一个为 Claude Code 设计的技能，能够同时审计网站的传统 SEO 表现和 AI 搜索优化（GEO）水平，输出详细的 Markdown 报告或专业 PDF 报告，包含竞品分析、关键词排名和 90 天行动计划。

Claude Code 技能 geo-seo-audit：一站式 SEO 与 GEO 审计工具\n\n## 背景：搜索生态的范式转移\n\n搜索引擎优化（SEO）已经统治了互联网营销二十年。但随着 ChatGPT、Perplexity、Claude 等 AI 搜索工具的崛起，用户获取信息的方式正在发生根本性改变。传统 SEO 关注关键词密度、外链数量和页面权重，而 GEO（Generative Engine Optimization，生成式引擎优化）则关注如何让 AI 模型更容易引用和推荐你的内容。\n\n这种转变带来了一个现实问题：大多数网站的优化策略仍然停留在传统 SEO 时代，对 AI 搜索的可见性缺乏系统性评估。geo-seo-audit 正是为解决这一痛点而诞生的 Claude Code 技能。\n\n## 项目概述\n\ngeo-seo-audit 是一个开源的 Claude Code 技能，由开发者 allexp1 创建。它的核心定位是成为网站在"双轨搜索时代"的全面体检工具——同时覆盖传统搜索引擎（Google、Bing）和 AI 搜索平台（ChatGPT、Perplexity、Claude、Google AI Overviews）。\n\n该技能的设计理念体现了几个关键原则：\n\n- 纯粹的工具属性：没有复杂的安装流程，没有隐藏的付费漏斗，没有数据收集行为\n- 可组合性：每个审计功能都是独立的 Python 脚本，可以单独运行，也可以组合使用\n- 专业输出：不仅提供原始数据，还能生成带有可视化图表的专业 PDF 报告\n\n## 核心功能解析\n\n### 1. 综合审计（/geo audit）\n\n这是最常用的入口命令。执行后会生成一份完整的 Markdown 报告，包含：\n\n- GEO 评分（0-100）：衡量网站对 AI 搜索的友好程度\n- SEO 评分（0-100）：传统搜索引擎优化水平\n- 综合评分：两者的平均值\n- 关键词排名：当前在 Google 中的排名情况\n- 可读性分析：Flesch-Kincaid 和 Gunning Fog 指数\n- 双优先级行动清单：区分快速修复和长期优化项\n\n### 2. 专业 PDF 报告（/geo pdf）\n\n对于需要向客户或管理层汇报的场景，PDF 报告功能提供了更专业的呈现方式：\n\n- 可视化评分仪表盘（Composite、GEO、SEO、Lighthouse）\n- 完整的页面内 SEO 和技术 SEO 细节\n- 关键词提取与 Google 排名数据\n- 竞品分析：针对每个关键词显示排名前 3 的竞争对手，分析他们的优势，提供超越策略\n- 关键词机会矩阵：结合难度评估和推荐行动\n- 三层内容策略：快速见效 / 新建页面 / 长期投资\n- GEO 专项策略：针对 AI 引用的优化建议\n- 90 天行动时间表：将建议转化为可执行的时间线\n\n### 3. 专项审计工具\n\n除了综合报告，技能还提供多个细粒度审计命令：\n\n| 命令 | 功能描述 |\n|------|----------|\n| /geo onpage | 页面内 SEO：标题长度、元描述、H1、Open Graph、Twitter Card、viewport、语言设置、字符编码、图片 alt 覆盖率、链接数量、字数统计 |\n| /geo technical | 技术 SEO：HTTPS、6 项安全头、压缩、响应时间、sitemap.xml、缓存策略 |\n| /geo crawlers | 检查 robots.txt 对 22 个已知 AI 爬虫的开放状态 |\n| /geo citability | 逐段评估内容的"可引用性"，判断 AI 是否容易引用该段落 |\n| /geo schema | JSON-LD 结构化数据检测与字段完整性检查 |\n| /geo llmstxt | 检查 /llms.txt 文件是否存在，或生成初始模板 |\n| /geo keywords | 提取页面关键词并检查 Google 排名 |\n| /geo readability | Flesch-Kincaid、Gunning Fog 可读性指数，以及 AI 引用可读性评分 |\n| /geo performance | 通过 PageSpeed Insights 获取 Lighthouse 评分和 Core Web Vitals |\n\n## 评分机制详解\n\n### GEO 评分（AI 搜索准备度）\n\n| 类别 | 权重 | 评估内容 |\n|------|------|----------|\n| AI 爬虫访问 | 35% | 22 个已知 AI 机器人中有多少未被 robots.txt 阻止 |\n| 可引用性 | 35% | 段落平均得分（长度、自包含性、事实密度、答案式措辞） |\n| Schema 覆盖率 | 20% | JSON-LD 存在情况及高价值类型数量 |\n| llms.txt | 10% | 文件是否存在且格式正确 |\n\n### SEO 评分（传统搜索优化）\n\n| 类别 | 权重 | 评估内容 |\n|------|------|----------|\n| 页面内 SEO | 50% | 标题、元描述、H1、canonical、OG、Twitter Card、viewport、语言、字符集、alt 属性、链接 |\n| 技术 SEO | 50% | HTTPS、安全头、压缩、速度、sitemap、缓存 |\n\n## 技术实现亮点\n\n### 独立脚本架构\n\n每个审计功能都是独立的 Python 脚本，位于 scripts/ 目录下。这种设计带来了几个优势：\n\n- 零依赖运行：即使没有 Claude Code，也可以直接运行脚本获取 JSON 输出\n- 易于调试和扩展：每个脚本职责单一，代码逻辑清晰\n- 可组合性：可以根据需求选择特定脚本运行，而非必须执行完整审计\n\n### 多源关键词排名\n\n关键词排名功能支持三种数据源，按优先级自动降级：\n\n1. SerpAPI：真实的 Google 排名数据（每月 100 次免费调用）\n2. Google Custom Search API：每日 100 次免费配额\n3. DuckDuckGo：无需 API Key，作为兜底方案\n\n### PDF 报告生成\n\nPDF 生成功能使用 reportlab 库，将审计数据转化为专业的多页报告。报告包含可视化元素（评分仪表盘）、结构化内容（竞品分析表格）和可执行建议（90 天时间线）。\n\n## 竞品分析的独特价值\n\ngeo-seo-audit 的 PDF 报告功能中，竞品分析模块尤其值得关注。它不仅告诉你"你的排名是多少"，更重要的是分析"为什么排在你前面"以及"如何超越他们"。\n\n对于每个目标关键词，报告会：\n\n1. 识别当前排名前三的竞争对手\n2. 分析他们的页面优势（内容深度、技术实现、用户体验等）\n3. 提供具体的超越策略（内容缺口填补、技术优化、结构改进）\n4. 将机会按难度分层（快速见效 / 中期投入 / 长期建设）\n\n这种"诊断 + 处方"的模式，让审计报告从单纯的数据展示升级为可执行的优化路线图。\n\n## 局限性与使用建议\n\n项目文档坦诚地列出了当前限制：\n\n- 静态 HTML 限制：JavaScript 渲染的页面在可引用性和 Schema 检测中可能显示不完整\n- 无认证支持：需要登录的页面只能返回公开版本\n- 启发式评分：可引用性评分是代理指标，而非实际 AI 引用量的测量\n- DuckDuckGo 差异：没有 SerpAPI 时，关键词排名仅供参考，不等同于 Google 实际排名\n- PageSpeed 配额：免费 API 有每日限额，高频使用需配置 API Key\n\n对于使用者而言，建议：\n\n1. 优先配置 SerpAPI Key：获取真实的 Google 排名数据\n2. 结合人工判断：评分是起点而非终点，需要结合业务场景解读\n3. 定期审计：搜索算法和 AI 模型持续演进，建议每月执行一次全面审计\n\n## 安装与使用\n\n安装过程体现了极简主义哲学：\n\nbash\ngit clone https://github.com/allexp1/geo-seo-audit.git\ncd geo-seo-audit\n./install.sh\npython3 -m pip install -r requirements.txt\n\n\ninstall.sh 只是简单的文件复制，用户可以在 10 秒内读完整个脚本，确认没有隐藏行为。\n\n## 总结：为什么值得关注\n\ngeo-seo-audit 代表了一种工具设计的新思路——不是堆砌功能，而是精准解决一个正在扩大的市场痛点：传统 SEO 和 AI 搜索优化之间的鸿沟。\n\n它的价值不仅在于技术实现，更在于其设计哲学：\n\n- 透明：没有黑盒算法，评分逻辑完全公开\n- 实用：输出的是可执行的建议，而非空洞的数据\n- 专业：PDF 报告的质量足以直接提交给客户或管理层\n- 开放：MIT 协议，无商业绑定\n\n对于内容创作者、网站运营者和数字营销人员来说，这是一个值得加入工具箱的技能——尤其是当你开始思考"如何让 AI 更容易找到并引用我的内容"时。\n\n## 相关链接\n\n- GitHub 仓库：https://github.com/allexp1/geo-seo-audit\n- 许可证：MIT

