评分卡 v0.5.2

唯一事实来源：/srv/geo/rubric/rubric.yaml · 更新于 2026-09-20 · 启用 20/21 项检查 · 修改文件保存后自动热加载（校验失败沿用旧版，无需重启）

版本记录

0.5.2: C4 引用就绪度默认关闭（enabled: false）——本地与线上统一为零 LLM 调用形态，不再区分版本；C4 代码保留休眠，将来作为注册/付费特性时可改 enabled: true 恢复
0.5.1: 关键子页上限 6→10 并参数化（scan.max_subpages）；子页挑选改为『顶部导航优先』——导航栏同源链接全部优先纳入（登录/注册等低价值页除外），再按关键词补齐，sitemap 兜底；子页抓取加并发节流（4）
0.5.0: 启用 D 维度（AI 可见性，权重 5%）：新增 D1 Common Crawl 收录查询（最近两轮索引实测）；新增 C4 LLM 引用就绪度测试（需配置 config/llm.json，未配置时不计分）；权重重平衡 A 23% / B 37% / C 35% / D 5%；整组不适用的维度自动让出权重
0.4.0: 修复多页合并的跨页重复计数（导航/页脚只计一次）；修复 B4 导航字样误报（FAQ 需实际问答内容）；新增 A7 noindex 检测与 B9 sameAs 实体锚点检查；子页发现增加 sitemap 兜底；A4 响应时间改多次取样中位数；对外定位明确为『GEO 就绪度评估』
0.3.0: 扫描范围从单个 URL 扩展为整站评估（入口页 + 自动识别的最多 6 个关键子页）；内容类检查（B1/B4/B8/C1/C2/C3）基于多页合并判定并在证据中标注来源页面；新增目标地址安全校验
0.2.0: 评分卡配置化（从代码硬编码迁移）；对齐普林斯顿 GEO 论文证据口径；预留 D 维度（AI 可见性）
0.1.0: Phase 1 规则引擎初版（权重与阈值硬编码于代码中）

制定依据

GEO: Generative Engine Optimization（普林斯顿，arXiv:2311.09735, KDD 2024）：统计数据/引用来源 +30~40% 可见度；关键词堆砌无效
Profound（profound.com）：AI 搜索可见性份额、提示词覆盖、引用分析 —— D 维度蓝本
Otterly.AI：AI 内容监测与品牌提及追踪 —— D 维度蓝本
llmstxt.org：llms.txt 社区规范

等级标准

A · 优秀（总分 ≥ 90）：官网对 AI 引擎非常友好，保持并持续产出可引用的内容即可
B · 良好（总分 ≥ 75）：基础扎实，按下方整改清单补齐短板即可进入第一梯队
C · 及格（总分 ≥ 60）：存在明显短板，AI 引擎难以完整理解与采信官网内容
D · 待改进（总分 ≥ 0）：官网在 AI 引擎眼中接近『不可见』，需要按清单系统性整改

维度与权重

维度	名称	权重	状态	说明
A	AI 可访问性	23%	启用	AI 爬虫能不能抓到、读到官网
B	内容可提取性	37%	启用	内容是否容易被 AI 理解与引用
C	内容可信度	35%	启用	内容是否值得 AI 采信（普林斯顿论文：数据/引用/权威表述显著提升被引率）
D	AI 可见性	5%	启用	实测信号——主流爬虫联盟是否实际抓到过该站（Common Crawl 收录）；后续扩展 AI 引擎引用监测。整组不适用（内网目标）时自动让出权重

