geo-seo-claude
geo-seo-claude 是一款专为 Claude Code 设计的智能技能插件,旨在帮助网站适应由 AI 驱动的新型搜索生态(如 ChatGPT、Perplexity、Google AI Overviews 等)。随着传统搜索引擎流量逐渐向 AI 问答转移,该工具解决了网站在 AI 搜索结果中“不可见”或“难被引用”的痛点,确保内容不仅能被传统爬虫抓取,更能被大模型高效识别与推荐。
它特别适合 SEO 专家、数字营销人员、网站开发者以及希望提升品牌在 AI 时代曝光度的企业主使用。通过简单的命令行指令,用户即可执行全面的 GEO(生成式引擎优化)审计、AI 爬虫可达性分析、品牌权威性评估及结构化数据生成。
其独特亮点在于引入了“可引用性评分”机制,专门量化内容被 AI 模型引用的概率;同时支持自动生成专业的 PDF 分析报告和客户提案,内置多个专用子代理并行处理技术 SEO、内容质量(E-E-A-T)及多平台优化策略。geo-seo-claude 不仅关注当下的搜索排名,更着眼于未来流量趋势,帮助用户提前布局 AI 搜索赛道,实现从“被搜索”到“被推荐”的转变。
使用场景
某数字营销机构正在为一家 B2B SaaS 客户制定 2026 年增长策略,急需应对传统搜索流量下滑并抢占 AI 搜索引擎(如 Perplexity、Google AI Overviews)的新兴流量入口。
没有 geo-seo-claude 时
- 盲目优化:团队仍沿用传统 SEO 思维,过度追求外链数量,却忽略了 AI 模型更看重的“品牌提及”和“引用率”,导致在 AI 搜索结果中几乎不可见。
- 人工审计低效:分析师需手动检查 robots.txt、结构化数据和各平台收录情况,耗时数天才能产出一份静态报告,且难以覆盖所有主流 AI 爬虫的行为逻辑。
- 缺乏量化依据:无法向客户证明内容是否具备"AI 可引用性”,提案时只能凭经验猜测,难以用数据说服客户投资 GEO(生成式引擎优化)服务。
- 报告不专业:最终交付的文档多为纯文本或简单截图,缺乏可视化的对比图表和专业排版,显得不够权威,影响成交转化率。
使用 geo-seo-claude 后
- 精准靶向优化:通过
/geo citability和/geo brands命令,快速识别内容在 AI 引用方面的短板,针对性地提升品牌在权威平台的提及率,直接对齐 AI 排序算法。 - 自动化深度审计:执行
/geo audit即可调用多个子代理并行工作,几分钟内完成从技术底层到内容 E-E-A-T 的全方位诊断,并自动分析 llms.txt 标准兼容性。 - 数据驱动决策:利用评分系统量化网站的"AI 就绪度”,用具体的引用潜力分数替代模糊的直觉,让策略调整有章可循。
- 一键生成专业交付物:运行
/geo report-pdf即刻输出包含可视化图表的专业 PDF 报告,大幅提升提案的专业度和客户信任感,缩短销售周期。
geo-seo-claude 将原本需要数天的人工调研转化为分钟级的智能洞察,帮助团队从被动适应传统搜索转向主动掌控 AI 流量红利。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
地理优先,SEO支持。 在保持传统SEO基础的同时,为AI驱动的搜索引擎
(ChatGPT、Claude、Perplexity、Gemini、Google AI Overviews)优化网站。
AI搜索正在吞噬传统搜索。这款工具针对流量去向进行优化,而非仅仅关注过去的流量来源。
为什么GEO很重要(2026年)
| 指标 | 数值 |
|---|---|
| GEO服务市场 | 8.5亿美元以上(预计到2031年将达到73亿美元) |
| AI引流增长 | 同比增长527% |
| AI流量转化率 vs 自然流量 | 高出4.4倍 |
| Gartner预测:到2028年搜索流量将下降 | 50% |
| 品牌提及与AI引用的关系 | 强相关性是反向链接的3倍 |
| 投资GEO的营销人员比例 | 仅23% |
快速开始
单命令安装(macOS/Linux)
curl -fsSL https://raw.githubusercontent.com/zubair-trabzada/geo-seo-claude/main/install.sh | bash
手动安装
git clone https://github.com/zubair-trabzada/geo-seo-claude.git
cd geo-seo-claude
./install.sh
Windows(Git Bash)
需要Git for Windows,其中包含Git Bash。
