seo-geo-factdensity

seo-geo-factdensity（M12）

生成式引擎倾向于引用具体、量化且注明出处的段落。本模块衡量页面文案的“可引用性”——事实、数字、原始数据和权威出站链接，而非词汇。AI 检索／引用背景：references/ai-crawlers.md。

输入

根据调度信封中指定的 PageSnapshot 开展工作：从 <run_dir>/pages/<slug>.json 读取 parsed（出站链接见 anchors[]，以及 text_sample），并读取 HTML 文件以统计段落级数据；使用 Grep 在 pages/<slug>.html 中查找原文证据；站点资源位于 <run_dir>/site/{robots.json,sitemaps.json,discovery.json}。audit.mjs 已输出的确定性发现列在 <run_dir>/findings.deterministic.json 中——不要重复输出这些 ID；只添加经模型判断的发现。如果直接通过 URL／路径调用且没有快照，请先运行 node "${CLAUDE_PLUGIN_ROOT}/scripts/snapshot.mjs" <target> --out "${CLAUDE_PLUGIN_DATA}/runs"，并使用打印出的快照路径。

审计

基于 PageSnapshot 开展工作（当 render.used 不为 none 时使用 parsed_rendered，否则使用 parsed）：

1. 统计数据／数字密度（按段落）：将主体内容拆分为多个段落（段落／<li>／由标题界定的区块），并统计数字标记——数值、百分比、日期、数量、范围。标记缺少任何数字支撑、仅包含断言的长段落。
2. 专有／原始数据：检测第一方数据迹象——例如 “our study”、“our survey”、“our data”、“we analyzed”、“we surveyed”、“in our test”、“internal data” 等模式，并注明此类声明是否有方法／样本、表格或图表作为支撑。
3. 出站引用：统计主体内容中指向权威来源的出站链接（标准组织、原始研究、官方文档、.gov／.edu、知名出版物）；将其与站内链接／导航链接／联盟链接区分开。
4. 无来源声明标记：检测缺少行内引用或数据参考的强事实性或比较性声明（“最……”、最快、研究表明、最高级表达、明确数字等），并将每条标记为建议添加来源的候选项。

修复（可修复：advisory）

仅提供 ADVISORY——本模块不会提出任何会直接写入的内容。它会生成以下清单：（a）应附带统计数据或引用的声明；（b）添加原始数据说明（表格、“我们的数据”框、方法说明）可提升可引用性的段落；（c）应弱化或补充来源的无支撑最高级表达。工具不会编造统计数据、样本量、研究结果或来源 URL。缺少数值时，它会输出明确标记的 TODO 占位符，供用户填写——绝不虚构数字。（根据发现项架构，此处的发现均为 fixable: advisory。）

验证

• 确定性计数加 manual_review：node "${CLAUDE_PLUGIN_ROOT}/scripts/factdensity.mjs" --snapshot <pages/<slug>.json> [--lang en|es|auto]（或 --url <u>）会返回每段的数字标记密度——分为 all／years／prices／substantive——以及权威出站链接数量。报告原始计数，以便人工复核；如果页面上的“数字”只有版权年份和价格，就不算事实密集，这也是 substantive 计数最重要的原因。
• 语言覆盖范围：权威站点规则、最高级表达词库和原始数据短语覆盖 EN 和 ES（包括 .gob.mx、.gov.uk、scielo.org）。对于这些语言之外的内容，依赖语言的字段会返回 null，而非 0，发现项也会标记为 manual_review。
• 判断性结论（这条声明是否“有力”？该来源是否“权威”？）需要 manual_review；不要自动标记为 pass。
• 如果无法获取可靠统计段落所需的内容层级或渲染后的 DOM，状态应为 needs_api，绝不能错误地标记为 pass。

发现

按照 schema/finding.schema.json 输出发现项；轴为 ai；所有项的 fixable: advisory。严重性策略：5 仅用于站点／模板范围内会造成灾难性后果、导致失去资格的事实；4 为重大 · 3 为中等 · 2 为轻微 · 1 为外观 · 0 为信息性——且只有活跃类别中 established 的严重性 5 fail 才能限制评分（references/scoring-model.md）。M12 中没有任何内容属于 established，因此这里没有任何项会限制评分。

• M12.density.low_numeric_passages — 多处主要内容段落没有实质性数字依据（warn，严重性 3，置信度 directional）。
• M12.citations.no_outbound_authority — 主要内容提出了事实性主张，却没有链接到任何权威外部来源（warn，严重性 3，置信度 directional）。
• M12.original_data.missing — 适合提供第一方证据（基准测试、调查、定价研究）的主题却未提供此类证据（warn，严重性 3，置信度 directional）。
• M12.original_data.present — 第一方数据主张有方法、样本、表格或图表作为依据（pass，严重性 3，置信度 directional）。
• M12.claim.unsourced_superlative — 最高级／比较级主张没有文内引用或数据（warn，严重性 1，置信度 speculative）。
• M12.lang.unsupported — 页面语言不在 EN/ES 词典范围内，因此无法判定密度和权威性评分（manual_review，严重性 0；依赖语言的字段为 null）。 每个发现项：evidence.observed 引用页面中的原文段落／主张；verification.reproduce 是上文可运行的计数方式；expected_impact 按区间划分并标注置信度（不使用未注明依据的百分比）。

诚实原则

• Google 实际要求的是独特的、非同质化的内容——即主题相关的其他页面上并未已有的信息，由具备第一手经验的人提供。数字密度和外部引用只是对此的代理指标，并非目标本身；它们的置信度是 directional，永远不会达到 established。页面即使充斥数字，也仍可能是同质化内容。
• 拒绝改写为“AI 专属关键词”——没有什么神奇词汇能赢得引用。内容是否值得引用，取决于可提取的结构、可验证的事实和可证明的权威性，而不是措辞技巧。
• 切勿为了“补全”被标记的主张而捏造统计数据、样本量或来源。只有真实且可追溯的数据才能带来帮助；捏造数字只会带来风险，而非收益。
• 密度是手段，不是目的——在无须数字的文字中硬塞数字，本身就是一种反模式，本模块也会将其标记出来。
• EN/ES 以外语言的诚实结论是 manual_review，而非通过：无法分词的语言中计数为零，反映的是工具的不足，不是对页面的判断。