覆盖度审计做三个方向的差集：注册表有但站点无（待建页面）、站点有但注册表无（未纳管页面，风险最高）、注册表有页面但未被索引（GSC 验证）。脚本负责集合运算，模型负责按 priority×搜索量排序并输出建页优先级清单。

AI Skill：页面覆盖度审计——找出注册表中无对应页面的词

三个方向的差集

覆盖度审计不只是“哪些词还没页面”，而是三个方向的完整比对：

        注册表                    实际站点
    ┌──────────────┐          ┌──────────────┐
    │              │          │              │
    │   A 区       │  B 区    │    C 区      │
    │ 有词无页面   │ 已覆盖   │ 有页面无词   │
    │              │          │              │
    └──────────────┘          └──────────────┘

C 区最危险：一个没有在注册表登记的页面，意味着它的 PKW 和 NKW 都没有定义，可能正在和 Pillar 页抢词而无人知晓。

Skill 说明书

# Skill：页面覆盖度审计

## 何时使用
- 用户要求检查内容缺口
- 规划下一季度内容日历前
- 定期（每月）覆盖度检查

## 输入
- `registry.json`（注册表）
- `sitemap.xml` 的 URL 或本地路径（实际站点页面清单）
- 可选：GSC 导出的 Coverage 报告 CSV（验证索引状态）

## 执行步骤

### Step 1：运行确定性脚本
执行 `scripts/coverage-audit.mjs`，获得三个区的 URL 清单。
必须跑脚本，不要人工比对 sitemap。

### Step 2：C 区优先处理（你来判断）
对每个未纳管页面（C 区），判断：
1. 这个页面应该存在吗？
   - 应该 → 输出补登注册表的建议（含推断的 PKW/intent_type/page_type）
   - 不应该（测试页/重复页/过时页）→ 建议 noindex 或 301 重定向
2. 如果应该存在，它的 PKW 是否与已有页面冲突？
   - 冲突 → 标为 error，需要先解决冲突再补登

### Step 3：A 区排序（你来判断）
对待建页面清单，按以下加权排序：
- priority 字段（注册表已有，权重 40%）
- monthly_volume（如有，权重 30%）
- 意图类型（commercial > engineering > informational，权重 20%）
- 是否有对应的 Pillar 已上线（有 Pillar 的 Cluster 优先，权重 10%）

输出 Top 10 待建页面，每项给出建议的 page_type 和内容要点。

### Step 4：B 区索引验证（如提供 GSC 数据）
比对 B 区页面与 GSC Coverage 报告：
- 已索引 → 通过
- 未索引（Discovered/Crawled but not indexed）→ 标为 warn，
  可能原因：内容太薄、无内链、canonical 指向别处

## 输出格式

页面覆盖度审计报告

生成时间：[YYYY-MM-DD] 注册表词数：[N]　站点页面数：[N] 覆盖率：[N]%（B 区 / 注册表总数）

ERROR：未纳管页面且存在词冲突（[N] 项）

E1. /products/pump-manufacturer-china/

• 未在注册表登记
• 推断 PKW：pump manufacturer china
• 冲突：与 /products/centrifugal-pumps/ 的 PKW centrifugal pump manufacturer 语义重叠
• 建议动作：301 重定向到 /products/centrifugal-pumps/

WARN：未纳管页面（[N] 项）

W1. /blog/pump-maintenance-tips/

• 未在注册表登记
• 推断 PKW：centrifugal pump maintenance
• 推断 intent_type：informational
• 推断 page_type：cluster-resource
• 建议动作：补登注册表，NKW 加入 manufacturer, supplier, OEM, buy, quote

待建页面清单（Top 10，按优先级）

每项附内容要点（3–5 条）。

已覆盖但未被索引（[N] 项，如有 GSC 数据）

/applications/pump-hvac/

• GSC 状态：Crawled - currently not indexed
• 可能原因：内容 320 词（偏薄），无内链指向该页
• 建议动作：扩充内容至 800+ 词，从 Pillar 页添加内链

## 禁止行为
- 不要自动创建页面（只输出清单）
- 不要跳过 C 区分析——未纳管页面是最高优先级
- 待建页面清单不要超过 10 项（避免清单太长无法执行）

确定性脚本

// scripts/coverage-audit.mjs
import fs from 'fs/promises';

const registry = JSON.parse(await fs.readFile('registry.json', 'utf8'));

// 从 sitemap 提取实际页面 URL
async function getSitemapUrls(sitemapPath) {
  const xml = await fs.readFile(sitemapPath, 'utf8');
  const matches = [...xml.matchAll(/<loc>(.*?)<\/loc>/g)];
  return matches.map(m => {
    const url = new URL(m[1]);
    return url.pathname;
  });
}

const sitemapUrls = await getSitemapUrls('dist/sitemap-0.xml');
const sitemapSet = new Set(sitemapUrls);

// 注册表中的 page_slug 集合（去重，因为一个页面可以有多行）
const registrySlugs = new Set(
  registry
    .filter(r => r.status === 'active')
    .map(r => r.page_slug)
);

// A 区：注册表有，站点无
const missingPages = [...registrySlugs].filter(s => !sitemapSet.has(s));

// C 区：站点有，注册表无
const unmanagedPages = sitemapUrls.filter(u => !registrySlugs.has(u));

// B 区：两边都有
const covered = [...registrySlugs].filter(s => sitemapSet.has(s));

// A 区页面的详细信息（含 priority 和搜索量，供模型排序）
const missingDetails = missingPages.map(slug => {
  const rows = registry.filter(r => r.page_slug === slug);
  return {
    slug,
    pkw: rows[0]?.pkw,
    intent: rows[0]?.intent_type,
    pageType: rows[0]?.page_type,
    priority: rows[0]?.priority,
    monthlyVolume: rows[0]?.monthly_volume ?? null,
    allKeywords: rows.map(r => r.keyword),
  };
});

console.log(JSON.stringify({
  summary: {
    registryPages: registrySlugs.size,
    sitemapPages: sitemapUrls.length,
    covered: covered.length,
    missing: missingPages.length,
    unmanaged: unmanagedPages.length,
    coverageRate: ((covered.length / registrySlugs.size) * 100).toFixed(1) + '%',
  },
  // A 区：待建页面
  missingPages: missingDetails,
  // C 区：未纳管页面（最高优先级）
  unmanagedPages,
  // B 区：已覆盖（供 GSC 索引状态验证）
  coveredPages: covered,
}, null, 2));

与死链审计的边界

站内已有的「Sitemap × 实际路由差异审计」Skill 检查的是技术层面的一致性（sitemap 里有但实际 404、实际存在但 sitemap 遗漏）。

覆盖度审计检查的是策略层面的一致性（注册表规划了但没建、建了但没规划）。

两者输入不同、判定标准不同、修复动作不同——不要合并成一个 Skill，会让说明书的判定规则变得模糊。

GSC 索引验证的补充说明

B 区页面存在不等于被索引。常见的“建了但没进索引”原因：

pSEO 批量生成的页面最容易出现 Crawled - currently not indexed——因为内容相似度高。这也是为什么第27篇强调每个场景页必须有独有的技术内容。

→ AI Skill：Cannibalization 诊断——同站竞争页面识别