Claude SEO：为 Claude Code 打造的开源 AI 搜索引擎优化技能

今天在 GitHub Trending 上看到一个有意思的项目：Claude SEO，一个为 Claude Code 打造的开源 SEO 分析技能，用 LLM 原生的并行审计把传统需要数小时的人工审计压缩到十几分钟，并且把每一条建议都绑定了可证伪的校验逻辑。

一、项目概述

Claude SEO 是一个开源（MIT）的 Claude Code 插件，本质是一套围绕 /seo 命令组织的 SEO 分析系统。它一次性编排 25 个子技能（sub-skill）与 18 个专家 Agent，从技术 SEO、内容质量（E-E-A-T）、Schema.org 结构化数据、AI 搜索优化（GEO/AEO）、本地 SEO、电商 SEO 到国际 SEO 全面覆盖。

与传统爬虫式审计工具不同，它的设计哲学是"AI 搜索优先 + 可证伪"：

AI 搜索优先：紧跟 Google AI Optimization Guide，用基于问答的"可引用性评分"（citability）、llms.txt 一手证据、IPTC TrainedAlgorithmicMedia 标记等维度评估页面进入 AI Overview / AI Mode 的资格。
并行执行：一次整站审计最多同时派出 15 个专家 Agent，把原本需要数小时的审计压缩到分钟级。
可证伪而非营销话术：每条建议都附带"它所依赖的第一性原理观察"“与其他建议的依赖关系"“如何判断这条建议失败了"以及"先行指标”。

项目提供了两个版本：公开开源版 AgriciDaniel/claude-seo（MIT，无需会员，稳定可下载），以及社区私有镜像版（需 Skool 会员，提前体验新特性）。如果使用的是 Codex 而非 Claude Code，作者还提供了功能对等的 Codex SEO 移植版。

二、技术原理

架构：三层 + 自动发现

插件遵循 Anthropic 的 Agent Skills 标准，采用 指令层 / 编排层 / 执行层 三层架构。技能与 Agent 从 skills/seo-*/ 和 agents/seo-*.md 中自动发现，无需手工注册。

编排器 skills/seo/SKILL.md 负责三件事：

行业识别：判断站点属于 SaaS、本地商家、电商、出版商还是代理商。
并行分发：最多同时派出 15 个审计 Agent。
综合收敛：通过 10 项原则的方法论框架合成最终行动计划。

/seo audit example.com
        │
        ▼
   Orchestrator (skills/seo/SKILL.md)
        │  行业识别 → 并行分发 → 10 原则收敛
        ├──► seo-technical agent
        ├──► seo-content (E-E-A-T) agent
        ├──► seo-schema agent
        ├──► seo-geo agent
        └──► ...（最多 15 个并行）
        │
        ▼
   Scoring Engine → 优先级行动计划 (Markdown + PDF + JSON)

核心技术栈与选型理由

依赖在 requirements.txt 中做了受限版本钉死 + 安全下限，值得借鉴：

# v2.0.0 Phase A：全量无头渲染
trafilatura>=2.0.0,<3.0.0    # 去样板正文抽取（SPA 安全）
htmldate>=1.9.0,<2.0.0       # 发布日期抽取，用于新鲜度信号
courlan>=1.3.0,<2.0.0        # trafilatura 的 URL 助手

# 报告生成
matplotlib>=3.8.0,<4.0.0     # 图表（PDF 报告，200 DPI）
weasyprint>=68.1,<70.0       # A4 排版 PDF
openpyxl>=3.1.5,<4.0.0       # Excel 导出

Playwright Chromium：Phase A 引入共享渲染器 scripts/render_page.py，--render auto 模式会自动识别 Next.js / React / Vue / Nuxt / Astro 等 SPA 特征并切换到无头渲染，解决 v1.x 被 SPA 卡脖子的问题。
trafilatura + htmldate：负责去噪的正文抽取与发布时间识别，支撑内容新鲜度信号。

方法论：10 原则四阶段

每次审计都走一遍 10 条原则，分四个阶段，每条建议都带四个字段：

阶段	原则	作用
PERCEIVE 感知	OBSERVE（外部/内部）· LISTEN	收集原始信号，审计自身假设，倾听 SERP 与社区真实声音
ANALYZE 分析	THINK · CONNECT（横向/系统）	还原第一性原理，寻找跨技能的非显性关联，排成依赖图
VALIDATE 验证	FEEL · ACCEPT	用体验、品牌调性、运营承载力压测，暴露可证伪性
ACT 行动	CREATE · GROW	交付产物，并为下一次审计设置反馈回路

数据流：Credential Tier 分层

Google 数据接入采用 4 层凭证体系，零密钥也能用：

层级	凭证	解锁的 API
0	仅 API Key	PageSpeed Insights、CrUX、CrUX 历史（25 周趋势）
1	+ OAuth / 服务账号	+ Search Console、Indexing API
2	+ GA4 配置	+ GA4 自然流量、落地页、设备/国家分布
3	+ Ads 开发者令牌	+ Keyword Planner 搜索量/竞争度

凭证全部存放在 ~/.config/claude-seo/ 下（权限 0o600），不入库、不外传。

三、安装与快速开始

插件安装（Claude Code 1.0.33+，最快捷）

# 一次性添加市场，再安装插件
/plugin marketplace add AgriciDaniel/claude-seo
/plugin install claude-seo@agricidaniel-claude-seo
/seo setup

/seo setup 会在 Claude 的持久化插件数据里创建隔离 Python 环境并安装 Playwright Chromium，/seo doctor 可随时检查就绪状态，不污染全局 Python 与 PATH。

