mcpField
S
seo-geo

seo-geo

github.com/infrasity-labs营销与增长15193 次安装18 周前更新
代码仓库

关于 seo-geo

seo-geo 是用于审查网站在 AI 搜索中可见性的技能，面向评估 SEO 与 GEO 准备情况的人员。它以证据为依据，将 AI 搜索优化视为 SEO 基础工作的延伸，并生成 GEO-ANALYSIS.md 报告。

主要功能

  1. 01将 SEO 基础应用于 AI 搜索
  2. 02分析内容可引用性与结构
  3. 03检查 AI 爬虫和 llms.txt
  4. 04按平台审查可见性
  5. 05生成 GEO-ANALYSIS.md 报告

适用场景

  1. 01评估网站的 AI 搜索准备情况
  2. 02找出适合引用的内容段落
  3. 03检查 AI 爬虫访问及 llms.txt
  4. 04确定面向 AI 搜索的 SEO 改进优先级

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/infrasity-labs/dev-gtm-claude-skills --skill seo-geo

安装后在 Claude Code 中输入/seo-geo确认已加载。

附带文件references/google-ai-optimization-guide.mdreferences/llmstxt-evidence.md

详细介绍

AI 搜索 / GEO 优化（2026 年 5 月）

主要来源：Google 的 AI 优化指南

Google 在 Search Central 文档中公布的官方立场：

“从 Google 的角度来看，针对生成式 AI 搜索进行优化仍然属于 SEO。AEO 和 GEO 只是对同一项工作的重新包装。”

阅读 references/google-ai-optimization-guide.md，了解完整综述、辟谣清单（llms.txt、内容分块、AI 改写、刷提及量——Google 均认为无效）以及内容质量的 Who/How/Why 测试。

审计应将 GEO 发现描述为应用于 AI 搜索界面的 SEO 基本原则，而不是一种独立的优化学科。当社区建议与 Google 的主要来源相矛盾时，应以 Google 为准，并在报告中指出这一矛盾。

关键统计数据

指标数值来源
AI Overviews 覆盖用户数在 200 多个国家/地区，每月 15 亿用户Google
AI Overviews 查询覆盖率占所有查询的 50% 以上行业数据
AI 引荐会话增长527%（2025 年 1 月至 5 月）SparkToro
ChatGPT 周活跃用户数9 亿OpenAI
Perplexity 月查询量5 亿以上Perplexity

重要洞察：品牌提及 > 反向链接

品牌提及与 AI 可见度的相关性，比反向链接高 3 倍。 （Ahrefs 于 2025 年 12 月对 75,000 个品牌开展的研究）

信号与 AI 引用的相关性
YouTube 提及~0.737（最强）
Reddit 提及高
Wikipedia 收录情况高
LinkedIn 影响力中等
域名评级（反向链接）~0.266（较弱）

只有 11% 的域名会针对同一查询，同时被 ChatGPT 和 Google AI Overviews 引用，因此必须针对不同平台分别优化。

GEO 分析标准（更新版）

1. 可引用性评分（25%）

最佳段落长度：134–167 个单词，有利于 AI 引用。

强信号：

  • 清晰、可直接引用的句子，包含具体事实或统计数据
  • 独立完整的答案段落（脱离上下文也能摘取）
  • 在章节开头 40–60 个单词内直接给出答案
  • 具体声明注明来源
  • 采用“X is...”或“X refers to...”句式的定义
  • 其他地方找不到的独特数据点

弱信号：

  • 模糊、笼统的表述
  • 没有证据支撑的观点
  • 结论埋藏较深
  • 缺少具体数据点
2. 结构可读性（20%）

92% 的 AI Overview 引用来自排名前 10 的页面，但其中 47% 来自排名低于第 5 位的页面，这表明其选择逻辑有所不同。

强信号：

  • 清晰的 H1->H2->H3 标题层级
  • 以问题为导向的标题（与查询模式相符）
  • 较短的段落（2–4 句话）
  • 用表格呈现对比数据
  • 用有序/无序列表呈现分步内容或多项内容
  • 采用清晰问答格式的 FAQ 部分

弱信号：

  • 没有结构的大段文字
  • 标题层级不一致
  • 没有列表或表格
  • 信息埋在段落中
3. 多模态内容（15%）

包含多模态元素的内容，被选中的概率高出 156%。

检查以下内容：

  • 文本 + 相关图片
  • 视频内容（嵌入或链接）
  • 信息图和图表
  • 交互元素（计算器、工具）
  • 支持媒体内容的结构化数据
4. 权威性与品牌信号（20%）

强信号：

  • 作者署名及资历
  • 发布日期和最后更新日期
  • 引用一手来源（研究、官方文档、数据）
  • 机构资质及所属组织
  • 明确标注出处的专家引言
  • 在 Wikipedia、Wikidata 中建立实体
  • 在 Reddit、YouTube、LinkedIn 上被提及

弱信号：

  • 作者匿名
  • 没有日期
  • 没有引用来源
  • 品牌在各个平台上都没有影响力
5. 技术可访问性（20%）

AI 爬虫不会执行 JavaScript。 服务端渲染至关重要。

检查项：

  • 服务端渲染（SSR）与仅客户端内容
  • robots.txt 中是否允许 AI 爬虫访问
  • llms.txt 文件是否存在及其配置
  • RSL 1.0 许可条款

