关于 seo-analysis
用于审查代码库搜索可见性风险的框架与语言无关技能。可开展专项检查或全面审计,涵盖爬取、渲染、元数据、结构化数据、内容及面向 AI 时代的搜索准备度,并以证据支撑发现。
主要功能
- 01审查可爬取性与渲染
- 02检查元数据和社交预览
- 03评估结构化数据与实体信号
- 04分析内容与站内链接
- 05准备基于证据的实施交接
适用场景
- 01检查代码库中的技术 SEO 风险
- 02调查元数据或索引问题
- 03评估结构化数据与富结果准备度
- 04创建供后续实施的修复交接
安装
复制下面的命令,在终端中运行。
npx skills add https:/ / github.com/ jpcaparas/ skills --skill seo-analysis安装后在 Claude Code 中输入/seo-analysis确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
AGENTS.mdmetadata.jsonREADME.mdskill-card.prompt.mdagents/.gitkeepassets/.gitkeepevals/evals.jsonreferences/agentic-search-and-ai-surfaces.mdcontent-and-information-architecture.mdfix-prompt-spec.mdgotchas.mdmetadata-and-previews.mdmethodology.mdstructured-data-and-entities.mdtechnical-audit.mdscripts/build_fix_prompt.pyprobe_seo_analysis.pytest_skill.pyvalidate.pytemplates/fix-prompt-template.md详细介绍
seo-analysis
在指定范围内审查代码库,找出搜索可见性风险。用户提出要求或确有帮助时,提供实施交接内容;但不要将其作为回答具体问题的前提。
此技能与框架和语言无关。应从当前代码库和渲染后的输出入手,而不要基于对 React、Next.js、Rails、Laravel、Astro、WordPress 或任何其他技术栈的假设。
决策树
你要解决什么 SEO 问题?
-
需要对代码库进行全面的技术和页面内审查
- 阅读
references/methodology.md - 然后阅读
references/technical-audit.md
- 阅读
-
需要检查元数据、社交媒体预览、规范链接或可编入索引性
- 阅读
references/metadata-and-previews.md
- 阅读
-
需要分析 schema.org / JSON-LD / 实体 / 富媒体搜索结果
- 阅读
references/structured-data-and-entities.md
- 阅读
-
需要分析内容质量、信息架构、内部链接或模板级页面定位
- 阅读
references/content-and-information-architecture.md
- 阅读
-
需要了解 AI 时代的搜索指南,包括抓取/渲染控制、预览控制和答案引擎就绪情况
- 阅读
references/agentic-search-and-ai-surfaces.md
- 阅读
-
需要为另一个会话提供确切的修复交接格式
- 阅读
references/fix-prompt-spec.md - 使用
templates/fix-prompt-template.md - 也可使用
python3 scripts/build_fix_prompt.py --input findings.json生成草稿
- 阅读
-
需要了解边缘情况、策略陷阱或常见误报
- 阅读
references/gotchas.md
- 阅读
快速参考
| 任务 | 使用 | 结果 |
|---|---|---|
| 对整个代码库进行审查 | references/methodology.md | 按顺序排列的检查清单和证据收集流程 |
| 检查可编入索引性和渲染情况 | references/technical-audit.md | 关于抓取、渲染、规范链接、robots、站点地图和状态码的发现 |
| 检查标题、元描述、OG、X 卡片、网站图标、站点名称 | references/metadata-and-previews.md | SERP 和社交媒体预览相关发现 |
| 检查结构化数据和实体信号 | references/structured-data-and-entities.md | 富媒体搜索结果和知识图谱就绪情况相关发现 |
| 检查内容和链接架构 | references/content-and-information-architecture.md | 内容缺口、重复内容、孤立页面、锚文本薄弱等问题 |
| 检查 AI 时代的搜索就绪情况 | references/agentic-search-and-ai-surfaces.md | 预览控制、抓取访问、引用就绪情况 |
| 生成修复会话提示词 | references/fix-prompt-spec.md + templates/fix-prompt-template.md | 可复制粘贴的提示词,用于启动第二个实施会话 |
| 根据 findings JSON 生成可选的提示词草稿 | python3 scripts/build_fix_prompt.py --input findings.json(在 JSON 中填入 repo) | 供审阅证据、约束和验收标准的草稿 |
核心工作流程
- 对照用户指定的范围和输出形式开展工作。在得出结论前,检查相关路由、模板、布局文件以及 head/元数据抽象;仅在追踪共因时扩大检查范围。
- 检查范围内具有代表性的 URL 或模板。全面审查时,酌情涵盖首页、类别页、产品/服务页、文章/文档页、身份验证/账户页、分页/筛选页和实用工具页。
- 按严重程度和层级分类列出发现:
- 抓取/索引控制
- 渲染/发现/规范化
- 元数据/社交媒体预览
- 结构化数据/实体信号
- 内容/内部链接/信息架构
- 性能/页面体验
- AI 时代的搜索界面就绪情况
- 对每项发现,收集来自代码、构建后的 HTML 或运行时行为的证据。能够核实的内容,不要靠猜测。