手动安装（Unix / macOS）

git clone --depth 1 https://github.com/AgriciDaniel/claude-seo.git
bash claude-seo/install.sh

Windows（PowerShell）同样提供 install.ps1。作者有意用 git clone 而非 irm | iex，正是因为 Claude Code 自身的供应链安全护栏会把后者标记为风险——clone 方式可在运行前先人工审阅脚本。

最简运行示例

# 进入 Claude Code
claude

# 整站审计：并行子 Agent 产出优先级行动计划
/seo audit https://example.com

# 单页深度分析
/seo page https://example.com/about

# 结构化数据审计
/seo schema https://example.com

# AI 搜索优化（GEO）
/seo geo https://example.com

四、使用方法与实战

插件共提供 32 个用户可直接调用的 /seo 命令，覆盖编排器、子技能与 8 个 MCP 扩展。几个高频实战场景：

场景 1：SEO 代理商带 10 个客户站 用每周一早晨的 /seo audit 取代季度"深度审计"仪式，交付客户健康评分邮件的时间从 4 小时降到 12 分钟，覆盖频率从季度提升到周级而无需多计费。漂移基线（drift baseline）还能捕捉两次审计间的回归。

场景 2：50 人 SaaS 公司的内部 SEO 负责人 每次季度业务复盘前 24 小时跑 /seo audit，在 CMO 于董事会上质问"为什么自然流量掉了"之前，先抓出平台 UI 埋掉的问题：程序化页面的 canonical 链断裂、Google 2025 年 6 月废弃潮后的 schema 失效、侵蚀 SERP→AI Overview 的 AI 可引用性缺口。

场景 3：自由 SEO 顾问接新客户 在 discovery 电话里直接跑 /seo audit，用真实的 0-100 评分、3 条优先级关键发现加每条建议的可证伪校验，当场锁定合作范围，而不是"我先看看再回来找你”。

进阶：集成 MCP 扩展 插件核心不依赖任何外部服务，但可选挂载 8 个 MCP 服务器解锁实时数据：Ahrefs（反向链接）、SE Ranking（跨 ChatGPT/Gemini/Perplexity 的 AI 声量）、Profound（LLM 引用追踪）、Bing Webmaster + IndexNow、Unlighthouse（多页 Lighthouse）、DataForSEO、Firecrawl、Banana（AI 配图）。

AI 搜索优化的三个反共识结论 seo-geo 基于一手证据重构了三个流行误区：

llms.txt 当前不是引用杠杆；
内容分块（chunking）对 AI 引用并非必需；
AI 专属关键词改写没必要，因为同义词理解已足够。

这与 Google 官方"AI Overview / AI Mode 与传统搜索共用同一套排名系统，资格地板就是正常索引"的立场一致。

五、常见问题与解决方案

Q：没有 Google API 密钥能用吗？ 可以。零密钥即可运行，Tier 0 仅用 PageSpeed Insights 与 CrUX 历史。但若不配置 Tier 1-3，Core Web Vitals 仅为实验室估算，索引状态只能由页面级信号推断。

Q：对单页应用（Next.js / React / Vue）有效吗？ 有效。v2 Phase A 引入了共享无头渲染器（render_page.py --mode auto），自动探测空 <div id="root"> 壳层并切换渲染。已知边界：依赖滚动位置或交互后才加载的内容仍可能产生噪声，官方建议用 seo-visual 子 Agent 的 Playwright 快照做交叉核对。

Q：和 Screaming Frog / Ahrefs 有什么区别？ 定位不同：Screaming Frog 长于链接图级深爬，Ahrefs 强在自有反向链接索引；Claude SEO 不试图替代它们，反而通过 MCP 扩展接入 Ahrefs。它的优势在于 LLM 原生对话式工作流、建议可证伪性、MIT 开源零按域计费、以及紧跟 Google 一手指南的 AI 搜索优化。

Q：安装时供应链安全如何保证？ 插件坚持 git clone 审阅式安装，拒绝 irm | iex；v2.2.x 还修复了 SSRF 权威混淆绕过、将 Google API Key 移入 X-Goog-Api-Key 头、加入 secret 扫描 CI 门禁，url_safety 套件单是 SSRF 与 DNS 重绑定绕过就跑了 91 个用例。

六、总结

Claude SEO 把"SEO 审计"从一份静态的 PDF 发现清单，重塑成 Claude Code 里可对话、可迭代、可证伪的并行工作流。它最大价值不在于又多了一个爬虫，而在于：AI 搜索优先的视角、每条建议都带失败判据的可证伪性，以及MIT 开源、数据不离本机、零按域计费的透明度。

如果你已经是 Claude Code 用户，且手上跑着 5 个以上站点，把它接入日常工作流几乎零成本——一次 /seo audit 就能在十几分钟内得到一份带优先级的行动清单。对于想深入理解 AI 时代 SEO 方法论的人，其 10 原则框架与一手证据驱动的 GEO 立场，也值得单独研读。

仓库地址：https://github.com/AgriciDaniel/claude-seo （MIT 协议，欢迎社区贡献）

一、项目概述#

二、技术原理#

架构：三层 + 自动发现#

核心技术栈与选型理由#

方法论：10 原则四阶段#

数据流：Credential Tier 分层#

三、安装与快速开始#

插件安装（Claude Code 1.0.33+，最快捷）#

手动安装（Unix / macOS）#

最简运行示例#

四、使用方法与实战#

五、常见问题与解决方案#

六、总结#