导读

本文是 claude-seo 开源仓库中seo-content子技能（skills/seo-content/SKILL.md）的技术详解。该技能面向 Claude Code，用于对任意 URL 或文本执行内容质量与 E-E-A-T（Experience 经验、Expertise 专业、Authoritativeness 权威、Trustworthiness 可信）分析，并评估内容的 AI 引用就绪度（GEO 信号）。读完本文，你将掌握：如何在 claude-seo 中触发并运行内容质量审计、如何按 Google Quality Rater Guidelines（截至 2025 年 9 月版）逐项评分 E-E-A-T 四要素、如何用仓库自带脚本量化内容质量（填充词、AI 模式短语、信息密度、重复度、瘦内容）、以及如何针对 Google AI Overviews 与 AI Mode 优化内容的可引用性。

技能定位：何时使用 seo-content

seo-content是 claude-seo 的 25 个子技能之一，其 frontmatter 声明的触发词包括 "content quality"、"E-E-A-T"、"content analysis"、"readability check"、"thin content"、"content audit"，并支持user-invocable: true与argument-hint: "[url]"（skills/seo-content/SKILL.md）。也就是说，用户可以直接以/seo-content <url>的方式调用，也可以在对话中自然说出上述关键词让系统自动路由。

与它配套的内容质量子代理（agents/seo-content.md）在seo-content技能之上封装了完整的审计工作流：评估 E-E-A-T 信号、对照页面类型最低字数、计算可读性指标、检查关键词优化是否自然、评估 AI 引用就绪度、检查内容新鲜度信号，并按 2025 年 9 月版 QRG 标准标记潜在的 AI 生成内容质量问题。该子代理还定义了跨技能委派规则：程序化生成页面（programmatic pages）的分析交给seo-programmatic子技能，对比页内容标准参考seo-competitor-pages，保证审计口径在全仓库内一致。

从实现层面看，内容审计的文本来源由共享渲染器 scripts/render_page.py 提供：它用 trafilatura 抽取正文（剥离导航、页脚、Cookie 横幅），用 htmldate 探测发布日期，并输出extracted_text字段。子代理明确要求 E-E-A-T 评分必须基于extracted_text而非原始content，原因在 agents/seo-content.md 中写得很清楚：作者简介与正文可信信号会因页面噪音被稀释，剥离样板内容后评分才准确。

Google 的 "Who / How / Why" 测试：审计的起点

在逐项打分 E-E-A-T 之前，seo-content 技能要求每一次页面审计都先通过 Google 官方帮助内容指南中的三问启发式。这是内容审计的"总开关"——三个问题都答不上来，页面就处于核心排序系统有用性信号（helpfulness signals）的风险之下（原独立 Helpful Content System 已于 2024 年 3 月核心更新并入核心算法）。

该启发式的原始出处是 Google Search Central 官方《创建实用、可靠、以人为先的内容》指南。技能文档强调：当三个答案都很薄弱时，页面在核心排名系统下处于风险区，这与 2024 年 3 月核心更新将 Helpful Content System 合并进核心算法、变为持续生效的有用性信号的事实一致。

E-E-A-T 框架：四要素信号清单与评分权重

完整判定标准见仓库参考文档 skills/seo/references/eeat-framework.md，该文档按 2025 年 9 月 11 日版 Quality Rater Guidelines 更新，并纳入 2025 年 12 月核心更新的影响。要点如下：可信度（Trustworthiness）是四要素中权重最高的一项（30%），它既依赖另外三项信号，也依赖直接信任指标；而2025 年 12 月核心更新被称为"分水岭时刻"——E-E-A-T 从仅适用于 YMYL 扩展到了几乎所有竞争性查询，匿名或通用署名即使对非 YMYL 内容也会被惩罚。技能文档与子代理的权重口径一致：Experience 20%、Expertise 25%、Authoritativeness 25%、Trustworthiness 30%。

Experience（经验，20%）：一手信号

• 原创研究、案例研究、前后对比结果
• 个人经历叙述、过程文档
• 独有数据、专有洞察
• 来自直接经历的照片/视频

eeat-framework.md 特别指出，2025 年 12 月更新将 Experience 维度提升为关键区分项：AI 能生成听起来很专业的文本，却无法编造真实的经验。"我测试过……""以我的经验……"这样的第一人称叙述、非素材库的原图与截图、带可验证细节的具体示例、展示真实工作量的过程文档，都是强 Experience 信号。

