答案引擎优化 (AEO)
让你的内容被 ChatGPT、Perplexity、Claude、Gemini 和 Mistral 引用为权威来源。
AEO 是优化内容以在 LLM 生成的回复中获得引用的实践 —— 与优化搜索排名的 SEO 不同。本技能提供审计、优化和跟踪 AEO 表现的功能。
与 SEO 的区别
| SEO | AEO | |
|---|---|---|
| 优化目标 | 点击率排名 | 被引用为权威来源 |
| 受众 | 浏览搜索结果的用户 | 回答问题的 LLM |
| 成功指标 | 排名 1-10、自然流量 | 跨 LLM 的引用次数 |
| 关键信号 | 外链、关键词、页面加载速度 | E-E-A-T、结构化数据、事实密度 |
| 更新周期 | 周到月 | 天到周(LLM 训练周期) |
两者可以共存 —— 同一份内容既可以在 Google 上排名第一,也可以被 Perplexity 引用。但技术手段不同:SEO 看重关键词密度 + 外链;AEO 看重一手来源信号 + 结构化事实。
何时使用
- 为 AI 优先的受众策划一篇新内容
- 在 AI 概览上线前审计现有内容的 E-E-A-T 缺口
- 跟踪哪些页面被哪些 LLM 引用(引用台账)
- 研究 LLM 对哪些查询会引用外部来源(而不是从训练数据中回答)
- 对标竞争对手的引用率
- 构建与传统 SEO 协同的长期 AEO 策略
何时不要使用
- 纯粹的点击驱动 SEO,没有 LLM 引用意图 —— 改用
marketing-skill/skills/seo-audit - 无事实陈述的品牌调性内容 —— 引用需要可被引用的事实
- LLM 已有强训练信号的主题(例如小学数学) —— 引用的提升空间很小
- 时效性强的内容(突发新闻) —— LLM 训练滞后意味着引用会在数月后出现
核心能力
1. 内容审计 + E-E-A-T 评分
审计工具 (aeo_audit.py) 从 4 个维度对内容进行评分:
- 经验 (Experience):第一手证据、带有日期的示例、案例研究、"我们在 2026 年运行过 X" 这类表述
- 专业度 (Expertise):作者简介、资质证书、引用同行评审来源、技术深度
- 权威性 (Authoritativeness):来自权威域名的外部链接、schema.org 标记、结构化数据
- 可信度 (Trustworthiness):HTTPS、联系方式、透明的更正信息、事实密度(每 1000 字中可验证声明的数量)
综合评分 0-100 分,包含各维度细分。输出:Markdown 报告,附带具体的修复建议。
2. 内容优化
优化工具 (aeo_optimizer.py) 生成 AEO 增强版本:
- 结构重写 —— H2/H3 层级优化以便于 LLM 解析
- 引用密度提升 —— 添加
[1]风格引用并附来源 - Schema 注入 —— 生成 JSON-LD 用于 FAQ、HowTo、Article 等 Schema
- 事实优先导语 —— 将可验证声明移到前 200 字内
三种模式:conservative(改动 <10% 的词)、balanced(改动 <30%)、aggressive(为最大 AEO 效果重写)。
3. 引用跟踪
跟踪工具 (citation_tracker.py) 维护本地引用台账:
- 手动输入:将在 ChatGPT/Perplexity/Claude/Gemini 输出中找到的引用粘贴进来
- 跟踪:哪个 URL、哪个 LLM、哪条查询、什么日期
- 计算:每页引用次数、引用速度、LLM 覆盖范围
- 导出为 CSV 以便报告
数据存储在 ~/.aeo-data/citations.json(本地,无遥测)。
工作流
1. 审计现有内容
$ python3 scripts/aeo_audit.py --url https://example.com/blog/post
→ 输出 Markdown 报告,包含综合评分 + 4 维度细分
2. 应用优化建议
$ python3 scripts/aeo_optimizer.py --input post.md --mode balanced --output post-aeo.md
→ 生成优化版本,包含引用 + Schema + 结构优化
3. 发布并监控
$ python3 scripts/citation_tracker.py --action add --url https://example.com/blog/post \
--llm perplexity --query "what is AEO" --date 2026-05-17
→ 在本地 citations.json 台账中添加一条记录
4. 生成报告
$ python3 scripts/citation_tracker.py --action report --url https://example.com/blog/post
→ 每页引用统计:次数、LLM、查询、速度
配置
本技能通过每次运行时的 --industry 参数识别行业。支持的行业:saas、healthcare、finance、legal、ecommerce、b2b、media、education。
行业参数影响:
- 权威信号要求 —— 医疗/金融需要更严格的来源引用
- 事实核查严谨度 —— 法律/医疗行业将无法验证的声明标记为严重问题
- 引用风格 —— 学术 vs. 行业期刊 vs. 博客惯例
示例:
python3 scripts/aeo_audit.py --url <url> --industry healthcare
# → 更严格的 E-E-A-T 阈值;将任何缺少一手引用的健康声明标记出来
输出格式
Markdown 审计报告(默认)
# AEO 审计报告 —— [页面标题]
**URL:** https://example.com/blog/post
**日期:** 2026-05-17
**行业:** saas
**综合评分:** 72/100 (B+)
## 维度细分
| 维度 | 得分 | 判定 |
|---|---|---|
| 经验 | 80/100 | 强 —— 包含第一手案例研究 |
| 专业度 | 65/100 | 缺少作者资质简介 |
| 权威性 | 75/100 | 来自权威域名的 4 个外链 |
| 可信度 | 68/100 | 未链接更正政策 |
## 前 3 项修复
1. 添加带有资质的作者简介(专业度 +15)
2. 在页脚链接更正政策(可信度 +12)
3. 为 H2 中隐含的 5 个问题注入 FAQ Schema(权威性 +8)
## 所有建议
[...]