# 选项1:单命令安装(在Git Bash中运行,不要使用PowerShell或CMD)
curl -fsSL https://raw.githubusercontent.com/zubair-trabzada/geo-seo-claude/main/install-win.sh | bash
# 选项2:手动安装
git clone https://github.com/zubair-trabzada/geo-seo-claude.git
cd geo-seo-claude
./install-win.sh
注意: 右键点击文件夹并选择“在此处打开Git Bash”,或者直接打开Git Bash后导航到该目录。请勿使用PowerShell或命令提示符。
系统要求
- Python 3.8及以上
- Claude Code CLI
- Git
- 可选:Playwright(用于截图)
命令
打开Claude Code并使用以下命令:
| 命令 | 功能 |
|---|---|
/geo audit <url> |
全面的GEO+SEO审计,采用并行子代理 |
/geo quick <url> |
60秒GEO可见性快照 |
/geo citability <url> |
内容对AI引用准备程度评分 |
/geo crawlers <url> |
检查AI爬虫访问权限(robots.txt) |
/geo llmstxt <url> |
分析或生成llms.txt文件 |
/geo brands <url> |
在AI引用的平台上扫描品牌提及情况 |
/geo platforms <url> |
针对特定平台的优化 |
/geo schema <url> |
结构化数据分析与生成 |
/geo technical <url> |
技术SEO审计 |
/geo content <url> |
内容质量和E-E-A-T评估 |
/geo report <url> |
生成客户可用的GEO报告 |
/geo report-pdf |
生成带有图表和可视化效果的专业PDF报告 |
架构
geo-seo-claude/
├── geo/ # 主技能编排器
│ └── SKILL.md # 包含命令和路由的主要技能文件
├── skills/ # 13个专业子技能
│ ├── geo-audit/ # 全面审计编排与评分
│ ├── geo-citability/ # AI引用准备程度评分
│ ├── geo-crawlers/ # AI爬虫访问权限分析
│ ├── geo-llmstxt/ # llms.txt标准分析与生成
│ ├── geo-brand-mentions/ # AI引用平台上的品牌存在
│ ├── geo-platform-optimizer/ # 针对特定平台的AI搜索优化
│ ├── geo-schema/ # 用于AI可发现性的结构化数据
│ ├── geo-technical/ # 技术SEO基础
│ ├── geo-content/ # 内容质量与E-E-A-T
│ ├── geo-report/ # 客户可用的Markdown报告生成
│ ├── geo-report-pdf/ # 带有图表的专业PDF报告
│ ├── geo-prospect/ # 轻量级CRM潜在客户管理
│ ├── geo-proposal/ # 自动生成客户提案
│ └── geo-compare/ # 月度变化跟踪与进度报告
├── agents/ # 5个并行子代理
│ ├── geo-ai-visibility.md # GEO审计、引用能力、爬虫权限、品牌提及
│ ├── geo-platform-analysis.md # 针对特定平台的优化
│ ├── geo-technical.md # 技术SEO分析
│ ├── geo-content.md # 内容与E-E-A-T分析
│ └── geo-schema.md # 结构化标记分析
├── scripts/ # Python实用工具
│ ├── fetch_page.py # 页面抓取与解析
│ ├── citability_scorer.py # AI引用能力评分引擎
│ ├── brand_scanner.py # 品牌提及检测
│ ├── llmstxt_generator.py # llms.txt验证与生成
│ └── generate_pdf_report.py # PDF报告生成器(ReportLab)
├── schema/ # JSON-LD模板
│ ├── organization.json # 组织架构模式(包含sameAs)
