orlandoneto/claude-seo-seo-images

图片优化分析

检查项

Alt文本

• 所有 <img> 元素上必须存在（除装饰性图片：role="presentation"）。parse_html.py 会将此类图片标记为 decorative: true；请勿将这些图片标记为缺少alt文本。
• 描述性：描述图片内容，而非“image.jpg”或“photo”
• 在自然的前提下包含相关关键词，不要堆砌关键词
• 长度：10-125个字符

好的示例：

• "Professional plumber repairing kitchen sink faucet"
• "Red 2024 Toyota Camry sedan front view"
• "Team meeting in modern office conference room"

差的示例：

• "image.jpg"（文件名，非描述）
• "plumber plumbing plumber services"（关键词堆砌）
• "Click here"（无描述性）

文件大小

按图片类别的分层阈值：

图片类别	目标	警告	严重
缩略图	< 50KB	> 100KB	> 200KB
内容图片	< 100KB	> 200KB	> 500KB
英雄横幅图片	< 200KB	> 300KB	> 700KB

在可能且不损失画质的前提下，建议压缩至目标阈值。

格式

格式	浏览器支持	使用场景
WebP	97%+	默认推荐
AVIF	92%+	最佳压缩，较新格式
JPEG	100%	照片的回退格式
PNG	100%	带透明度的图形
SVG	100%	图标、Logo、插图

推荐使用WebP/AVIF替代JPEG/PNG。检查是否使用了带有格式回退的 <picture> 元素。

判断实际提供的格式，而非URL扩展名

许多网站当浏览器请求时，会从 .jpg/.png URL 提供 WebP 或 AVIF 格式（如 WordPress 的 WebP 插件 EWWW、ShortPixel、WebP Express 和 Imagify、Cloudflare Polish、图片 CDN）。扩展名并非访问者接收到的格式。运行 "${CLAUDE_PLUGIN_ROOT}/scripts/claude-seo" run parse_html.py --url <url> --probe-images --json ，该命令使用浏览器的 Accept 请求头获取每张图片，并为每个图片条目添加以下字段（对于懒加载图片，它会探测 resolved_src（真实来源），因为此时 src 是一个占位符）：

字段	含义
served_format	实际提供的格式（webp、avif、jpeg、png、gif、svg、jxl），根据魔法字节判断，否则为 null
served_bytes	实际提供的大小（Content-Length），当服务器省略时返回 null
negotiated	当响应包含 Vary: Accept 时为 true，表示格式取决于浏览器
probe_error	无法检查图片的原因（请求失败、URL格式错误、或响应不是可识别的图片，例如 HTML 错误页面或防盗链页面），否则为 null

• 仅在 served_format / served_bytes 的基础上标记“格式错误”和大小节省。一个 .jpg URL 但 served_format: webp 表明已优化：不要建议进行转换。
• 如果设置了 probe_error，则将格式报告为未验证。切勿从扩展名推断格式。
• 在未经确认返回HTTP 200之前，切勿建议替换图片URL（例如 photo.webp）。

推荐的 <picture> 元素模式

使用渐进增强，优先使用最高效的格式：

<picture>
  <source srcset="image.avif" type="image/avif">
  <source srcset="image.webp" type="image/webp">
  <img src="image.jpg" alt="描述性alt文本" width="800" height="600" loading="lazy" decoding="async">
</picture>

浏览器将使用它支持的第一个格式。全球浏览器支持（caniuse.com，2026-09-28检查）：AVIF约95.4%，WebP约96.8%。在引用前请重新检查caniuse。

JPEG XL：新兴格式

第三方报告和维基百科描述了一个基于Rust的JPEG XL解码器已在Chrome 145稳定版（2026-02-10）中发布，位于 chrome://flags/#enable-jxl-image-format 标志之后，默认未启用；事实包中未检索到Google官方的确认。由于默认支持未确认，因此目前尚不适用于生产环境的网页交付。继续提供AVIF/WebP并搭配JPEG回退，并持续关注。

响应式图片

• 为多个尺寸设置 srcset 属性
• 与布局断点匹配的 sizes 属性
• 针对设备像素比选择合适的分辨率

<img
  src="image-800.jpg"
  srcset="image-400.jpg 400w, image-800.jpg 800w, image-1200.jpg 1200w"
  sizes="(max-width: 600px) 400px, (max-width: 1200px) 800px, 1200px"
  alt="Description"
>

懒加载

• 视口以下图片添加 loading="lazy"
• 不要对首屏上方/英雄图片使用懒加载（会损害LCP）
• 检查是原生懒加载还是基于JavaScript的懒加载