Expertise（专业，25%）：资质与准确性

• 与主题相关的作者资质、认证、简介
• 与主题相关的职业背景
• 与目标受众匹配的技术深度
• 准确且有可靠出处的论断

Authoritativeness（权威，25%）：外部认可

• 来自权威来源的外部引用与反链
• 品牌提及、行业认可
• 在公认渠道发表过内容
• 被其他专家引用

Trustworthiness（可信，30%）：透明与可靠

• 联系方式、实体地址
• 隐私政策、服务条款
• 客户证言、评论
• 日期戳、透明的更正记录
• 安全的站点（HTTPS）

评分维度上，eeat-framework.md 提供了从 "Strong / Moderate / Weak / None" 四档信号强度的判断标准，以及 0-29（严重）、30-49（重大）、50-69（中等）、70-89（轻微）、90-100（维护）五个分数区间的改进建议——例如 0-29 分需要先补联系方式与 About 页、建立作者身份、启用 HTTPS、移除欺骗性元素；50-69 分则应通过原创研究加深内容、用内容簇构建主题权威、沉淀过程与方法论。

内容指标：可量化的一组检查清单

字数分析：主题覆盖下限而非目标

seo-content 技能给出按页面类型的最低字数对照表：

技能文档特别加粗强调：这些是主题覆盖的"地板"，不是目标。Google 已确认字数不是直接排名因素——一个 500 字但完整回答用户查询的页面会胜过 2,000 字却没答到点上的页面。仓库的扩展质量门禁 skills/seo/references/quality-gates.md 进一步细化：首页 500 字且唯一内容占比 100%、服务页 800 字、主地点页 600 字（唯一内容 60%+）、次级地点页 500 字（40%+）、分类页 400 字、关于页 400 字、着陆页 600 字、FAQ 页 800 字；同时该文档对程序化地点页给出警示线（30+ 地点页强制 60%+ 唯一内容，50+ 页触发硬性停止并要求证明每个地点的真实业务存在），因为 Google 的门道页（doorway）算法会惩罚仅替换城市名的批量地点页。

可读性

• Flesch Reading Ease：普通受众目标 60-70
• 年级水平（Grade level）：匹配目标受众
• 句子长度：平均 15-20 词
• 段落长度：2-4 句

同样有边界说明：Flesch 分数只是内容可达性的有用代理，并非 Google 直接排名因素（John Mueller 已确认 Google 不使用基础可读性分数排序，Yoast 在 v19.3 中也不再强调 Flesch 分）。可读性分析应作为内容质量指标，而非需要直接优化的 SEO 指标。

关键词优化

• 主关键词出现在标题、H1、前 100 词内
• 自然密度 1-3%
• 存在语义变体
• 无关键词堆砌

内容结构

• 逻辑标题层级（H1 → H2 → H3）
• 带描述性标题的可扫描章节
• 恰当使用项目符号/编号列表
• 长文提供目录

多媒体

• 相关图片配正确的 alt 文本
• 适当位置的视频
• 复杂数据的图表（infographic）
• 统计数据的图表（chart/graph）

内链

• 每 1000 词 3-5 条相关内链
• 描述性锚文本
• 链接到相关内容
• 无孤岛页面

quality-gates.md 给出了更细的内链目标：博客长文（1500+ 词）5-10 条、服务页 3-5 条、分类页链接全部子页、产品页 2-4 条，并强调锚文本要多样、描述性强，避免"点击这里"式锚文本。

外链

• 引用权威来源
• 新标签页打开以优化体验
• 数量合理（不过量）

AI 内容评估：2025 年 9 月 QRG 的新增维度

Google 的评估员（raters）现在会正式评估内容是否看起来由 AI 生成。技能文档的关键立场是：AI 生成这一事实本身并不被惩罚，关键在于内容是否提供独特价值。

可接受的 AI 内容：

• 展现了真实的 E-E-A-T
• 提供独特价值
• 有人工监督与编辑
• 包含原创洞察

低质量 AI 内容的标记：

• 泛泛措辞、缺乏具体性
• 无原创洞察
• 跨页面结构重复
• 无作者署名
• 事实性错误

仓库的 scripts/content_quality.py 把这一判断落到了可执行的启发式上。它对照 QRG §4.6 的三类低分触发点（规模化内容滥用、最低评级触发、填充内容）计算五个指标：filler_score（填充分，越高越像填充）、ai_pattern_score（AI 模式分）、information_density（信息密度，实体+数字每百 token 数）、repetition_score（二元组重复度）、overall_quality（综合质量分）。其中填充词表（如 "in today's fast-paced world"、"needless to say"、"let's dive in"）与 AI 模式表（如 "delve into"、"ever-evolving landscape"、"leverage the power of"、"unlock the potential"）源自 Wikipedia "AI Cleanup" 项目的 LLM 典型措辞目录（CC BY-SA 4.0），并保持保守选取——只收录在 LLM 输出中显著多于人类写作的短语。该脚本是建议性的：它只暴露信号供调用方决策，不下"这是 AI 写的"的最终结论，因为现代生成工具能产出通过全部启发式的内容。运行时可用--threshold设定质量线（默认 60，低于则非零退出），输出 JSON 或可读报告，典型调用：

python3 scripts/content_quality.py page.html --json --threshold 60 cat draft.md | python3 scripts/content_quality.py --json