Claude Code 技能 geo-seo-audit：一站式 SEO 与 GEO 审计工具\n\n背景：搜索生态的范式转移\n\n搜索引擎优化（SEO）已经统治了互联网营销二十年。但随着 ChatGPT、Perplexity、Claude 等 AI 搜索工具的崛起，用户获取信息的方式正在发生根本性改变。传统 SEO 关注关键词密度、外链数量和页面权重，而 GEO（Generative Engine Optimization，生成式引擎优化）则关注如何让 AI 模型更容易引用和推荐你的内容。\n\n这种转变带来了一个现实问题：大多数网站的优化策略仍然停留在传统 SEO 时代，对 AI 搜索的可见性缺乏系统性评估。geo-seo-audit 正是为解决这一痛点而诞生的 Claude Code 技能。\n\n项目概述\n\ngeo-seo-audit 是一个开源的 Claude Code 技能，由开发者 allexp1 创建。它的核心定位是成为网站在"双轨搜索时代"的全面体检工具——同时覆盖传统搜索引擎（Google、Bing）和 AI 搜索平台（ChatGPT、Perplexity、Claude、Google AI Overviews）。\n\n该技能的设计理念体现了几个关键原则：\n\n- 纯粹的工具属性：没有复杂的安装流程，没有隐藏的付费漏斗，没有数据收集行为\n- 可组合性：每个审计功能都是独立的 Python 脚本，可以单独运行，也可以组合使用\n- 专业输出：不仅提供原始数据，还能生成带有可视化图表的专业 PDF 报告\n\n核心功能解析\n\n1. 综合审计（/geo audit）\n\n这是最常用的入口命令。执行后会生成一份完整的 Markdown 报告，包含：\n\n- GEO 评分（0-100）：衡量网站对 AI 搜索的友好程度\n- SEO 评分（0-100）：传统搜索引擎优化水平\n- 综合评分：两者的平均值\n- 关键词排名：当前在 Google 中的排名情况\n- 可读性分析：Flesch-Kincaid 和 Gunning Fog 指数\n- 双优先级行动清单：区分快速修复和长期优化项\n\n2. 专业 PDF 报告（/geo pdf）\n\n对于需要向客户或管理层汇报的场景，PDF 报告功能提供了更专业的呈现方式：\n\n- 可视化评分仪表盘（Composite、GEO、SEO、Lighthouse）\n- 完整的页面内 SEO 和技术 SEO 细节\n- 关键词提取与 Google 排名数据\n- 竞品分析：针对每个关键词显示排名前 3 的竞争对手，分析他们的优势，提供超越策略\n- 关键词机会矩阵：结合难度评估和推荐行动\n- 三层内容策略：快速见效 / 新建页面 / 长期投资\n- GEO 专项策略：针对 AI 引用的优化建议\n- 90 天行动时间表：将建议转化为可执行的时间线\n\n3. 专项审计工具\n\n除了综合报告，技能还提供多个细粒度审计命令：\n\n| 命令 | 功能描述 |\n|------|----------|\n| /geo onpage | 页面内 SEO：标题长度、元描述、H1、Open Graph、Twitter Card、viewport、语言设置、字符编码、图片 alt 覆盖率、链接数量、字数统计 |\n| /geo technical | 技术 SEO：HTTPS、6 项安全头、压缩、响应时间、sitemap.xml、缓存策略 |\n| /geo crawlers | 检查 robots.txt 对 22 个已知 AI 爬虫的开放状态 |\n| /geo citability | 逐段评估内容的"可引用性"，判断 AI 是否容易引用该段落 |\n| /geo schema | JSON-LD 结构化数据检测与字段完整性检查 |\n| /geo llmstxt | 检查 /llms.txt 文件是否存在，或生成初始模板 |\n| /geo keywords | 提取页面关键词并检查 Google 排名 |\n| /geo readability | Flesch-Kincaid、Gunning Fog 可读性指数，以及 AI 引用可读性评分 |\n| /geo performance | 通过 PageSpeed Insights 获取 Lighthouse 评分和 Core Web Vitals |\n\n评分机制详解\n\nGEO 评分（AI 搜索准备度）\n\n| 类别 | 权重 | 评估内容 |\n|------|------|----------|\n| AI 爬虫访问 | 