用途：AEO 是面向 AI 回答引擎的优化实践，目标是让内容被大语言模型在生成回答时引用为权威来源。它与 SEO 不同：SEO 关注排名与点击，AEO 关注被引用次数、E-E-A-T、结构化数据与事实密度。两者可并存。
适用场景：为新内容做 AI 优先受众规划；在 AI Overview 上线前审计现有内容的 E-E-A-T 缺口；追踪哪些页面被哪个 LLM 引用；研究 LLM 引用来源的查询；对比竞品引用率；制定与 SEO 协同的长期 AEO 策略。
不适用：纯点击型 SEO（应使用 seo-audit）；无事实主张的品牌内容；LLM 训练信号已很强的主题；时效性内容。
主要能力：
- 内容审计与 E-E-A-T 评分：aeo_audit.py 从 Experience（第一人称证据、带日期案例）、Expertise（作者履历、同行评审引用）、Authoritativeness（权威外链、schema.org 标记）、Trustworthiness（HTTPS、联系方式、事实密度）四维打分，输出 0-100 综合分和 markdown 报告。
- 内容优化：aeo_optimizer.py 生成改进稿，做结构重写、引用密度增强、JSON-LD schema 注入、事实前置。模式有 conservative（改动<10%）、balanced（<30%）、aggressive（最大优化）。
- 引用追踪：citation_tracker.py 本地记录引用台账（URL、LLM、查询、日期），统计每页引用数、速度、LLM 覆盖，可导出 CSV，存储在 ~/.aeo-data/citations.json，无遥测。
必要用法： 先检查机器人访问（被屏蔽的 GPTBot/PerplexityBot/ClaudeBot/Google-Extended 会直接归零）。 审计：python3 scripts/aeo_audit.py --url https://example.com/blog/post 优化：python3 scripts/aeo_optimizer.py --input post.md --mode balanced --output post-aeo.md 添加引用：python3 scripts/citation_tracker.py --action add --url <url> --llm perplexity --query "what is AEO" --date 2026-05-17 报告：python3 scripts/citation_tracker.py --action report --url <url> 支持 --industry 指定行业（saas、healthcare、finance、legal、ecommerce、b2b、media、education），影响权威信号要求和引用风格；医疗、金融、法律综合分门槛为 85。可 --output json 供流水线使用。
限制：三个脚本仅用标准库，无需 pip 安装；--url 模式可选 requests + beautifulsoup4；query_research 模式仅脚手架。数据本地优先，无云同步。反模式包括关键词堆砌、无人工审核的纯 AI 内容、引用农场、schema 造假、只优化单一 LLM、完全忽视 SEO。