- 确定修复优先级前,先合并共因。一个损坏的元数据抽象可能导致数百个页面出错。如果用户要求提供交接内容,或在当前范围内这样做确有帮助,请使用
references/fix-prompt-spec.md;辅助脚本是可选的,其生成的草稿不能作为证据。
审计交付内容
根据请求选择交付形式:范围明确的答复、问题发现表、完整报告或实施交接。仅在收到请求时创建文件。完整审计通常包括:
- 执行摘要——已观察到的搜索可见性风险,不要臆造排名影响。
- 问题发现表——严重程度、URL/模板范围、证据、影响、修复方向。
- 页面类型覆盖图——检查过和未检查的模板或路由。
- 修复顺序——哪些先修、其次修,哪些稍后处理。
- 限制和未知项——无法进行的运行时检查、证据日期及未解决的问题。
针对范围明确的问题,答复可以简短得多,但应保留支撑结论所需的证据和限制。仅在用户要求或确有帮助时添加实施提示词;不要把范围明确的请求扩展成完整报告套件。
分析规则
- 提出运行时相关主张时,先验证渲染后的行为。SSR、SSG、CSR、水合和边缘渲染会影响爬虫实际获取的内容。离线或仅能查看源代码时,应标明结果仅基于源代码,并列出仍需进行的运行时检查。
- 将可抓取性、可渲染性和规范化视为前提。如果重要页面被屏蔽、重复或无法发现,调整标题就无关紧要。
- 评估页面类型,而不只是单个页面。SEO 问题通常源于共享模板逻辑。
- 区分有意排除与错误。登录页、购物车、站内搜索、分面组合页面和内容单薄的工具页面通常应设为
noindex。 - 同时检查搜索结果预览和社交媒体预览。即使传统 SEO 表现尚可,缺失或冲突的 Open Graph 数据仍会影响内容传播。
- 优先使用真实、有效的 schema.org 标记,并确保其与可见内容和页面用途一致。应单独评估当前是否符合搜索富媒体结果的展示条件;不符合条件不代表标记无效或具有误导性。
- 将 AI 答案可见性视为可抓取性、元数据清晰度、结构化事实和可信内容的延伸。不要臆造排名或 AI 可见性的保证。
阅读指南
| 如果任务是…… | 阅读 |
|---|---|
| 从代码审计到实施交接的完整审计 | 先读 references/methodology.md,再读 references/fix-prompt-spec.md |
| 诊断渲染、规范链接、robots、站点地图、hreflang 或内链问题 | references/technical-audit.md |
| 诊断标题、摘要、链接预览或 OG/X 元数据问题 | references/metadata-and-previews.md |
| 诊断缺失或无效的 schema,以及薄弱的实体标记 | references/structured-data-and-entities.md |
| 诊断主题定位薄弱、内容重复、孤立页面或锚文本问题 | references/content-and-information-architecture.md |
| 讨论 AI Overviews、引用展示面或面向答案引擎的就绪情况 | references/agentic-search-and-ai-surfaces.md |
| 避免过度推断或误报 | references/gotchas.md |
已核实的外部基准
本技能的指导依据于 2026 年 4 月核对的最新一手资料,包括:
- Google Search Central 关于 SEO 基础知识、实用内容、JavaScript SEO、robots 元指令、规范化、摘要、结构化数据、站点地图、网站名称、网站图标和首选来源的资料。
- Open Graph 协议规范中关于必需 OG 字段和图像元数据的内容。
保留上述稳定证据和安全原则。随附参考资料是带有日期的基准,不可替代最新官方指导。若参考资料不足、不确定、过时或相互冲突,请查阅相关 Google Search Central、schema.org 或协议文档,以及可信的目标证据。记录来源和版本或检索日期;若处于离线状态,应说明不确定性,而不要臆造当前规则。
提出规范的仓库更新方案,列出过时段落原文、替代来源/版本,以及具体示例或回归测试。审计网站时,不要擅自修改已安装的技能。
注意事项
- SEO 缺失通常是共享抽象层的问题:单个布局、元数据辅助程序或 head 组件就可能影响所有路由。
- 不要把每个
noindex都当成错误:许多实用功能页面本就不应被收录。 - 不要建议用
robots.txt处理规范化:在robots.txt中屏蔽重复 URL,可能会导致爬虫根本看不到规范链接信号。 - 不要把 OG 标签等同于 SEO 标签:搜索标题、社交标题、规范链接和结构化数据分别面向不同的使用方。
- 不要把“AI SEO”和隐藏技巧混为一谈:持久有效的做法仍然是确保爬取访问、提供可靠事实、设置清晰的元数据,并创作有用的原创内容。
- 没有证据就不要交付修复提示词:第二个会话应收到具体文件、页面类型和验收标准,而不是泛泛的 SEO 建议。
辅助文件
references/methodology.md— 端到端审计工作流和证据模型。references/technical-audit.md— 爬取、渲染、规范链接、robots、站点地图、hreflang、分页和内部链接发现。references/metadata-and-previews.md— 标题、描述、OG、X 卡片、网站图标、站点名称和图像预览。references/structured-data-and-entities.md— JSON-LD 策略和验证优先级。references/content-and-information-architecture.md— 内容质量、重复内容、模板定位和链接架构。references/agentic-search-and-ai-surfaces.md— 不炒作地解读 AI 时代的搜索。references/fix-prompt-spec.md— 精确的交接提示词规范。references/gotchas.md— 高价值陷阱和反模式。templates/fix-prompt-template.md— 可直接复制的交接提示词框架。scripts/build_fix_prompt.py— 根据 findings JSON 生成确定性提示词。scripts/probe_seo_analysis.py— 用于检查问题规范化和提示词生成的本地回归测试。scripts/validate.py— 此技能的结构验证器。scripts/test_skill.py— 打包和确定性探测测试运行器。