│ ├── local-business.json # 当地企业模式
│ ├── article-author.json # 文章+人物模式(E-E-A-T)
│ ├── software-saas.json # 软件应用模式
│ ├── product-ecommerce.json # 商品模式,包含报价信息
│ └── website-searchaction.json # 网站+搜索动作模式
├── install.sh # 单命令安装程序
├── uninstall.sh # 卸载程序
├── requirements.txt # Python依赖项
└── README.md # 本文件
数据存储
CRM和报告功能(/geo prospect、/geo proposal、/geo compare)会将运行时数据存储在Claude Code目录之外:
~/.geo-prospects/
├── prospects.json # 客户/潜在客户管理数据
├── proposals/ # 生成的提案文档
│ └── <domain>-proposal-<date>.md
└── reports/ # 月度差异报告
└── <domain>-monthly-<YYYY-MM>.md
此目录不会被卸载程序删除——如果您不再需要潜在客户数据,请手动删除。
工作原理
全面审计流程
当您运行/geo audit https://example.com时:
- 发现阶段 — 抓取首页,识别业务类型,抓取站点地图
- 并行分析 — 同时启动5个子代理:
- AI可见性(引用能力、爬虫权限、llms.txt、品牌提及)
- 平台分析(ChatGPT、Perplexity、Google AIO就绪度)
- 技术SEO(核心Web指标、服务器端渲染、安全性、移动端适配)
- 内容质量(E-E-A-T、可读性、内容新鲜度)
- 结构化数据(检测、验证、生成)
- 综合分析 — 汇总各项得分,生成综合GEO分数(0-100)
- 报告生成 — 输出优先级行动方案及快速见效措施
评分方法
| 类别 | 权重 |
|---|---|
| AI引用能力与可见性 | 25% |
| 品牌权威信号 | 20% |
| 内容质量与E-E-A-T | 20% |
| 技术基础 | 15% |
| 结构化数据 | 10% |
| 平台优化 | 10% |
核心功能
引用评分
分析内容块的AI引用准备情况。理想的AI引用段落长度为134至167字,应自成一体、信息丰富,并能直接回答问题。
AI爬虫分析
检查robots.txt文件中针对14种以上AI爬虫(如GPTBot、ClaudeBot、PerplexityBot等)的配置,并提供具体的允许或禁止抓取建议。
品牌提及扫描
品牌提及与AI可见性的相关性是反向链接的3倍。该功能可扫描YouTube、Reddit、维基百科、LinkedIn等7个以上平台。
平台特定优化
仅有11%的域名在相同查询下同时被ChatGPT和Google AI摘要引用。此功能会根据各平台特性提供定制化建议。
llms.txt生成
生成新兴的llms.txt标准文件,帮助AI爬虫理解您的网站结构。
客户就绪报告
以Markdown或PDF格式生成专业的GEO报告。PDF报告包含评分仪表盘、柱状图、平台就绪度可视化、彩色编码表格以及优先级行动方案——可直接交付给客户。
使用场景
- GEO代理机构 — 执行客户审计并生成交付成果
- 市场团队 — 监控并提升AI搜索可见性
- 内容创作者 — 优化内容以获得AI引用
- 本地企业 — 被AI助手找到
- SaaS公司 — 提升跨AI平台的实体识别能力
- 电商 — 优化产品页面以适应AI购物推荐
卸载
./uninstall.sh
或手动执行:
rm -rf ~/.claude/skills/geo ~/.claude/skills/geo-* ~/.claude/agents/geo-*.md
想把这项工具变成一项业务吗?
该工具本身是免费的。如何将其变现,则需要社区的帮助。
加入后您将获得:
- 视频教程 — 从安装到运行审计、解读结果的全流程指导
- 客户获取手册 — 如何寻找潜在客户、推介GEO服务并达成交易
- 在线答疑时间 — 带上您的审计结果,获得即时帮助
- GEO代理定价与模板 — 报价文档、冷邮件脚本、客户入职流程模板
GEO代理机构的收费通常在每月2,000至12,000美元之间。这款工具负责完成审计工作,而社区则会教您如何成功销售它。
许可证
MIT许可证
贡献
欢迎贡献!
专为AI搜索时代打造。
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器