Communitygithub.com

SEO

Auditar, planejar e implementar melhorias de SEO em aspectos técnicos, otimização on-page, dados estruturados, Core Web Vitals e estratégia de conteúdo. Use quando o usuário desejar melhor visibilidade nos mecanismos de busca, remediação de SEO, marcação de esquema, trabalho com sitemap/robots ou mapeamento de palavras-chave.

O que é SEO?

Esta habilidade (skill) capacita o agente a realizar auditorias completas e implementar melhorias de SEO de forma estruturada, abrangendo desde a correção de bloqueios técnicos (crawlability, indexação, performance) até otimização on-page (títulos, descrições, cabeçalhos) e dados estruturados. Ela segue princípios fundamentais como corrigir problemas técnicos antes de otimizar conteúdo, garantir que cada página tenha uma intenção de busca clara e priorizar sinais de qualidade de longo prazo. A skill fornece checklists detalhados para SEO técnico (robots.txt, canônicas, Core Web Vitals, JSON-LD) e regras on-page (formatação de títulos, meta descriptions, hierarquia de cabeçalhos). Também orienta sobre mapeamento de palavras-chave, links internos e anti-padrões a evitar. O agente pode usar esta habilidade para gerar recomendações específicas e acionáveis para cada página, melhorando a relevância e a performance nos mecanismos de busca.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/seo

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

O que SEO faz?

Melhore a visibilidade nos mecanismos de busca através da correção técnica, desempenho e relevância de conteúdo, sem truques.

Quando usar

Use esta habilidade quando:

  • auditar rastreabilidade, indexabilidade, canônicas ou redirecionamentos
  • melhorar tags de título, meta descrições e estrutura de cabeçalhos
  • adicionar ou validar dados estruturados
  • melhorar os Core Web Vitals
  • fazer pesquisa de palavras-chave e mapear palavras-chave para URLs
  • planejar links internos ou alterações em sitemap / robots

Como funciona

Princípios

  1. Corrija bloqueios técnicos antes de otimizar o conteúdo.
  2. Uma página deve ter uma intenção de busca primária clara.
  3. Prefira sinais de qualidade de longo prazo em vez de padrões manipulativos.
  4. As suposições mobile-first são importantes porque a indexação é mobile-first.
  5. As recomendações devem ser específicas para cada página e implementáveis.

Checklist de SEO técnico

Rastreabilidade

  • robots.txt deve permitir páginas importantes e bloquear superfícies de baixo valor
  • nenhuma página importante deve estar com noindex acidentalmente
  • páginas importantes devem ser acessíveis com profundidade de clique baixa
  • evite cadeias de redirecionamento com mais de dois saltos
  • tags canônicas devem ser consistentes e não formar loops

Indexabilidade

  • o formato de URL preferido deve ser consistente
  • páginas multilíngues precisam de hreflang correto, se usado
  • sitemaps devem refletir a superfície pública pretendida
  • URLs duplicadas não devem competir sem controle canônico

Desempenho

  • LCP < 2,5s
  • INP < 200ms
  • CLS < 0,1
  • correções comuns: pré-carregar assets do herói, reduzir trabalho bloqueante de renderização, reservar espaço de layout, reduzir JS pesado

Dados estruturados

  • página inicial: esquema de organização ou negócio, quando apropriado
  • páginas editoriais: Article / BlogPosting
  • páginas de produto: Product e Offer
  • páginas internas: BreadcrumbList
  • seções de perguntas e respostas: FAQPage apenas quando o conteúdo realmente corresponder

Regras on-page

Tags de título

  • busque aproximadamente 50-60 caracteres
  • coloque a palavra-chave ou conceito principal próximo ao início
  • torne o título legível para humanos, não otimizado para robôs

Meta descrições

  • busque aproximadamente 120-160 caracteres
  • descreva a página de forma honesta
  • inclua o tópico principal naturalmente

Estrutura de cabeçalhos

  • um H1 claro
  • H2 e H3 devem refletir a hierarquia real do conteúdo
  • não pule estrutura apenas por estilo visual

Mapeamento de palavras-chave

  1. defina a intenção de busca
  2. colete variantes realistas de palavras-chave
  3. priorize pela correspondência de intenção, valor provável e concorrência
  4. mapeie uma palavra-chave/tema primário para uma URL
  5. detecte e evite canibalização

Links internos

  • linke de páginas fortes para páginas que você deseja ranquear
  • use texto âncora descritivo
  • evite âncoras genéricas quando uma mais específica for possível
  • complemente links de novas páginas para páginas existentes relevantes

Exemplos

Fórmula do título

Tópico Principal - Modificador Específico | Marca

Fórmula da meta descrição

Ação + tópico + proposta de valor + um detalhe de suporte

Exemplo de JSON-LD

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Título da Página Aqui",
  "author": {
    "@type": "Person",
    "name": "Nome do Autor"
  },
  "publisher": {
    "@type": "Organization",
    "name": "Nome da Marca"
  }
}

Forma da saída de auditoria

[ALTA] Tags de título duplicadas em páginas de produto
Localização: src/routes/produtos/[slug].tsx
Problema: Títulos dinâmicos colapsam na mesma string padrão, enfraquecendo a relevância e criando sinais duplicados.
Correção: Gere um título único por produto usando o nome do produto e a categoria principal.

Antipadrões

AntipadrãoCorreção
excesso de palavras-chaveescreva para os usuários primeiro
páginas finas e quase duplicadasconsolide ou diferencie-as
esquema para conteúdo que não está realmente presentecorresponda o esquema à realidade
conselho de conteúdo sem verificar a página realleia a página real primeiro
saídas genéricas de "melhorar SEO"vincule cada recomendação a uma página ou ativo

Habilidades relacionadas

  • seo-especialista
  • padroes-frontend
  • voz-da-marca
  • pesquisa-de-mercado

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Habilidades Relacionadas