GEO 覆盖审计检查六类项：robots.txt 是否放行 AI 爬虫、内容是否服务端渲染、FAQ 是否用标题标签且自包含、参数表是否用原生 table+caption、hreflang 是否双向自引用、Schema 是否完整。脚本做结构检查，模型判断 FAQ 答案的自包含程度。

AI Skill：GEO 覆盖审计——多语言与 AI 可见性缺口分析

审计的六类检查项

第 40–44 篇讲了 GEO 的全部规范。这个 Skill 把它们转成可执行的检查规则，按优先级排列（对 AI 可见性影响从大到小）：

#	检查项	数据来源	影响
1	robots.txt 是否放行 AI 爬虫	robots.txt	致命：屏蔽了则完全不可见
2	内容是否服务端渲染	HTML 源码	致命：JS 渲染则 AI 抓不到
3	FAQ 是否用标题标签且自包含	HTML 结构 + 语义	高
4	参数表是否原生 table + caption	HTML 结构	高
5	hreflang 是否双向自引用	HTML head	中（仅多语言站）
6	Schema 完整性	JSON-LD	中

前两项是致命项——不通过的话，后面四项做得再好都没用。所以审计必须按这个顺序执行。

这个 Skill 只查结构，查不了覆盖。

把六项检查排在一起看会发现：它们全都在问“格式对不对”，没有一项在问“该答的问题答了没有”。原因是没有期望值可比——SEO 侧的每个审计都拿关键词注册表当期望值算差集，GEO 侧当时没有那张表。

补上 GEO 意图注册表之后，审计才能加第二层：登记未落地、落地未登记、主答块缺失、复述块与主答块文本分叉、fact_refs 悬空。这一层全部是确定性判定，脚本能直接判。见 GEO 审计升级：从「结构合规」到「有没有被引用」—— 那篇的第一层直接调用本篇的脚本，两者不重复。

这篇是 GEO 审计的结构层。下一组文章会在此基础上补上站级期望值：先建立意图注册表，再检查登记、落地和复述是否一致；最后由健康度报告汇总新的 GEO 指标。

Skill 说明书

# Skill：GEO 覆盖审计

## 何时使用
- 定期（每季度）GEO 健康检查
- 在 Perplexity/ChatGPT 测试发现未被引用时
- 上线新一批页面后

## 输入
- 构建产物目录（如 `dist/`）
- 站点 URL（用于抓取线上 robots.txt 验证）

## 执行步骤

### Step 1：致命项检查（先跑，不通过则停止后续）

执行 `scripts/geo-audit.mjs --critical`

**检查 1：robots.txt AI 爬虫放行**
必须检查以下 User-Agent 是否被 Disallow：
GPTBot, OAI-SearchBot, ChatGPT-User, ClaudeBot, Claude-Web,
PerplexityBot, Google-Extended

判定：
- 任一被 `Disallow: /` → error（致命）
- 未显式提及但 `User-agent: *` 允许 → 通过（默认允许）
- 显式 `Allow: /` → 通过（最优）

**检查 2：服务端渲染验证**
对每个页面的 HTML，检查 `<main>` 或 `<body>` 内的纯文本长度。
判定：
- 纯文本 < 200 字符 → error（疑似客户端渲染）
- 纯文本 ≥ 200 字符 → 通过

如果任一致命项不通过，输出 error 报告并停止，
不要继续检查后续项——先解决致命问题。

### Step 2：结构项检查

执行 `scripts/geo-audit.mjs --structure`

脚本检查：
- FAQ 区域是否用 h2/h3 标签（而非 strong/b）
- 是否存在 `<table>` 元素，是否有 `<caption>`
- hreflang 标签的双向性和自引用
- JSON-LD 的存在性和类型

### Step 3：FAQ 自包含性判断（你来做）

脚本会提取所有 FAQ 的问题标题和答案文本。
对每条 FAQ，按第 41 篇的自包含原则判断：

**问题标题检查**：
- 是否包含完整主体名（型号名/产品名）
  ✅ "What is the maximum temperature of the CP-100 centrifugal pump?"
  ❌ "最高温度是多少？"（缺主体）
  ❌ "What is its operating range?"（用 its 指代）

**答案首句检查**：
- 首句是否包含主体名（不用 it/this/该产品 指代）
- 首句是否给出核心结论或数值
  ✅ "The CP-100 operates from -20°C to 120°C."
  ❌ "It depends on the configuration."（无实质信息）
  ❌ "该泵的温度范围较宽。"（无具体数值）