AI 爬虫检测

检查 robots.txt 中是否包含以下 AI 爬虫：

爬虫所有者用途
GPTBotOpenAIChatGPT 网页搜索
OAI-SearchBotOpenAIOpenAI 搜索功能
ChatGPT-UserOpenAIChatGPT 浏览功能
ClaudeBotAnthropicClaude 网页功能
PerplexityBotPerplexityPerplexity AI 搜索
CCBotCommon Crawl训练数据（通常会被屏蔽）
anthropic-aiAnthropicClaude 训练
BytespiderByteDanceTikTok/Douyin AI
cohere-aiCohereCohere 模型

建议： 允许 GPTBot、OAI-SearchBot、ClaudeBot 和 PerplexityBot，以提高 AI 搜索可见度。如有需要，可屏蔽 CCBot 和用于训练的爬虫。

llms.txt 标准

请阅读 references/llmstxt-evidence.md，了解主要来源的证据（Mueller、Illyes、SE Ranking 对 30 万个域名的研究、OtterlyAI 服务器日志审计），这些证据说明了为什么 /llms.txt 目前并非主要 AI 搜索系统的引用助力。seo-skills 会报告其存在情况，但不会赋予其引用排名权重。

新兴的 llms.txt 标准可为 AI 爬虫提供结构化内容指引。

位置： /llms.txt（域名根目录）

格式：

# Title of site
> Brief description

## Main sections
- [Page title](url): Description
- [Another page](url): Description

## Optional: Key facts
- Fact 1
- Fact 2

检查项：

  • 是否存在 /llms.txt
  • 结构化内容指引
  • 重要页面概览
  • 联系方式/权威信息

RSL 1.0（Really Simple Licensing）

于 2025 年 12 月推出的新标准，用于以机器可读的形式提供 AI 许可条款。

支持方： Reddit、Yahoo、Medium、Quora、Cloudflare、Akamai、Creative Commons

检查项： RSL 实施情况及许可条款是否恰当。

针对不同平台的优化

平台关键引用来源优化重点
Google AI Overviews排名靠前的 10 个页面（92%）传统 SEO + 段落优化
ChatGPTWikipedia（47.9%）、Reddit（11.3%）实体呈现、权威来源
PerplexityReddit（46.7%）、Wikipedia社区认可、讨论
Bing CopilotBing 索引、权威网站Bing SEO、IndexNow

输出

生成 GEO-ANALYSIS.md，包含：

  1. GEO 准备度评分：XX/100
  2. 平台细分评分（Google AIO、ChatGPT、Perplexity）
  3. AI 爬虫访问状态（允许/屏蔽的爬虫）
  4. llms.txt 状态（存在、缺失、建议）
  5. 品牌提及分析（在 Wikipedia、Reddit、YouTube、LinkedIn 上的呈现情况）
  6. 段落级引用适用性（标出最佳长度为 134–167 个单词的内容块）
  7. 服务端渲染检查（JavaScript 依赖分析）
  8. 影响最大的 5 项改进
  9. Schema 建议（提升 AI 发现能力）
  10. 内容改写建议（指出需要重写的具体段落）

快速见效的改进

  1. 在前 60 个单词内添加“什么是 [topic]？”定义
  2. 创建长度为 134–167 个单词、可独立阅读的答案内容块
  3. 添加疑问式 H2/H3 标题
  4. 加入有来源的具体统计数据
  5. 添加发布日期/更新日期
  6. 为作者实施 Person schema
  7. 在 robots.txt 中允许关键 AI 爬虫

中等工作量

  1. 创建 /llms.txt 文件
  2. 添加包含资历信息的作者简介，并附上 Wikipedia/LinkedIn 链接
  3. 确保关键内容采用服务端渲染
  4. 在 Reddit、YouTube 上建立实体呈现
  5. 添加带数据的对比表格
  6. 添加 FAQ 部分（采用结构化形式，而非为商业网站使用 schema）

高影响力

  1. 开展原创研究/调查（提升独特引用价值）
  2. 为品牌/关键人物建立 Wikipedia 呈现
  3. 建立 YouTube 频道并发布提及相关内容的视频
  4. 实施全面的实体链接（在各平台使用 sameAs）
  5. 开发独特的工具或计算器

DataForSEO 集成（可选）

如果可以使用 DataForSEO MCP 工具，请使用 ai_optimization_chat_gpt_scraper 检查 ChatGPT 网页搜索对目标查询的返回结果（真实的 GEO 可见度检查），并结合 ai_opt_llm_ment_top_domains 使用 ai_opt_llm_ment_search，跟踪 AI 平台上的 LLM 提及情况。

错误处理

场景操作
URL 无法访问（DNS 故障、连接被拒绝）清楚地报告错误。不要猜测网站内容。建议用户检查 URL 并重试。
robots.txt 屏蔽了 AI 爬虫准确报告哪些爬虫被屏蔽、哪些爬虫获准访问。提供用于启用 AI 搜索可见度的具体 robots.txt 指令。
未找到 llms.txt说明缺少该文件，并根据网站的内容结构提供可直接使用的 llms.txt 模板。
未检测到结构化数据报告这一缺失，并提供具体的 schema 建议（Article、Organization、Person），以提升 AI 可发现性。

FLOW 框架集成

若要通过提示词引导 AI 内容优化，请使用 /seo flow optimize <url> — FLOW 的 21 条优化阶段提示词，结合基于证据的 AI 提示词，对 GEO 的可引用性和结构分析进行补充。

评论

支持 Markdown