配套的清理工具 scripts/content_humanize.py 做"最后一英里"的确定性改写：对_REPLACEMENTS表中的每个 AI 典型短语做 1:1 替换（如 "delve into" → "explore"、"leverage the power of" → "use"、"in essence," → 删除），保留句首大小写，对未知习语一律不动。它不是改写器或翻译器，不引入新内容。测试用例（tests/test_content_quality.py）验证了其幂等性：对已干净的文本change_count == 0。

python3 scripts/content_humanize.py draft.md -o cleaned.md cat draft.md | python3 scripts/content_humanize.py --json

而 scripts/content_verify.py 负责"声称 + 引用缺口"检测：从文本中抽取可验证声称（统计型 "47% of marketers…"、数量型 "$3.2 billion"、权威型 "according to a Stanford study"、时间型 "in 2025"、比较型 "3x faster"），并检查每条声称周围 200 字符内是否存在引用标记（Markdown/HTML 链接、脚注[1]/[^1]、命名机构归因、schema.org Citation 块）。高未引用率（uncited_ratio）正是 QRG 评估员使用的主要红旗，适用于发布前的/seo content verify事实核查工作流。

AI 引用就绪度与 GEO 信号

这是 seo-content 技能面向 2025-2026 搜索格局新增的核心章节。为 AI 搜索引擎（ChatGPT、Perplexity、Google AI Overviews）优化内容：

• 清晰、可引用的论断，带统计数据/事实
• 结构化数据（尤其是数据点）
• 强标题层级（H1→H2→H3 流）
• 关键问题的"答案先行"格式
• 用表格和列表呈现对比数据
• 清晰的署名与来源引用

Google AI Mode 与双面优化

据该技能文档，Google AI Mode 是 Google 的对话式 AI 搜索界面（基于 Gemini 3.5 Flash，I/O 2026 即 2026 年 5 月更新，全球月活已超 10 亿）。与出现在自然结果上方的 AI Overviews 不同，AI Mode 是完全对话式体验且零自然蓝色链接，AI 引用成为唯一的可见性机制；它和 AI Overviews 是两套独立的引用引擎，引用的 URL 只有约 14% 重叠——因此必须为两个界面分别优化，而不是只优化一个。

关键的 AI 引用优化策略：

• 结构化答案：清晰的问答格式、定义模式、分步说明，便于 AI 系统抽取和引用
• 一手数据：原创研究、统计、案例研究、独有数据集是 AI 系统的高引用对象
• Schema 标记：Article、FAQPage（Google 于 2026 年 5 月退役了 FAQ 富结果，但标记仍有助于 AI 解析与实体消歧）、真实用户问答的 QAPage 等
• 主题权威：AI 系统优先引用展示深度专业性的来源，构建内容簇而非孤立页面
• 实体清晰：用 Organization、Person schema 明确定义品牌、作者与关键概念
• 多平台监测：在 Google AI Overviews、AI Mode、ChatGPT、Perplexity、Bing Copilot 上监测可见性，把 AI 引用作为与自然排名、流量并列的独立 KPI

GEO：AI 优化的本质回归

技能文档引用了 Google AI 优化指南的结论："AEO"与"GEO"只是 SEO 的更名标签——AI Overviews 和 AI Mode 与经典搜索共享同一套排名与质量系统，可引用性、署名、标题层级、新鲜度这些优化信号本质上是应用于 AI 搜索界面的 SEO 基本功，而非一门独立学科。详细工作流可交叉参考seo-geo子技能（skills/seo-geo/SKILL.md），两个界面共享 skills/seo-geo/references/google-ai-optimization-guide.md 中的一手来源综合。

内容新鲜度

• 发布日期可见
• 内容修订后显示最后更新日期
• 快速变化主题的内容超过 12 个月未更新需标记

quality-gates.md 补充了按内容类型的更新频率建议：新闻/时事按小时/天更新、常青博客年度复核、产品页随规格变更更新、服务页季度复核、公司信息随变更更新，并在长文中标注"最后更新日期"（重大改版可加变更日志）。