**答案长度检查**：
- 80–150 词 → 通过
- < 50 词 → warn（信息可能不足）
- > 200 词 → warn（可能被 chunk 切断，建议拆分）

**双单位检查**：
- 技术参数是否同时给出公制和英制
  ✅ "-20°C to 120°C (-4°F to 248°F)"
  ⚠️ "-20°C to 120°C"（缺英制，影响北美搜索匹配）

### Step 4：输出报告

## 输出格式

GEO 覆盖审计报告

生成时间：[YYYY-MM-DD] 检查页面数：[N] GEO 就绪度：[N]%

致命项（[通过/不通过]）

✅ robots.txt AI 爬虫放行

GPTBot: Allow
ClaudeBot: Allow
PerplexityBot: Allow
OAI-SearchBot: Allow
Google-Extended: 未显式提及（默认允许）
建议：显式添加 Allow 规则，更明确

✅ 服务端渲染

[N]/[N] 页面纯文本内容 ≥ 200 字符
无客户端渲染问题

ERROR（[N] 项）

E1. FAQ 使用加粗文字而非标题标签

文件：/applications/centrifugal-pump-mining/
当前：<strong>What flow rate is needed for mine dewatering?</strong>
应为：<h3>What flow rate is needed for mine dewatering?</h3>
影响：RAG 系统无法在标题边界切片，该问答可能与前后内容混在一个 chunk 里，稀释语义相关性

E2. 参数表缺少 caption

文件：/products/centrifugal-pumps/cp-100/
当前：<table> 无 <caption> 子元素
应添加：<caption>CP-100 Centrifugal Pump Technical Specifications</caption>
影响：LLM 提取参数时无法确认该表属于哪个型号，引用率下降

WARN（[N] 项）

W1. FAQ 答案首句使用指代词

文件：/products/centrifugal-pumps/cp-200s/
问题：“What materials is the CP-200S available in?”
当前答案首句：“It is available in SS316 and duplex steel.”
建议改为：“The CP-200S is available in SS316 stainless steel and duplex steel casing options.”
原因：chunk 被单独提取后，“It” 无指代对象

W2. 技术参数缺少英制单位

文件：/products/centrifugal-pumps/cp-100/
参数：“Flow rate: 5–120 m³/h”
建议：“Flow rate: 5–120 m³/h (22–528 GPM)”

W3. hreflang 缺少自引用

文件：/de/produkte/kreiselpumpen/
当前 hreflang：en, fr, x-default
缺少：de（指向自己）
影响：hreflang 组不完整，Google 可能忽略整组

通过项

[N] 个 FAQ 符合自包含规范
[N] 个参数表使用原生 table + caption
[N] 个页面有完整的 Schema（Product/FAQPage/TechArticle）


## 禁止行为
- 致命项不通过时，不要继续输出结构项的细节
  （先解决致命问题，否则其他改动都是白做）
- 不要建议添加 llms.txt 作为高优先级项
  （它的确定性回报低于前四项）

确定性脚本

// scripts/geo-audit.mjs
import fs from 'fs/promises';
import path from 'path';
import { parse } from 'node-html-parser';

const DIST = 'dist';
const AI_CRAWLERS = [
  'GPTBot', 'OAI-SearchBot', 'ChatGPT-User',
  'ClaudeBot', 'Claude-Web', 'PerplexityBot',
  'Google-Extended', 'Applebot-Extended',
];

// ── 致命项 1：robots.txt 检查 ──
async function checkRobots() {
  let robots;
  try {
    robots = await fs.readFile(path.join(DIST, 'robots.txt'), 'utf8');
  } catch {
    return { pass: false, reason: 'robots.txt not found' };
  }

  const results = {};
  for (const crawler of AI_CRAWLERS) {
    // 匹配该 crawler 的段落
    const re = new RegExp(
      `User-agent:\\s*${crawler}[\\s\\S]*?(?=User-agent:|$)`, 'i'
    );
    const section = robots.match(re)?.[0];

    if (!section) {
      results[crawler] = 'not_specified';  // 遵循 User-agent: * 规则
    } else if (/Disallow:\s*\/\s*$/m.test(section)) {
      results[crawler] = 'BLOCKED';
    } else {
      results[crawler] = 'allowed';
    }
  }

  const blocked = Object.entries(results)
    .filter(([, v]) => v === 'BLOCKED')
    .map(([k]) => k);

  return { pass: blocked.length === 0, results, blocked };
}

// ── 致命项 2：服务端渲染检查 ──
async function checkSSR(htmlFiles) {
  const failures = [];
  for (const file of htmlFiles) {
    const html = await fs.readFile(file, 'utf8');
    const root = parse(html);
    const main = root.querySelector('main') || root.querySelector('body');
    const text = (main?.text ?? '').replace(/\s+/g, ' ').trim();
    if (text.length < 200) {
      failures.push({ file, textLength: text.length });
    }
  }
  return { pass: failures.length === 0, failures };
}

