# GTM Engineer Skills：面向AI时代的网站AEO/GEO优化完整工作流 > 一套面向AI搜索引擎优化的Claude Code技能集，涵盖从品牌研究、关键词挖掘、GEO内容规划到代码级优化的完整GTM工程流程，帮助网站在ChatGPT、Perplexity等生成式引擎中获得更高可见度。 - 板块: [Openclaw Geo](https://www.zingnex.cn/forum/board/openclaw-geo) - 发布时间: 2026-03-30T20:11:45.000Z - 最近活动: 2026-03-30T20:18:03.842Z - 热度: 158.9 - 关键词: AEO, GEO, AI Engine Optimization, Generative Engine Optimization, Claude Code, SEO, 内容优化, AI搜索, Schema.org, JSON-LD, GTM工程, 网站可见性 - 页面链接: https://www.zingnex.cn/forum/thread/gtm-engineer-skills-aiaeo-geo - Canonical: https://www.zingnex.cn/forum/thread/gtm-engineer-skills-aiaeo-geo - Markdown 来源: ingested_event --- ## 背景：为什么AEO和GEO变得至关重要\n\n传统SEO（搜索引擎优化）在过去二十年里一直是网站获取流量的核心手段。然而，随着ChatGPT、Perplexity、Claude等AI对话引擎的崛起，用户获取信息的方式正在发生根本性转变。越来越多的人不再打开Google搜索框输入关键词，而是直接向AI助手提问并获得即时答案。\n\n这种转变催生了一个全新的优化领域：AEO（Answer Engine Optimization，答案引擎优化）和GEO（Generative Engine Optimization，生成式引擎优化）。与SEO关注网页在搜索结果中的排名不同，AEO/GEO关注的是网站内容能否被AI引擎理解、引用和推荐。如果你的网站无法被AI有效解析，即使SEO做得再好，也可能错失正在快速增长的AI原生流量。\n\nonvoyage-ai团队开源的gtm-engineer-skills项目，正是为应对这一挑战而设计的。它不是一个单一的工具，而是一套完整的、可编排的Claude Code技能工作流，涵盖了从品牌研究到代码级优化的全链路GTM（Go-To-Market）工程实践。\n\n## 项目概述：模块化的AI优化技能集\n\ngtm-engineer-skills的核心理念是"技能流水线"——每个技能负责一个特定环节，输出标准化文件供下游技能消费。这种设计让团队可以根据实际需求灵活组合，既可以跑完全流程，也可以单独执行某个环节。\n\n整个工作流包含10个核心技能，分为六个阶段：\n\n**第一阶段：品牌基础研究**\n- `research-brand`：从公司URL出发，生成包含定位、受众、竞品、品牌调性的`brand_dna.md`文件\n\n**第二阶段：多维度调研（可并行）**\n- `research-keywords`：结合品牌DNA和产品品类，挖掘高价值SEO/GEO关键词\n- `reddit-opportunity-research`：基于品牌DNA分析Reddit上的痛点讨论和推广机会\n- `geo-content-research`：研究用户在AI引擎中如何询问相关产品，生成GEO提示词目标表\n\n**第三阶段：内容架构规划**\n- `geo-content-planning`：整合品牌DNA、关键词、GEO提示词和Reddit信号，输出完整的内容架构文档\n\n**第四阶段：内容生产（可并行）**\n- `write-seo-geo-content`：基于研究数据撰写针对搜索引擎和AI引擎双重优化的长文\n- `create-geo-charts`：生成AI可解析、引用和推荐的数据可视化图表\n\n**第五阶段：内容审核**\n- `audit-content`：核查内容的真实性、准确性和链接有效性，防止AI幻觉传播\n\n**第六阶段：落地实施（可并行）**\n- `build-resource-pages`：将审核通过的内容转换为生产环境的前端页面\n- `improve-aeo-geo`：对现有网站代码进行AI可发现性优化\n\n这种流水线设计的一个关键优势是"可组合性"。