## 审计轨迹
[分析步骤数、引用的来源、耗时] 计数]
JSON 用于流水线
python3 scripts/aeo_audit.py --url <url> --output json
返回完整的结构化数据,以便集成到内容管理工作流中。
行业特定的 E-E-A-T 阈值
| 行业 | 最低综合分 | 关键信号 |
|---|---|---|
| 医疗健康 | 85 | 医学审查人署名、同行评审引用、FDA 披露 |
| 金融 | 85 | 作者 CFA/CPA 资质、"非投资建议" 声明、带日期示例 |
| 法律 | 85 | 披露管辖区域、律师简介、"非法律建议" 声明 |
| SaaS | 70 | 产品经理署名、带指标的案例研究、ROI 计算器 |
| 电商 | 65 | 聚合产品评价、退换货政策、schema.org Product |
| B2B | 70 | 行业分析师引述、客户标志、ROI 数据 |
| 媒体 | 70 | 编辑政策、事实核查链接、原创报道 |
| 教育 | 75 | 讲师简介、学习成果、如有认证需说明 |
被拒绝的反模式
- 为 AI 进行关键词堆砌 —— LLM 已能从语义中提取主题;关键词密度不会提高被引用可能性
- 纯 AI 生成且未经人工审核的内容 —— 通用 LLM 输出会被 RAG 检索算法降权,因为算法在寻找独特信号
- 引用农场 / 链接轮 —— 现代 LLM RAG 会惩罚低权威的链接网络
- Schema 作弊 —— 虚假或无法验证的 schema.org 声明会被过滤;仅标记真实、可验证的声明
- 为单一 LLM 优化而牺牲其他 —— 主要 LLM 之间的引用分布高度相关,因为它们共享训练数据来源;应优化共有的信号(E-E-A-T),而非针对单个 LLM 的 hack
- 完全忽略 SEO —— AEO 引用往往源于那些已经取得良好排名的来源;AEO 和 SEO 是互补关系,并非替代
依赖项
- 仅标准库 —— 三个脚本均无需
pip install - 可选:如使用
--url模式,需要requests+beautifulsoup4(否则可通过--input传入 Markdown 文件进行审计) - 可选:
query_research模式需要任意 LLM API 密钥(目前为脚手架内容——完整的 LLM 驱动查询研究仍在路线图中)
存储
所有数据以本地优先方式存储:
~/.aeo-data/citations.json—— 引用台账~/.aeo-data/patterns.json—— 成功模式库~/.aeo-data/audits/<hash>.md—— 保存的审计报告
无遥测。无云同步。随时可通过 citation_tracker.py --action export 导出为 CSV。
触发短语
- "AEO audit", "AEO 检查"
- "optimize for ChatGPT / Perplexity / Claude / Gemini"
- "get cited by [LLM]"
- "LLM 引用策略"
- "答案引擎优化"
- "AI 搜索内容"
- "E-E-A-T 审计"
- "跟踪 AI 引用"
- "AI Schema"
相关技能
marketing-skill/skills/seo-audit—— 传统点击驱动 SEOmarketing-skill/skills/programmatic-seo—— 模板驱动的大规模 SEOmarketing-skill/skills/content-strategy—— 更广泛的内容策划marketing-skill/skills/copywriting—— 语气与调性marketing-skill/skills/schema-markup—— 结构化数据实现
版本: 2.7.3
来源: 从 alirezarezvani/aeo-box 移植(answer-engine-optimization/ 技能,9 个模块共 2,464 行代码)。本次移植将该 9 模块 Python 工具包浓缩为 3 个符合 claude-skills 惯例的标准库 CLI 工具;保留了 E-E-A-T 评分方法、引用台账模式和行业感知阈值。
许可证: MIT(与上游 + 本仓库一致)