// ── 结构项检查 ──
async function checkStructure(htmlFiles) {
  const issues = { faqHeading: [], tableCaption: [], hreflang: [], schema: [] };
  const faqData = [];

  for (const file of htmlFiles) {
    const html = await fs.readFile(file, 'utf8');
    const root = parse(html);
    const urlPath = '/' + path.relative(DIST, file)
      .replace(/index\.html$/, '').replace(/\\/g, '/');

    // FAQ：查找疑似问句的 strong/b 元素（应该用标题标签）
    root.querySelectorAll('strong, b').forEach(el => {
      const text = el.text.trim();
      if (/^(what|how|when|why|can|is|does|are|do)\b.*\?$/i.test(text)) {
        issues.faqHeading.push({ file: urlPath, text });
      }
    });

    // 提取实际的 FAQ（h2/h3 疑问句 + 后续段落），供模型判断自包含性
    root.querySelectorAll('h2, h3').forEach(h => {
      const q = h.text.trim();
      if (!q.endsWith('?')) return;
      let node = h.nextElementSibling;
      const answerParts = [];
      while (node && !['H2', 'H3'].includes(node.tagName)) {
        if (node.tagName === 'P') answerParts.push(node.text.trim());
        node = node.nextElementSibling;
      }
      const answer = answerParts.join(' ');
      faqData.push({
        file: urlPath,
        question: q,
        answer,
        wordCount: answer.split(/\s+/).length,
      });
    });

    // 参数表：检查 caption
    root.querySelectorAll('table').forEach((t, i) => {
      if (!t.querySelector('caption')) {
        issues.tableCaption.push({ file: urlPath, tableIndex: i });
      }
    });

    // hreflang：检查自引用
    const hreflangs = root.querySelectorAll('link[rel="alternate"][hreflang]')
      .map(l => l.getAttribute('hreflang'));
    if (hreflangs.length > 0) {
      // 从路径推断当前语言（/de/... → de）
      const langMatch = urlPath.match(/^\/([a-z]{2})\//);
      const currentLang = langMatch?.[1] ?? 'en';
      if (!hreflangs.includes(currentLang)) {
        issues.hreflang.push({
          file: urlPath, currentLang, declared: hreflangs,
        });
      }
      if (!hreflangs.includes('x-default')) {
        issues.hreflang.push({ file: urlPath, missing: 'x-default' });
      }
    }

    // Schema：检查 JSON-LD 存在性和类型
    const schemas = root.querySelectorAll('script[type="application/ld+json"]')
      .map(s => {
        try { return JSON.parse(s.text)['@type']; } catch { return 'INVALID'; }
      });
    if (schemas.length === 0) {
      issues.schema.push({ file: urlPath, missing: 'no JSON-LD found' });
    }
    if (schemas.includes('INVALID')) {
      issues.schema.push({ file: urlPath, error: 'invalid JSON-LD syntax' });
    }
  }

  return { issues, faqData };
}

// ── 主流程 ──
async function collectHtml(dir) {
  const out = [];
  for (const e of await fs.readdir(dir, { withFileTypes: true })) {
    const full = path.join(dir, e.name);
    if (e.isDirectory()) out.push(...await collectHtml(full));
    else if (e.name.endsWith('.html')) out.push(full);
  }
  return out;
}

const htmlFiles = await collectHtml(DIST);
const robotsResult = await checkRobots();
const ssrResult = await checkSSR(htmlFiles);

// 致命项不通过 → 只输出致命项
if (!robotsResult.pass || !ssrResult.pass) {
  console.log(JSON.stringify({
    criticalFailure: true,
    robots: robotsResult,
    ssr: ssrResult,
  }, null, 2));
  process.exit(1);
}

const { issues, faqData } = await checkStructure(htmlFiles);

console.log(JSON.stringify({
  criticalFailure: false,
  summary: {
    pagesChecked: htmlFiles.length,
    faqCount: faqData.length,
    faqHeadingIssues: issues.faqHeading.length,
    tableCaptionIssues: issues.tableCaption.length,
    hreflangIssues: issues.hreflang.length,
    schemaIssues: issues.schema.length,
  },
  robots: robotsResult,
  ssr: { pass: true },
  issues,
  // FAQ 原文，供模型判断自包含性
  faqData,
}, null, 2));

手动补充项：AI 引用实测

脚本无法验证的一项：你的内容实际上是否被 AI 引用。

这需要手动测试，建议每月一次，记录在一张表里：

测试问题	Perplexity	ChatGPT	引用页面	信息准确性
“CP-100 pump max temperature”	✅	✅	/products/…/cp-100/	准确
“pump material for 60% sulfuric acid”	✅	❌	/applications/chemical-transfer/	准确
“best centrifugal pump manufacturers”	❌	❌	—	—