检查项（21 项）

编号	名称	维度	权重	判定依据 / 可调参数
A1	robots.txt 对 AI 爬虫的放行情况多数建站模板默认屏蔽 AI 爬虫，是最常见也最致命的『隐形死刑』	A	3	`fail_blocked_min` = 5 `bots` = GPTBot、OAI-SearchBot、ChatGPT-User、ClaudeBot、Claude-User、PerplexityBot、Google-Extended、CCBot、Bytespider
A2	llms.txt AI 内容导览 llmstxt.org 社区规范，主动向 AI 引擎介绍站点结构（加分项）	A	1	（无参数）
A3	原始 HTML 内容完整性（JS 依赖检测）多数 AI 爬虫不执行 JS；纯前端渲染站点被抓到的是空壳	A	3	`fail_text` = 400 `warn_text` = 600 `min_ratio` = 0.008 `containers` = app、root、__next、__nuxt、q-app
A4	技术基础（HTTPS / 响应速度 / 页面体积） HTTPS 是信任基础；速度与体积影响抓取效率	A	2	`slow_warn_s` = 4.0 `size_warn_mb` = 2.0
A5	sitemap.xml 站点地图帮助 AI 爬虫系统性发现全站页面	A	1	（无参数）
A6	反爬 / WAF 拦截检测人机验证会把真实 AI 爬虫挡在门外	A	3	`markers` = just a moment、cf-chl、challenge-platform、cf_chl、turnstile、滑动验证、请输入验证码、验证码、waf、punish、captcha
A7	noindex 检测（meta robots / X-Robots-Tag） noindex 比 robots.txt 屏蔽更隐蔽，会让索引直接忽略页面	A	3	（无参数）
B1	JSON-LD 结构化数据结构化数据让 AI 确定性地识别企业与问答实体	B	3	`valuable_types` = Organization、Corporation、LocalBusiness、Product、FAQPage、QAPage、Article、NewsArticle、BreadcrumbList、WebSite、AboutPage、ContactPage
B2	语义化 HTML 结构（标题层级）标题大纲是 AI 理解页面结构的主要线索	B	2	（无参数）
B3	title / meta description / Open Graph 元信息是 AI 与搜索引擎理解页面的第一入口	B	2	`complete_min` = 4 `partial_min` = 2 `og_keys` = title、description、image
B4	FAQ / 问答式内容 AI 引擎回答用户问题时最倾向引用 Q&A 结构的内容	B	3	`section_pattern` = 常见问题\|常见问答\|FAQ\|Q&A\|问答 `min_question_headings` = 2 `min_details` = 3
B5	正文文本量与文本密度没有文本就没有可摘录的内容	B	2	`fail_text` = 300 `fail_ratio` = 0.008 `warn_text` = 1200 `warn_ratio` = 0.025
B6	图片 alt 文本覆盖 alt 是 AI 理解图片语义的唯一线索	B	1	`pass_alt` = 0.9 `warn_alt` = 0.6
B7	canonical 规范化地址多 URL 重复内容会稀释实体识别	B	1	（无参数）
B8	企业实体信息（名称/地址/电话/邮箱/备案）一致且可机读的实体信息是 AI 建立企业知识的基础	B	3	`pass_min` = 4 `warn_min` = 2
B9	实体外部锚点（sameAs：百科/社媒/地图） sameAs 帮助 AI 把官网与全网实体锚定为同一家企业（知识图谱一致性）	B	2	`pass_min_categories` = 2 `warn_min_categories` = 1
C1	内容具体性（事实密度）普林斯顿论文：含统计数据的句子被引率提升 30~40%；关键词堆砌无效	C	3	`pass_facts` = 8 `pass_case_kw` = 2 `warn_facts` = 3 `buzz_words` = 领先、一流、卓越、顶尖、世界级、行业先进、极致、匠心、赋能、引领、知名
C2	数据引用与内容新鲜度普林斯顿论文：引用来源/数据显著提升可见度；新鲜度是采信信号	C	2	`min_pct` = 2 `min_amounts` = 1 `fresh_within_years` = 1
C3	权威信号（资质/荣誉/团队/合作）权威表述与第三方背书提升 AI 采信度	C	2	`pass_min` = 3 `warn_min` = 1
C4	引用就绪度测试（LLM 模拟客户提问）规则测不了的『内容能否直接回答客户问题』由 LLM 判定；当前默认关闭以保持本地与线上形态一致，需要时把 enabled 改为 true 并配置 config/llm.json 即恢复	C	3	`pass_ratio` = 0.8 `warn_ratio` = 0.5
D1	Common Crawl 收录查询主流开源爬虫联盟近期是否实际抓取过该站（许多 AI 的训练/检索数据源）；被收录是被引用的必要非充分条件	D	1	（无参数）