GEO 内容优化器
优化内容使其同时对搜索引擎（SEO）和 AI 大模型（GEO - Generative Engine Optimization）友好。
什么是 GEO？
GEO（Generative Engine Optimization）是面向 AI 大模型的内容优化：
- SEO: 让 Google 收录并排名靠前
- GEO: 让 ChatGPT/Claude/Perplexity 引用你的内容
随着 AI 搜索的普及，内容不仅要对爬虫友好，还要对 LLM 友好。
触发条件
当用户说以下内容时启动此技能：
- "优化这篇文章的SEO"
- "让这个内容对AI更友好"
- "GEO优化"
- "帮我优化内容结构"
工作流程
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ 接收原始内容 │───▶│ SEO 分析优化 │───▶│ GEO 分析优化 │
│ (文本/URL) │ │ 关键词/结构 │ │ AI友好结构 │
└─────────────────┘ └─────────────────┘ └─────────────────┘
│
▼
┌─────────────────────┐
│ 输出优化后内容 │
│ + 优化建议清单 │
└─────────────────────┘执行步骤
步骤 1：接收内容
接受以下输入格式：
- 纯文本内容
- Markdown 文档
- 网页 URL（使用 WebFetch 获取）
步骤 2：SEO 分析与优化
检查并优化以下要素：
标题优化
- 标题长度：50-60字符最佳
- 包含主要关键词
- 吸引点击的表述
Meta 描述
- 长度：150-160字符
- 包含行动召唤
- 自然融入关键词
内容结构
- 使用层级标题（H1 > H2 > H3）
- 段落不超过3-4句
- 关键词密度：1-2%
- 内链和外链布局
技术要素
- 图片 Alt 文本
- URL 结构清晰
- Schema 标记建议
步骤 3：GEO 分析与优化
让内容更容易被 AI 大模型理解和引用：
结构化信息
- 使用清晰的定义格式："X 是..."
- 提供事实性陈述而非模糊描述
- 使用编号/列表呈现步骤或要点
引用友好
- 关键结论放在段首
- 使用明确的因果关系："因为X，所以Y"
- 提供具体数据和来源
知识密度
- 每段包含可被引用的核心观点
- 避免过多填充词和废话
- 专业术语配简明解释
权威性信号
- 引用权威来源
- 包含第一手数据/案例
- 作者专业背景说明
步骤 4：输出优化结果
# 内容优化报告
## 原始内容分析
**SEO 评分**: X/100
**GEO 评分**: X/100
### 发现的问题
1. [问题1]
2. [问题2]
---
## 优化后内容
[优化后的完整内容]
---
## 优化清单
### SEO 优化项
- [x] 已优化：标题长度调整为 55 字符
- [x] 已优化：添加 H2 子标题
- [ ] 建议：添加 3-5 个内链
### GEO 优化项
- [x] 已优化：段首添加核心结论
- [x] 已优化：模糊表述改为具体数据
- [ ] 建议：添加权威来源引用
---
## 关键词建议
| 主关键词 | 长尾关键词 |
|---------|-----------|
| [关键词1] | [长尾1], [长尾2] |
## AI 引用提示
以下句子最有可能被 AI 引用：
1. "[可被引用的关键句1]"
2. "[可被引用的关键句2]"数据存储
优化结果默认保存到：~/.claude/cache/geo-content-optimizer/
建议保存：
report-{YYYYMMDD-HHMMSS}.md：本次优化报告（包含问题清单与可引用关键句）optimized-{YYYYMMDD-HHMMSS}.md：优化后的完整内容（可直接发布或再编辑）result-{YYYYMMDD-HHMMSS}.json：结构化结果（评分、关键词建议、变更要点），便于后续批量处理与对比
使用示例
示例 1：优化博客文章
用户: 帮我优化这篇文章
[粘贴文章内容]
Claude:
1. 分析当前内容结构
2. 检查 SEO 要素
3. 评估 GEO 友好度
4. 输出优化版本和建议示例 2：优化网页内容
用户: 优化这个页面的内容 https://example.com/article
Claude:
1. 获取页面内容
2. 分析并优化
3. 输出优化建议GEO 优化技巧
1. 定义式开头
❌ 不好：GEO是一种新兴的优化方法，正在被越来越多人使用...
✅ 好的：GEO（Generative Engine Optimization）是针对 AI 搜索引擎的内容优化策略，目标是让内容被 ChatGPT、Claude 等大模型引用。2. 因果关系明确
❌ 不好：好的内容结构可能会提高 AI 引用率。
✅ 好的：使用层级标题和编号列表的内容，AI 引用率提高 40%，因为 LLM 更容易解析结构化信息。3. 可引用片段
❌ 不好：这个方法有很多优点。
✅ 好的：这个方法的三个核心优点是：1) 降低成本 50%；2) 提高效率 3 倍；3) 减少人工干预。依赖工具
- WebFetch: 获取网页内容（如果输入是 URL）
- Read/Write: 读取/保存优化后的内容
限制说明
- 图片无法直接优化，只能提供 Alt 文本建议
- 无法检测实际的搜索排名变化
- GEO 效果取决于 AI 搜索引擎的算法更新
原始来源
改编自 n8n 模板：
- 模板ID: 8768
- 原名: Google Form, AI, SEO, GEO Optimization, Human Approval
- 链接: https://n8n.io/workflows/8768