Agent pass：智能体引用的标题与描述
来自 AlchemyLeads · ai-seo-skills · MIT 许可证
来源：Mike Taylor（Every 评估主管），2026 年 10 月通讯。他以自己 38 篇帖子为候选，让 Claude 智能体回答真实用户问题，并统计每篇被引用的次数。同一作者、同一站点、智能体从列表中挑选，因此数据仅作方向性参考。但他测试的每一个问题中，模式都一致。
智能体从 标题 + 描述（元描述、摘要、副标题）中做出选择。正文只有在被选中后才重要。
规则
- 描述读起来像问题的答案。 当两个帖子同等相关时，答案形状的帖子以 94% 对 1%、100% 对 8%、71% 对 0% 获胜。标语和观点（如“评估往往就够了”）输给“为你所做的工作选择最佳模型”。
- 以读者获得的东西开头。 “提示工程指南：五个原则及示例”获得了 100%。同样的五个原则以问题开头（“为什么你的 AI 回答平淡无奇，以及……”）只得到 54%，以资质开头（“……来自 O'Reilly 联合作者……”）只得到 50%。把交付物放在前几个词里：指南、检查清单、成本、步骤、比较、项目数量。
- 不要年份或“终极”。 “提示工程终极指南”从 2% 降到 0%（添加了“（2026 年更新）”）。将时效性信息放在正文和作者署名中（
wp-last-updated-dates），切勿出现在标题中。 - 每个主题每站点一个赢家。 智能体每个问题只支持一篇文章，并且基本忽略同主题的其他文章（92% 对 12% / 8% / 0%）。让一篇文章更符合答案形状，能将另一篇文章的支持率从 65% 降到 19%。在重写之前，先决定哪个 URL 应该拥有这个问题。让那个 URL 成为显而易见的答案，将其他文章转向不同问题，并通过内部链接指向赢家。
- 为特定读者写作。 当智能体知道自己在帮助谁，并且那个人与站点的受众匹配时，它们会更多地引用该站点（无用户时 42%，有详细人物画像时 50%）。在描述中指明 ICP（理想客户画像）（如“面向制造商”、“面向 B2B 团队”）。
- 两种智能体受众。 为用户回答问题的智能体想要最清晰的答案（如何做、成本、比较）。为自身浏览的智能体更喜欢原始实验以及关于 AI 行为和可靠性的数据。读者流量与智能体选择之间没有相关性。你自己的原创测试结果（你的引用数据、实验）两者都表现良好。
重写模式
<他们所获内容>: <具体范围或数量> <如果适用，写给谁> + 描述：一句话回答问题，第二句话说明具体收益。
- 改写前：“为什么我们与工业硬科技公司合作”（一种“为什么选我们”的观点）
- 改写后：“面向工业与硬科技公司的 AI 搜索营销：有效做法” + “制造商如何被 ChatGPT 和 Google AI 概览引用，包括工业客户的步骤与成果。”
然后运行你的内部规则。我们的：仅使用已批准的数字，不使用对比式框架（“不是 X，而是 Y”），不使用长破折号，文章元标题 ≤60 字符（页面 ≤70 字符），描述 ≤155–160 字符。重写必须忠实于正文。不要承诺文章中没有的检查清单。
每对标题与描述的检查清单
- 带有目标问题的智能体会把这条描述读作答案吗？
- 前 5 个词是否说明了读者获得了什么？
- 没有以问题或资质开头，没有标语，没有反问句
- 没有年份、“终极”、“完整”或“权威”
- 这是我们希望赢得这个问题的唯一 URL，并且同主题的其他文章已被引导至其他方向
- 摘要、OG 描述和 SEO 插件元描述保持一致（智能体可能读取其中任何一个）
测试变体（可选，适用于支柱页面）
在交付重大重写之前复制 Taylor 的设置：
- 撰写 3-5 个真实买家问题（来自 Search Console 的长尾查询或 AI 可见性工具的跟踪提示）以及 1-2 个客户 ICP 的人物画像。
- 构建候选列表：变体标题+描述，混入 10-20 个相同问题的竞品结果（搜索中看到的标题+描述），每次运行随机打乱顺序。
- 使用关闭网络工具的 Claude 模型（默认为最新 Sonnet）："你的用户问：<问题>。<人物画像>。你会阅读并引用哪几个？返回 ID。"每个变体运行 30-50 次会话，统计引用占比。
- 提交胜出版本，在站点笔记中记录前后占比变化。Taylor 将自己的版本打包成了一个名为
agent-pass的 Claude Code 技能。在借鉴前请检查其许可条款。