f9 (backgrounds), #e2e8f0 (borders) */
    /* Stat cards, tables, collapsible sections, copy buttons */
  </style>
</head>
<body>

第 1 节 — 页眉

• 网站 Logo 区域，显示域名（大号字体）
• 审核日期
• “下载报告”按钮（触发 window.print() 或直接保存文件）

第 2 节 — 执行摘要 一行显示四个统计卡片：

• 找到的博客文章总数：{BLOG_URLS.length}
• 孤立页面：{ORPHAN_URLS.length} + 占总数的百分比
• 低链接页面：{LOW_LINKED_URLS.length}（有 1–2 个入站链接）
• 健康页面：{HEALTHY_URLS.length}（有 3 个或更多入站链接）

用水平条直观展示孤立页面、低链接页面和健康页面的占比。

第 3 节 — 孤立页面列表 包含以下列的表格：# | 页面 URL（可点击链接）| 锚文本 | 美国月搜索量 每个孤立页面占一行。

第 4 节 — 入站链接映射（非孤立页面） 按入站链接数量降序排列的表格：页面 URL | 入站链接 | 链接来源 对于“链接来源”列，将每个来源 URL 单独列一行，或用逗号分隔。

第 5 节 — 内链简介 每个孤立页面对应一个卡片，包含：

• 孤立 URL（h3，可点击）
• 锚文本（徽章/胶囊）
• 美国月搜索量
• 三个放置区块，每个区块显示：
  • 来源页面 URL（粗体，可点击）
  • “放置位置”——以样式化的引用块或信息框显示
  • “上下文文案”——以样式化的 <pre> 或 <div> 显示，并带有“复制”按钮，通过 navigator.clipboard.writeText() 复制 HTML

第 6 节 — 页脚

• “由 Infrasity Orphan Page Audit Skill 生成”
• 审核日期和域名

JavaScript（内联 <script> 标签）

• 复制按钮功能：navigator.clipboard.writeText(element.innerText)
• 为所有导航链接启用平滑滚动
• 可选：展开/折叠简介卡片

---

第 7 阶段 — 向用户确认并汇报

保存 HTML 文件后：

1. 向用户报告文件路径
2. 简要总结：
   • 找到的博客文章总数
   • 孤立页面数量
   • 生成的内链简介数量
   • 文件名和位置
3. 说明哪些页面无法从 DataForSEO 获取关键词数据（已回退使用 slug）

---

重要规则

• 绝不要硬编码 /blog/——始终从实际站点地图检测 URL 模式
• 每个孤立页面的锚文本固定不变——同一个 anchor_text 字符串必须出现在该孤立页面的全部 3 个 context_copy 区块中，并且始终作为超链接
• 上下文文案至少 300 个字符——严格执行；如果 Agent 返回的文案更短，则标记出来
• 放置位置必须具体——说明章节标题、段落位置以及周边内容上下文
• HTML 报告独立完整——不发起外部请求、不使用 CDN，可离线运行
• DataForSEO 回退机制——如果 API 未返回数据，则将 slug 转换为易读短语后使用
• 后处理超链接——生成所有简介后，务必在写入 HTML 前验证并修正锚文本超链接
• 文件命名——orphan-audit-{domain}-{YYYYMMDD}.html，保存到用户的当前工作目录