SEO · AEO · 营销自动化
写出能做 SEO 与 AEO 的软件。
献给宁愿把机制写进代码、也不愿背诵“最佳实践”的开发者。
两条管线（pipeline）决定了你的内容能不能被人找到。这门课把两条都讲到 足以让你写工具去对接的程度——而且每节课都给你一个正好做这件事的可运行脚本。
经典搜索 — SEO
crawl → index → rank → serve. bot 抓取，index 存储，ranker 排出那十条蓝色链接。可用第一方（first-party）API 测量。
AI 答案引擎 — AEO / GEO
retrieve → generate → cite. 引擎拉取段落、写出一个答案、并链接它的来源。赢点是被引用（cited）。
课程
第 0001 课 两条管线 经典搜索（crawl 抓取 → index 索引 → rank 排名）对比 AI 答案引擎（retrieve 检索 → generate 生成 → cite 引用）。整门课都挂在这套心智模型上。 第 0002 课 可抓取（crawlable）≠ 可索引（indexable） 一个页面在能够 rank（排名）之前要先通过的两道门——以及为什么一道是 robots.txt， 另一道是 noindex/title/canonical。 ▸ crawl_audit.py 第 0003 课 结构化数据 用 JSON-LD 赢得 rich result（富结果），并把你的事实喂给机器。必填属性 vs 推荐属性，经过校验。 ▸ schema_tool.py 第 0004 课 为检索而写 答案先行（answer-first）、自足的、引擎能逐字摘取的 chunk（块）——把倒金字塔（inverted pyramid）当作一种 AEO 战术。 ▸ geo_lint.py 第 0005 课 衡量效果 两块记分牌：Search Console 通过 API 提供 ground truth（真实基准）；AI 引用没有任何 API，于是你只能搭建所有人都在搭的 proxy（代理指标）。 ▸ citation_share.py · build_prompts.py 第 0006 课 JS 渲染缺口 Google 延迟（deferred）的两波（two-wave）渲染（render），以及为什么你的 urllib 爬虫——还有大多数 AI 爬虫——永远只看到原始的、未跑 JS 的 HTML。 ▸ render_gap.py 第 0007 课 Sitemap + IndexNow 被动发现（passive，一份每个引擎都会自行拉取的 sitemap）对比主动推送（active，IndexNow——即时、共享，且被 Google 忽略）。 ▸ sitemap_ping.py 第 0008 课 E-E-A-T Experience、Expertise、Authoritativeness、Trust。不是分数、不是排名因子(ranking factor)——所以改去审计那些机器可检测的信号组合。 ▸ eeat_audit.py 第 0009 课 全站审查（The Site Audit） 从一个 seed（种子 URL）起按 BFS（广度优先）走遍整站，对每个页面跑 0002–0008 的 crawl/index/retrieve 关卡，再把结果汇总成一份带优先级的报告。 ▸ site_audit.py
它是怎么搭的
本站践行它所教的东西。它是一个服务端渲染（SSR）的 Astro 站点 （内容就在第一个字节里——第 0006 课）， 构建时会生成 sitemap.xml（第 0007 课）， 每个页面都带 canonical、Open Graph 和 JSON-LD （第 0003 课、 0008）。课程里的每条论断都基于 一手来源（primary source），绝不靠记忆。