Communitygithub.com

Heraut SEO

Tiefgehende, schreibgeschützte SEO-Untersuchung einer Website und ihres Servers, die beantwortet, warum Google diese Seite nicht indexiert oder Besucher schickt und was genau dagegen zu tun ist.

Was ist Heraut SEO?

Heraut SEO ist eine umfassende, schreibgeschützte SEO-Untersuchung, die entwickelt wurde, um die genauen Ursachen für fehlende organische Sichtbarkeit und fehlende Indexierung zu identifizieren. Die Fähigkeit führt vier parallele Untersuchungsstränge durch (Google Search Console & GA4, Serverlogs mit DNS-verifiziertem Googlebot, Quellcode & Content aus Google-Perspektive, externe Analyse mit DataForSEO SERPs & Backlinks und Perplexity Deep Research) und erstellt dann eine beratungsähnliche Synthese. Der Output enthält eine Ursachenanalyse, einen abgestuften Aktionsplan mit KPIs für 30, 60 und 90 Tage sowie klare Entscheidungen für den Website-Betreiber. Die Fähigkeit ist ideal für Websites ohne organischen Traffic, nicht indexierte Blogartikel, gescheiterte SEO-Programme oder zur konsistenten Prüfung gesamter Website-Flotten. Unterstützte Plattformen umfassen Claude Code, Cursor und Codex, wobei die Skripte in Python (nur Standardbibliothek) und mit OpenSSL für Google-Tokens geschrieben sind.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/koffih/claude-skill-heraut-seo/tree/HEAD

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Heraut SEO?

Der heraut (Herold) ist derjenige, der eine Domain in der Welt bekannt macht. Wenn niemand sie hört, untersucht diese Fertigkeit warum, mit Beweisen für jede Behauptung, und liefert einen Plan, den der Eigentümer Schritt für Schritt umsetzen kann.

Sie entstand aus einem realen Fall: einer Seite mit 58.000 URLs und 1.000 generierten Artikeln, einem Content-Piloten, der täglich Geld ausgab, und null Blog-Impressions. Die Antwort lag nicht dort, wo der Pilot suchte (Seiten umschreiben), sondern in der seitenweiten Qualität, Autorität und Nachfrage. Die untenstehende Methode ist darauf ausgelegt, diese Art von Antwort zu finden, anstatt die erste Hypothese zu bestätigen.

Die Regeln

  1. Nur lesen, überall. Keine Produktionsänderung, kein Datenbankschreibzugriff, kein Neustart, nichts an Google übermittelt (keine Indexierungsanfrage, keine Sitemap hinzugefügt oder entfernt). Die Untersuchung beschreibt; der Plan wird später umgesetzt, eine beschlossene Änderung nach der anderen.
  2. Beweis für jede Behauptung. Befehl, Zahl, Datum, Datei. Markieren Sie, was GEMESSEN und was ANGENOMMEN ist. Eine Stichprobe ist keine Zählung: n angeben.
  3. Seien Sie sanft zur Website. Eine Anfrage nach der anderen, eine Pause von mindestens 1,5 s (politesse.delai_s). Kleine Server fallen bei Audits oft in die Knie.
  4. Bezahlte APIs hinter einem Limit. budgets.dataforseo_usd und budgets.perplexity_usd werden von den Skripten vor jedem Aufruf durchgesetzt; jede Ausgabe wird protokolliert. Melden Sie die Gesamtkosten.
  5. Kein Geheimnis in der Ausgabe. Nennen Sie, wo ein Schlüssel lebt, niemals seinen Wert. Skripte lesen Schlüssel aus der Umgebung oder aus Umgebungsdateien, die in der Konfiguration benannt sind.

Wo die Dinge sind

Skripte in scripts/ (normalerweise ~/.claude/skills/heraut-seo/scripts), nur Python-Standardbibliothek, openssl für Google-Tokens. Jedes Skript akzeptiert --config <site.json> --dossier <Untersuchungsordner> und schreibt CSV und JSON dorthin, sowie ein resume.json zum ersten Einlesen.

SkriptStrangWas es tut
sitemap.pycodegesamter Sitemap-Baum, jede URL typisiert und sprachlich zugeordnet, lastmod-Ehrlichkeit, Duplikate
gsc.py performancegoogle16 Monate nach Monat und Seitentyp, 28 Tage versus Vormonat, Suchanfragen, Länder, Abschnitte
gsc.py sitemapsgoogleeingereichte Sitemaps, Fehler, ausstehend, letztes Lesen durch Google
gsc.py echantillon / inspecter / analysergooglegeschichtete URL Inspection (2.000/Tag-Kontingent, fortsetzbar), Abdeckung nach Typ, Veränderung seit letztem Lauf
ga4.pygoogleKanäle über ein Jahr, Google organisch damals und heute, KI-Assistenten, Roboter-ähnlicher Anteil
pages.pycodeOn-Page-Lesen einer Stichprobe: Sprache, canonical, hreflang, robots, Wörter, JSON-LD, Links zum Blog, Googlebot vs. Browser
logs.pyserverechter Googlebot (DNS-verifiziert) pro Tag, pro Typ, Verschwendung, Antwortzeiten, erster Besuch gefolgter URLs
ttfb.pyserverTime to First Byte pro Typ, warm, kalt und Origin
dataforseo.pyoutsideechte SERPs, gerankte Keywords, Backlinks der Seite und von Mitbewerbern, Volumen, bilan
perplexity.pyoutsidedatierte, belegte Deep Research (Agent API, effort)