审计输出格式与报告结构

seo-content 技能规定的标准输出结构：

### Content Quality Score: XX/100 ### E-E-A-T Breakdown | Factor | Score | Key Signals | |--------|-------|-------------| | Experience | XX/25 | ... | | Expertise | XX/25 | ... | | Authoritativeness | XX/25 | ... | | Trustworthiness | XX/25 | ... | ### AI Citation Readiness: XX/100 ### Issues Found ### Recommendations

内容子代理（agents/seo-content.md）还定义了持久化契约：当审计编排器提供output_dir时，将 E-E-A-T、可读性、瘦内容、重复度、主题覆盖与 AI 引用发现写入output_dir/findings/content.md，并以结构化 JSON 兼容格式汇入audit-data.json的 Content Quality 类别。

实战：在 claude-seo 中完整跑一次内容质量审计

第 1 步：抓取页面

使用 scripts/render_page.py 获取页面内容。三种模式可选：

python3 scripts/render_page.py https://example.com --mode auto --json python3 scripts/render_page.py https://nuxt.com --mode always python3 scripts/render_page.py https://example.com --mode never

• auto（默认）：先做原始抓取，仅在检测到 SPA 壳（hydration shell）时才启动 Playwright 渲染，是成本最低的正确行为
• always：强制用 Playwright Chromium 渲染
• never：只取原始 HTML，等价于旧版 fetch_page.py

返回的 JSON 中，extracted_text是经 trafilatura 剥离样板后的正文，publication_date来自 htmldate，is_spa标记单页应用。安全方面，URL 在进入 Playwright 前经 scripts/url_safety.py 的validate_url_strict校验，浏览器内还有route()拦截器中止所有解析到非公网 IP 的子资源请求，以防御 SSRF 与 DNS rebinding——绝不应对用户提供的 URL 直接调用requests.get。

第 2 步：量化评分

把抽取的正文文本交给 content_quality.py 与 content_verify.py，得到填充分、AI 模式分、信息密度、重复度、综合质量分与声称引用率。从源码实现看，综合分由四个惩罚信号的加权构成：(100-filler)*0.25 + (100-ai)*0.25 + density*100*0.25 + (100-rep)*0.15 + length_bonus*0.10，长度奖励在 1000 token 封顶；而填充分按每 1000 token 命中数折算（约 3 次命中触发警告线），信息密度参考值是案例研究/数据新闻约 5+ 实体数字/百 token、泛泛填充文低于 2。

第 3 步：定性与修复

结合 E-E-A-T 四要素逐项给出 0-25 分与关键信号，输出 Issues Found 与 Recommendations；对命中 AI 模式短语的草稿，用 content_humanize.py 做保守替换；对高未引用率文本，补齐引用后再发布。

第 4 步：与 FLOW 框架联动

对需要提示词引导优化的内容，使用/seo flow optimize <url>和/seo flow win <url>（见 skills/seo-flow/SKILL.md）——optimize 阶段按上下文从 21 个提示词中选 2-3 个做 E-E-A-T 改进，win 阶段用 3 个 BOFU/转化提示词做转化侧优化。其中 optimize 提示词库覆盖基础优化、AI 检测器测试跟进、技术审计、CTR 审计等（skills/seo-flow/references/prompts/optimize/），win 阶段包含 BOFU 页面简报生成器与双面内容评分卡（skills/seo-flow/references/prompts/win/）。

错误处理：不可达、付费墙与瘦内容

DataForSEO 集成（可选）

当 DataForSEO MCP 工具可用时，seo-content 技能建议调用以下工具增强数据：kw_data_google_ads_search_volume获取真实关键词搜索量、dataforseo_labs_bulk_keyword_difficulty获取难度分、dataforseo_labs_search_intent做意图分类、content_analysis_summary做内容质量分析。安装与配置方式见 extensions/dataforseo/docs/DATAFORSEO-SETUP.md，成本分层参考 skills/seo-dataforseo/references/cost-tiers.md。

小结

seo-content 技能的价值在于把 Google QRG 的定性判断翻译成可执行的审计清单与可量化的脚本指标：三问启发式定风险基调，E-E-A-T 四要素按 20/25/25/30 权重给分，字数/可读性/关键词/结构/多媒体/链接构成日常检查项，AI 内容评估与 AI 引用就绪度覆盖 2025-2026 的搜索新常态，再叠加 content_quality / content_humanize / content_verify 三脚本与 render_page 抓取链路，形成从"抓页面"到"量化评分"再到"定向修复"的完整闭环。对任何希望同时站稳经典搜索与 AI 搜索两个界面的内容团队，这是一套开箱即用的质量基线。