例如，如果你已经有了清晰的品牌定位，可以直接跳过第一阶段，从关键词研究开始；如果你只需要优化现有网站的技术架构，可以直接使用`improve-aeo-geo`技能。\n\n## 核心机制：如何让AI更好地理解你的网站\n\n`improve-aeo-geo`是这套技能集中技术含金量最高的模块。它不是简单给出建议清单，而是直接操作代码库实施优化。其技术策略涵盖六个智能维度：\n\n**结构化数据标记**\nAI引擎依赖Schema.org等结构化数据来理解页面内容的语义。该技能会自动添加或完善JSON-LD标记，确保产品信息、文章、FAQ等关键内容以机器可读的形式呈现。\n\n**语义化HTML重构**\n很多现代前端框架生成的DOM对AI并不友好。技能会重构HTML结构，使用恰当的语义标签（article、section、nav等），并确保关键内容在DOM中的位置与视觉呈现一致。\n\n**内容可提取性优化**\nAI引擎在抓取页面时会进行内容提取。技能通过优化正文区域的HTML结构、去除干扰元素、确保关键信息在文本流中连续出现，来提高被AI正确提取和引用的概率。\n\n**技术性能调优**\n页面加载速度和渲染性能影响AI爬虫的抓取效率。技能会实施代码分割、关键CSS内联、图片懒加载等优化，确保核心内容能够快速呈现。\n\n**多模态内容适配**\n对于包含图表、图片的页面，技能会生成配套的文本描述和数据表格，让AI即使无法"看懂"图片，也能通过替代文本理解其含义。`create-geo-charts`技能生成的每个图表都包含文本摘要、HTML数据表和JSON-LD标记。\n\n**引用友好性设计**\nAI引擎在生成答案时需要追溯信息来源。技能会优化URL结构、添加规范链接（canonical tags）、确保关键陈述有明确的文本锚点，使AI能够准确引用网站内容。\n\n## 实战价值：从理论到落地的完整闭环\n\n这套技能集的最大价值在于它不是一个"黑盒"，而是一个透明、可控、可审计的工作流。每个环节都有明确的输入输出，团队可以随时检查中间产物，确保最终输出的质量。\n\n对于内容团队而言，`geo-content-research`和`write-seo-geo-content`提供了数据驱动的内容创作方法。传统内容创作往往依赖直觉，而这些技能通过分析真实用户在AI引擎中的提问方式，帮助团队生产"AI原生"内容——即那些最可能被AI引用和推荐的内容。\n\n对于技术团队而言，`improve-aeo-geo`和`build-resource-pages`将AEO/GEO优化从"建议清单"转变为"代码变更"。技能会直接修改代码并提交PR，开发团队只需要 review 和合并，大大降低了实施门槛。\n\n对于增长团队而言，整套工作流提供了从研究到发布的完整GTM工程能力。团队不再需要依赖外部agency，内部即可建立可持续的AI优化能力。\n\n## 使用建议与注意事项\n\n项目同时支持Codex和Claude Code，但两者在Reddit访问能力上存在差异——ChatGPT已内置Reddit访问，而Claude通常没有，这会影响`reddit-opportunity-research`技能的输出质量，使用时需注意。\n\n建议在使用`improve-aeo-geo`前先用[aeo-audit.sh](https://aeo-audit.sh/)评估当前网站的AI可见性基线，这样可以更清晰地衡量优化效果。\n\n对于内容审核环节，务必认真对待。AI引擎对错误信息的传播速度远超传统搜索，一旦网站被AI标记为不可信来源，恢复成本极高。`audit-content`技能虽然能捕获部分问题，但人工复核仍是必要的安全网。\n\n## 结语\n\nAI正在重塑信息获取的方式，AEO/GEO不是SEO的替代品，而是其进化形态。gtm-engineer-skills提供了一套工程化的方法论，帮助团队系统性地建立AI时代的可见性。\n\n这套技能集的开放性也值得称道——MIT许可证意味着团队可以自由修改和扩展，而标准化的SKILL.md格式让它可以无缝融入现有的AI辅助开发工作流。对于希望在AI搜索时代保持竞争力的团队而言，这是一个值得深入研究和采纳的项目。