Die Untersuchung, Schritt für Schritt

0. Rahmen (10 Minuten, ggf. mit dem Eigentümer)

  • Schreiben Sie die Frage des Eigentümers in seinen eigenen Worten und die Symptome mit Zahlen (Impressions, Klicks, veröffentlichte Artikel, ausgegebenes Geld).
  • Finden Sie heraus, was bereits bekannt ist: frühere Audits, Notizen, die Content-Pipeline und deren Datenbank. Behandeln Sie es als zu prüfende Hypothesen, nicht als zu kopierende Tatsachen.
  • Erstellen Sie die Site-Datei aus config.example.json: Domain, Sitemap, Sprachen, Seitentypen als Pfad-Regex (der wichtigste Teil: jede Zählung erfolgt pro Typ), zu verfolgende Abschnitte (der Blog), Search Console-Property, GA4-ID, Service-Account-Key-Pfad, Märkte (DataForSEO-Location-Codes), 3 bis 6 Mitbewerber, 15 bis 30 echte Suchanfragen, die Leute tippen würden, Budgets.
  • Überprüfen Sie den Zugriff vor dem Start: gsc.py sitemaps antwortet, GA4 antwortet, die Logs sind lesbar (oft nur von root und der adm-Gruppe: Fragen Sie den Eigentümer, umgehen Sie niemals eine Verweigerung).

1. Vier Stränge parallel

Erstellen Sie den Ordner enquete-YYYY-MM-DD/ neben den anderen Audit-Dateien der Site, schreiben Sie dort BRIEF.md aus references/brief.md, starten Sie dann vier Ermittler (Subagenten) gleichzeitig, jeder mit dem Brief und seiner Strang-Datei. Jeder schreibt volet-<strang>.md mit einer 10-zeiligen Zusammenfassung obenauf und seinen Rohdaten daneben.

StrangDateiSchlüsselfrage
Googlereferences/track-google.mdKennt Google die Seiten, crawlt es sie, behält es sie? Wird es besser oder schlechter?
Serverreferences/track-server.mdKommt der echte Googlebot, was liest er, bremst oder blockiert ihn etwas?
Code und Contentreferences/track-code-content.mdWas findet Google, wenn es die Seite liest: Wie viele Seiten, wie dünn, wie verlinkt, wie ehrlich?
Externreferences/track-outside.mdWer gewinnt die echten Suchanfragen, mit welcher Autorität, und gibt es Nachfrage für das, was die Seite schreibt?

Führen Sie zuerst sitemap.py aus (die anderen greifen daraus Stichproben), dann die Stränge. gsc.py inspecter kann bei einer vollen Stichprobe Stunden dauern: Führen Sie es im Hintergrund aus.

2. Synthese

Lesen Sie die vier Berichte, erstellen Sie dann die Antwort mit references/cause-tree.md: Es listet die in der Praxis gesehenen Ursachen, die Kennzahl, die jede bestätigt oder ausschließt, und die Fallstricke (ein technisches Audit, das sauber zurückkommt, bedeutet nicht, dass die Seite in Ordnung ist).

Schreiben Sie den Bericht nach references/report.md: zuerst die kurze Antwort, Situation, Komplikation, Frage, Ursachenbaum mit den Belegen auf jedem Zweig, warum das aktuelle Programm nicht funktioniert, der Plan in Phasen mit einem „erledigt, wenn“ für jeden Schritt, KPIs nach 30, 60, 90 Tagen, Entscheidungen für den Eigentümer, Grenzen der Untersuchung, Quellen. Veröffentlichen Sie ihn als Seite, wenn die Sitzung dies kann (standardmäßig privat), ansonsten als HTML-Datei.

3. Übergabe

  • Geben Sie dem Eigentümer den Link, die Kern-Diagnose in fünf Zeilen, die Kosten der Untersuchung, was nicht gemessen werden konnte.
  • Dann die Entscheidungen, eine nach der anderen, jede mit der dahinterstehenden Tatsache und einer Empfehlung. Wenden Sie jeden beschlossenen Schritt an, bevor Sie den nächsten fragen.
  • Speichern Sie das Urteil und die daraus abgeleitete Betriebsregel (z. B. „keine neuen Inhalte, bis die Kernseiten indexiert sind“) dort, wo das Projekt sein Gedächtnis behält.

Ausführung auf einem anderen Server oder einer anderen Site

Installieren Sie die Fertigkeit auf dem Rechner, der den Zugriff hat (Search Console-Key, Logs), kopieren Sie config.example.json in den Ordner der Site, füllen Sie es aus, führen Sie Schritt 0 bis 3 aus. Behalten Sie einen Ordner pro Untersuchungsdatum, damit der nächste Lauf vergleichen kann: gsc.py analyser --avant <altes inspection.jsonl> zeigt URL für URL, was in den Index aufgenommen oder entfernt wurde.

Wiederholen Sie die Untersuchung 60 bis 90 Tage nach Planstart. Zwischen den Läufen ist eine tägliche rotierende Inspektion von 50 bis 100 URLs der günstigste Weg, um die Indexbewegung zu sehen.

Was diese Fertigkeit nicht tut

Sie ändert die Site nicht, schreibt keine Inhalte, fordert keine Indexierung an und kauft keine Links. Sie beurteilt weder das Produkt noch das Geschäftsmodell, sondern nur, ob die Suche Menschen darauf bringen kann. Punktzahlen von SEO-Tools (Ranking, Spam-Score, geschätzter Traffic) sind Modelle, keine Messungen: Sagen Sie das, wenn Sie sie zitieren.

Verwandte Skills