35% | 22 个已知 AI 机器人中有多少未被 robots.txt 阻止 |\n| 可引用性 | 35% | 段落平均得分（长度、自包含性、事实密度、答案式措辞） |\n| Schema 覆盖率 | 20% | JSON-LD 存在情况及高价值类型数量 |\n| llms.txt | 10% | 文件是否存在且格式正确 |\n\nSEO 评分（传统搜索优化）\n\n| 类别 | 权重 | 评估内容 |\n|------|------|----------|\n| 页面内 SEO | 50% | 标题、元描述、H1、canonical、OG、Twitter Card、viewport、语言、字符集、alt 属性、链接 |\n| 技术 SEO | 50% | HTTPS、安全头、压缩、速度、sitemap、缓存 |\n\n技术实现亮点\n\n独立脚本架构\n\n每个审计功能都是独立的 Python 脚本，位于 scripts/ 目录下。这种设计带来了几个优势：\n\n- 零依赖运行：即使没有 Claude Code，也可以直接运行脚本获取 JSON 输出\n- 易于调试和扩展：每个脚本职责单一，代码逻辑清晰\n- 可组合性：可以根据需求选择特定脚本运行，而非必须执行完整审计\n\n多源关键词排名\n\n关键词排名功能支持三种数据源，按优先级自动降级：\n\n1. SerpAPI：真实的 Google 排名数据（每月 100 次免费调用）\n2. Google Custom Search API：每日 100 次免费配额\n3. DuckDuckGo：无需 API Key，作为兜底方案\n\nPDF 报告生成\n\nPDF 生成功能使用 reportlab 库，将审计数据转化为专业的多页报告。报告包含可视化元素（评分仪表盘）、结构化内容（竞品分析表格）和可执行建议（90 天时间线）。\n\n竞品分析的独特价值\n\ngeo-seo-audit 的 PDF 报告功能中，竞品分析模块尤其值得关注。它不仅告诉你"你的排名是多少"，更重要的是分析"为什么排在你前面"以及"如何超越他们"。\n\n对于每个目标关键词，报告会：\n\n1. 识别当前排名前三的竞争对手\n2. 分析他们的页面优势（内容深度、技术实现、用户体验等）\n3. 提供具体的超越策略（内容缺口填补、技术优化、结构改进）\n4. 将机会按难度分层（快速见效 / 中期投入 / 长期建设）\n\n这种"诊断 + 处方"的模式，让审计报告从单纯的数据展示升级为可执行的优化路线图。\n\n局限性与使用建议\n\n项目文档坦诚地列出了当前限制：\n\n- 静态 HTML 限制：JavaScript 渲染的页面在可引用性和 Schema 检测中可能显示不完整\n- 无认证支持：需要登录的页面只能返回公开版本\n- 启发式评分：可引用性评分是代理指标，而非实际 AI 引用量的测量\n- DuckDuckGo 差异：没有 SerpAPI 时，关键词排名仅供参考，不等同于 Google 实际排名\n- PageSpeed 配额：免费 API 有每日限额，高频使用需配置 API Key\n\n对于使用者而言，建议：\n\n1. 优先配置 SerpAPI Key：获取真实的 Google 排名数据\n2. 结合人工判断：评分是起点而非终点，需要结合业务场景解读\n3. 定期审计：搜索算法和 AI 模型持续演进，建议每月执行一次全面审计\n\n安装与使用\n\n安装过程体现了极简主义哲学：\n\nbash\ngit clone https://github.com/allexp1/geo-seo-audit.git\ncd geo-seo-audit\n./install.sh\npython3 -m pip install -r requirements.txt\n\n\ninstall.sh 只是简单的文件复制，用户可以在 10 秒内读完整个脚本，确认没有隐藏行为。\n\n总结：为什么值得关注\n\ngeo-seo-audit 代表了一种工具设计的新思路——不是堆砌功能，而是精准解决一个正在扩大的市场痛点：传统 SEO 和 AI 搜索优化之间的鸿沟。\n\n它的价值不仅在于技术实现，更在于其设计哲学：\n\n- 透明：没有黑盒算法，评分逻辑完全公开\n- 实用：输出的是可执行的建议，而非空洞的数据\n- 专业：PDF 报告的质量足以直接提交给客户或管理层\n- 开放：MIT 协议，无商业绑定\n\n对于内容创作者、网站运营者和数字营销人员来说，这是一个值得加入工具箱的技能——尤其是当你开始思考"如何让 AI 更容易找到并引用我的内容"时。\n\n相关链接\n\n- GitHub 仓库：https://github.com/allexp1/geo-seo-audit\n- 许可证：MIT