<!-- 视口以下 - 懒加载 -->
<img src="photo.jpg" loading="lazy" alt="Description">

<!-- 首屏上方 - 即时加载（默认） -->
<img src="hero.jpg" alt="Hero image">

检测到的懒加载方法（lazy_method 字段）

"${CLAUDE_PLUGIN_ROOT}/scripts/claude-seo" run parse_html.py 通过每个图片条目上的 lazy_method 字段对每张图片的懒加载机制进行分类。共有五种取值：

lazy_method	检测到的信号	常见技术栈
native	loading="lazy" HTML属性	现代浏览器、纯HTML
perfmatters	data-perfmatters-src/-srcset 或类名 perfmatters-lazy	WordPress + Perfmatters插件
ewww	data-ewww-src / data-eio 或类名 lazyload-eio	WordPress + EWWW Image Optimizer
js-generic	data-src / data-lazy-src / data-original / data-srcset 或类名 lazyload/lazyloaded/lazy	Lazysizes、vanilla-lazyload、jQuery插件
none	未检测到属性和类名信号	页面未对此图片进行懒加载

审计图片SEO时，请将 lazy_method 与 loading 一同报告，以便用户了解其网站是否使用了JavaScript驱动的懒加载器（这种情况下原生 loading="lazy" 属性是故意省略的，并非退化）。

LCP图片的 fetchpriority="high"

为英雄/LCP图片添加 fetchpriority="high"，以优先在浏览器的网络队列中下载它：

<img src="hero.webp" fetchpriority="high" alt="Hero image description" width="1200" height="630">

关键： 不要对首屏上方/LCP图片使用懒加载。对LCP图片使用 loading="lazy" 会直接损害LCP分数。仅对视口以下图片使用 loading="lazy"。

非LCP图片的 decoding="async"

为非LCP图片添加 decoding="async"，以防止图片解码阻塞主线程：

<img src="photo.webp" alt="Description" width="600" height="400" loading="lazy" decoding="async">

CLS预防

• 所有 <img> 元素上设置了 width 和 height 属性
• 亦可使用 aspect-ratio CSS作为替代
• 标记未设置尺寸的图片

<!-- 良好 - 已设置尺寸 -->
<img src="photo.jpg" width="800" height="600" alt="Description">

<!-- 良好 - 使用CSS宽高比 -->
<img src="photo.jpg" style="aspect-ratio: 4/3" alt="Description">

<!-- 不良 - 无尺寸 -->
<img src="photo.jpg" alt="Description">

文件名

• 描述性：blue-running-shoes.webp 而非 IMG_1234.jpg
• 使用连字符、小写字母、无特殊字符
• 包含相关关键词

CDN使用

• 检查图片是否通过CDN提供（不同域名、CDN头部信息）
• 对于图片密集型网站推荐使用CDN
• 检查边缘缓存头部信息

输出

图片审计摘要

指标	状态	计数
图片总数	-	XX
缺少Alt文本	❌	XX
尺寸过大（>200KB）	⚠️	XX
格式错误	⚠️	XX
未设置尺寸	⚠️	XX
未懒加载	⚠️	XX

优先级优化列表

按文件大小影响排序（节省空间最大的优先）：

图片	当前大小	格式	问题	预估节省空间
...	...	...	...	...

建议

1. 将X张图片转换为WebP格式（预估节省XX KB）
2. 为X张图片添加alt文本
3. 为X张图片添加尺寸属性
4. 对视口以下的X张图片启用懒加载
5. 压缩X张尺寸过大的图片

---

图片SERP分析

当DataForSEO MCP可用时，使用竞争数据增强图片审计。

/seo images serp <keyword>

将页面内图片与Google SERP中显示的图片结果进行交叉引用。

工作流程：

1. 已固定的DataForSEO MCP服务器（2.8.10）没有Google Images SERP工具。 当SERP包含图片元素时，请使用 serp_organic_live_advanced（depth=100）的 images 元素，并在没有图片SERP数据可用时明确说明。
2. 提取：顶级域名、图片类型、alt文本模式
3. 输出竞争对手图片SERP格局

输出：

排名	域名	标题/Alt	图片URL	页面URL
1	example.com	"Blue running shoes..."	.../shoes.webp	/products/...

分析包括：

• 域名主导地位：哪些域名拥有最多的图片位置（按数量排名前10）
• Alt文本模式：排名靠前的图片中常见的标题/alt模式
• 格式分布：排名靠前的结果中WebP、JPEG、PNG的分布情况
• 机会评分：您拥有页面排名但缺乏图片存在感的关键词

如果DataForSEO MCP不可用，请告知用户并建议安装扩展。

---

图片文件优化

优化图片文件以提升SEO：格式转换、元数据注入、压缩。

/seo images optimize <path>

针对网页和SEO优化图片文件。转换至WebP/AVIF，注入IPTC元数据，压缩，并生成响应式变体。

使用的工具（按优先级排序）：

• exiftool -- EXIF/IPTC/XMP读写（安装：sudo apt install libimage-exiftool-perl）
• cwebp -- WebP转换（安装：sudo apt install webp）
• ImageMagick convert -- 格式转换、调整大小（大多数系统已预装）
• FFmpeg -- 格式转换的备用方案（预装）

