用途
aeo-ready 是一个用于审计和提升网站在 AI 搜索引擎（答案引擎）中被引用可见性的技能。它的核心前提是：传统搜索引擎抓取页面并排名，而 AI 引擎会从已经摄取的内容来源中综合生成答案，因此"被引用"是另一个问题，涉及结构、权威性、访问权限和能直接回答问题的内容。该技能对这四个方面进行审计与修复。
主要能力
1. AI 爬虫类型区分
技能在改动 robots.txt 前先区分三类爬虫：
- 训练型爬虫（GPTBot、ClaudeBot、CCBot）——为模型训练数据集一次性索引内容，屏蔽会影响未来模型版本对站点的了解。
- 检索型爬虫（PerplexityBot、OAI-SearchBot）——实时抓取页面以回答具体用户查询，屏蔽会立即生效，页面数小时内即从答案中消失。
- 实时浏览型智能体（ChatGPT-User）——当用户要求模型访问某 URL 时按需抓取单个页面。
2. 代码库扫描
在生成任何内容前先阅读项目，检查：框架（Next.js / Astro / Remix / 静态 HTML）、现有 meta 标签（<head>、layout.tsx、_document.tsx 等）、现有结构化数据（搜索 application/ld+json 脚本）、内容页面（博客、文档、落地页、FAQ 区块）、robots.txt 是否存在及其屏蔽内容、sitemap.xml 是否存在并已提交。在修改之前先报告缺失项。
3. Schema 标记生成
根据不同项目类型选择 Schema 类型：
- SaaS / Web 应用：SoftwareApplication + FAQPage + HowTo
- 博客 / 内容站：Article (BlogPosting) + FAQPage + BreadcrumbList
- 文档：TechArticle + HowTo + FAQPage
- 作品集：Person + CreativeWork
技能提供了 SoftwareApplication、FAQPage、HowTo、Article / BlogPosting、BreadcrumbList 的完整 JSON-LD 模板。其中 FAQPage 被认为对 AI 引擎价值最高，每个答案须为 40-60 词，过短会被忽略、过长会被截断。技能强调需阅读真实落地页与文档来生成答案，绝不虚构。对 Next.js App Router，可在 generateMetadata 或页面组件中通过 script 标签注入 schema；对静态 HTML，在 <head> 中注入。
4. llms.txt 创建
llms.txt 是位于域名根目录的 Markdown 文件，为 AI 系统提供对最重要内容的精选地图。该规范（llmstxt.org）于 2024 年 9 月提出，由社区驱动，尚无主流 AI 提供商公开确认在生产中读取它，但成本为零，可作为规范化参考。规则包括：H1 必须存在且是第一个元素；blockquote（>）是摘要，写得精确，常被逐字引用；H2 分组链接；每个链接带冒号加一行描述；文件须位于 /llms.txt（根），返回 HTTP 200，Content-Type: text/plain；精选 10-40 条链接而非罗列全部 URL。技能给出了完整模板结构。
5. AI 爬虫访问配置
在 robots.txt 中为 13 类主流 AI 爬虫添加显式允许规则，包括：GPTBot、OAI-SearchBot、ChatGPT-User（OpenAI）、ClaudeBot、anthropic-ai（Anthropic）、Google-Extended、GoogleOther（Google AI 产品）、PerplexityBot（Perplexity 实时检索）、Applebot-Extended（Apple Intelligence）、Bytespider（字节跳动/TikTok）、CCBot（Common Crawl）、Amazonbot（Amazon Alexa AI）、FacebookBot（Meta AI）。若用户想屏蔽某爬虫，技能会生成 Disallow: / 规则并说明取舍：屏蔽检索型爬虫意味着立即失去该引擎的引用；屏蔽训练型爬虫仅影响未来模型版本。
6. 面向 AI 引用的内容结构
- 答案为先：每个小节以 40-60 词直接回答标题隐含问题的答案开头，不要把答案埋在三段背景之后。
- 语义分块：每个 H2/H3 小节只覆盖一个概念，200-400 词，不混用定义与操作说明。
- 数据支撑：约每 150-200 词包含一个具体统计或数据点并链接原始来源，AI 引擎在 RAG 检索中会更高权重对待有引用的内容，模糊表述（如"许多用户"）会降低引用概率。
- 实体一致：品牌名、产品名和关键术语保持一致，首次提及时定义关键术语，相关处链接权威外部来源。
- 内容新鲜度：AI 引擎重视时效性，每季度更新高价值页面。
7. 内容缺口分析
检查落地页或文档是否覆盖常见问题："什么是 [产品]？"（40-60 词可答，而非仅标语）、"[产品]如何工作？"（配合 HowTo schema 的分步说明）、"[产品]免费吗？"（清晰定价，模糊定价会让 AI 引擎跳过引用）、"[产品] vs [竞品]？"（若缺失，AI 引擎会拉取竞品来源）、"如何开始？"。对每项缺失，同时生成文案块和匹配的 schema。
8. 引用策略
AI 引擎从 Google 排名靠前的文章中综合内容，进入这些文章是次级引用路径。步骤：搜索 "best [your category] tools 2026" 找到前 10 排名文章；记录出版物、是否活跃维护、是否接受投稿；为每篇文章生成推介角度；输出包含文章、出版物、更新时间、是否接受投稿、推介角度的表格；使用 cold-email 技能起草外联。
9. 审计报告
输出 AEO 审计报告，对 Schema Markup、FAQ Content、llms.txt、AI Crawler Access、Content Structure、Citation Readiness 六项各打 0-10 分（总分 60），并列出 3 项最高优先级的修复项。
使用方式
技能按阶段执行：Phase 1 扫描代码库；Phase 2 生成 Schema 标记；Phase 3 创建 llms.txt；Phase 4 配置 AI 爬虫访问；Phase 5 调整内容结构；Phase 6 内容缺口分析；Phase 7 引用策略；Phase 8 输出审计报告。最后附带一个验证核对清单，涵盖：主布局 <head> 中的 SoftwareApplication schema、至少含 4 个问题（含一个 vs 竞品问题）的 FAQPage schema、每个 FAQ 答案 40-60 词、getting-started 内容上的 HowTo schema、每篇博客的 BlogPosting schema、所有超过一层深度的页面上的 BreadcrumbList、根目录 llms.txt（H1、blockquote、10-40 条带描述的精选链接）、robots.txt 允许列出的全部 13 类 AI 爬虫、每个内容小节以直接答案开头、每 200 词至少一个带来源引用的数据点、完成内容缺口分析并生成缺失答案、输出引用策略表、输出带打分的审计报告。技能提到可参阅 references/guide.md 获取完整 schema 集、高级 llms.txt 模式、引用外联和内容缺口模板。
适用场景
适用于为答案引擎和 AI 搜索优化网站的场景，包括 SaaS / Web 应用、博客与内容站、文档站点和作品集的 AI 可见性优化。
限制
资料未提供关于定价、平台支持范围、具体效果数据等信息。llms.txt 规范为社区驱动，尚无主流 AI 提供商公开确认在生产中读取该文件。FAQ 答案须 40-60 词等要求为技能内规定，非外部强制标准。