用途：为任意域名建立完整内容清单，适用于 SEO 审计前、内容缺口分析，或作为内容简报工厂的现有覆盖检查；也可用于竞品或自有站点的漏斗阶段映射与发布模式统计。
主要能力：通过 robots.txt 的 Sitemap 指令、sitemap.xml（支持 sitemap 索引递归）、常见 sitemap 位置和 RSS/Atom 订阅源发现页面；按内容类型对每个 URL 分类；按 URL slug 聚类；计算发布节奏；可选深度读取前 N 个页面获取统计。输出 JSON 含 summary 与 pages：summary 包括 domain、total_pages、sitemap_found、by_type、by_topic、publishing_cadence；pages 每项含 url、title、date、type、topic_cluster，使用 --deep 时附加 deep_analysis（word_count、image_count、internal_link_count、has_cta）。
使用方式：运行捆绑脚本 scripts/site_catalog.py（仅需 Python 3 标准库，无需安装）： python3 ${SKILL_DIR}/scripts/site_catalog.py --domain example.com --output ${WORKSPACE}/catalog.json 参数：--domain 必填，如 example.com 或 https://example.com；--deep 默认 0，深度读取前 N 个 URL；--include-non-blog 默认 true，设为 false 仅保留博客文章；--output 默认 -，为 JSON 路径，- 表示标准输出。示例： python3 ${SKILL_DIR}/scripts/site_catalog.py --domain example.com --deep 10 --output ${WORKSPACE}/catalog.json
凭证与环境：必需项无，sitemap/robots/feeds/HTTP 均无需密钥。可选项：ANTHROPIC_API_KEY / OPENAI_API_KEY 脚本不使用（由智能体承担模型推理）；APIFY_API_TOKEN（付费，有回退）若设置则智能体可编排 Apify 提取器处理 JS 密集或缺少 sitemap 的站点，未设置则回退到默认的无密钥抓取。
限制与边界：sitemap.xml 是最佳来源，缺失本身是负面 SEO 信号，会报告 sitemap_found: false；RSS 仅呈现近期文章，只能补充不能替代；去重按规范化 URL（去除跟踪参数与片段）；深度分析受 --deep 限制以控制耗时，脚本在页面间限速；类型分类基于 URL/标题的规则，少量模糊 URL 需智能体重新标注。大型站点的话题聚类、模糊 URL 分类及深度页面的目标关键词与漏斗阶段（TOFU/MOFU/BOFU）推断由智能体完成，并据 JSON 生成 Markdown 汇总表。