运行前： 使用 which exiftool cwebp convert ffmpeg 检查哪些工具可用。

格式转换

将图片转换为现代格式并保留元数据：

# WebP（推荐默认） - 保留元数据
cwebp -q 82 -metadata all input.jpg -o output.webp

# 通过ImageMagick转换WebP（如果未安装cwebp则为备用方案）
convert input.jpg -quality 82 output.webp

# 通过FFmpeg转换AVIF（编码较慢，压缩最佳）
ffmpeg -i input.jpg -c:v libaom-av1 -crf 30 -still-picture 1 output.avif

# 响应式变体（400w、800w、1200w）
convert input.jpg -resize 400x -quality 82 image-400.webp
convert input.jpg -resize 800x -quality 82 image-800.webp
convert input.jpg -resize 1200x -quality 82 image-1200.webp

元数据注入（适用于Google图片展示的IPTC）

Google图片会在搜索结果中显示IPTC创作者、署名行和版权信息。这不是排名因素，但能改善Google图片展示和品牌归属。

使用exiftool（推荐）：

# 读取所有元数据
exiftool image.jpg

# 为Google图片富结果注入IPTC + XMP元数据
exiftool \
  -IPTC:ObjectName="产品照片描述" \
  -IPTC:Caption-Abstract="详细的图片描述" \
  -IPTC:By-line="品牌名称摄影" \
  -IPTC:Credit="品牌名称" \
  -IPTC:CopyrightNotice="版权所有2026 品牌名称" \
  -IPTC:Source="brandname.com" \
  -XMP:Title="产品照片描述" \
  -XMP:Description="详细的图片描述" \
  -XMP:Creator="品牌名称摄影" \
  -XMP:Rights="版权所有2026 品牌名称" \
  image.jpg

# 批量注入到目录下的所有图片
exiftool -overwrite_original \
  -IPTC:By-line="品牌名称" \
  -IPTC:CopyrightNotice="版权所有2026 品牌名称" \
  *.jpg *.webp *.png

使用ImageMagick（备用方案）：

identify -verbose image.jpg | head -50

convert input.jpg \
  -set comment "产品照片描述" \
  -set IPTC:2:80 "品牌名称摄影" \
  -set IPTC:2:116 "版权所有2026 品牌名称" \
  output.jpg

注意：WebP原生支持EXIF和XMP，但不原生支持IPTC。对于WebP文件，请使用XMP字段替代IPTC。exiftool会自动处理此转换。

AI生成图片：DigitalSourceType（Merchant Center要求）

对于由生成式AI生成的产品图片，Google Merchant Center 要求填写IPTC DigitalSourceType: TrainedAlgorithmicMedia 元数据。这是运营策略要求，而非排名因素：缺少此标签的AI生成图片源可能会被拒绝。

主要来源（Merchant Center AI生成内容政策）： https://support.google.com/merchants/answer/14743464 （ai-optimization-guide 未记录 DigitalSourceType/IPTC/Merchant 标签。）

审计命令：

# 审计目录下的IPTC标签（统计：缺失、AI生成、相机拍摄等）
"${CLAUDE_PLUGIN_ROOT}/scripts/claude-seo" run iptc_ai_label.py audit ./images/ --json

# 审计单张图片
"${CLAUDE_PLUGIN_ROOT}/scripts/claude-seo" run iptc_ai_label.py audit ./hero.webp --json

# 向图片注入AI标签
"${CLAUDE_PLUGIN_ROOT}/scripts/claude-seo" run iptc_ai_label.py inject ./ai-hero.webp \
    --source-type trainedAlgorithmicMedia

# 其他词汇值：
#   compositeSynthetic               （相机拍摄+AI元素的混合）
#   algorithmicMedia                 （纯粹由算法创建，不来自采样训练数据）
#   compositeWithTrainedAlgorithmicMedia（例如，在真实媒体上进行AI内绘/外绘）
#   digitalCapture                   （完全由相机拍摄的照片）

原始的exiftool等效命令（用于临时使用）：

# 手动注入
exiftool \
  -XMP-iptcExt:DigitalSourceType="https://cv.iptc.org/newscodes/digitalsourcetype/trainedAlgorithmicMedia" \
  ai-generated-product.jpg

# 审计：查找目录中缺少标签的图片
exiftool -if 'not $XMP-iptcExt:DigitalSourceType' \
  -filename -DigitalSourceType *.jpg *.webp *.png

Google提取的IPTC DigitalSourceType 值：

• trainedAlgorithmicMedia：完全由AI生成（对扩散模型生成的产品图片使用此值）
• compositeSynthetic：混合了相机拍摄和AI生成元素
• algorithmicMedia：纯粹由算法创建，不来自采样训练数据