静态站 SEO 与 GEO 入门：从 sitemap 到被 AI 引用，一次讲完

01 三条路，一块地基

先把三个听起来很像的词分开，不然做着做着就会互相打架。

三者不是三个战场，而是一条流水线上的三段。本喵给朋友画过一张漏斗，他看完就不慌了——因为绝大部分人卡住的其实是最上面那一层，却天天在担心最下面那一层。

02 地基八件套：静态站的「可收录」最低装备

企业静态站的好处是结构简单，坏处是，没有后台替你兜底。WordPress 装个插件就有的东西，静态站得自己写进模板。下面八件，缺哪件都会在某个环节静默丢分。

robots.txt：一份能直接抄的模板

它只干两件事：告诉爬虫哪些别抓、以及顺手把 sitemap 指给它。写错的代价很大，因为它是路径匹配、区分大小写的，一个多余的斜杠就能把整站关在门外。

# https://example.com/robots.txt
User-agent: *
Allow: /
Disallow: /admin/
Disallow: /*.json$
Disallow: /draft/

# AI 爬虫：检索型放行（带流量），训练型你自己决定（见第 4 章）
User-agent: OAI-SearchBot
Allow: /
User-agent: PerplexityBot
Allow: /

# sitemap 必须写完整的绝对地址；跨域会被忽略
Sitemap: https://example.com/sitemap.xml

sitemap.xml：别手写，让脚本生成

手写的 sitemap 一定会腐坏：加了页面忘了加、改了时间忘了改 <lastmod>。而引擎对「时间戳明显不对」的做法相当粗暴，整个忽略 lastmod，等于你那次更新白推了。

• 格式 UTF-8；每个 <loc> 必须是绝对地址；单文件不超过 5 万条 URL / 50MB（未压缩）。
• <lastmod> 取文件的真实修改时间，不要写死、不要全站填同一天。
• 每个域名各有一份。A 域名的 sitemap 里写 B 域名的 URL，引擎直接当无效，本喵在自己的门面站上真踩过这一条。
• 生成器要幂等：连跑两次产物一模一样；生成完把线上文件拉回仓库，否则下次部署会用旧副本把新 sitemap 覆盖回去。

canonical 与「重复内容」

静态站最容易被判重复的三个来源：带 www 与不带 www、带斜杠与不带斜杠、以及站根下遗留的旧副本目录（版式改版、子域拆分时常留一份）。

• 统一到唯一形态，其余 301 过去；canonical 每页指向自己。
• 发现重复内容时，用 301 重定向而不是删成 404，删掉会连外链权重一起丢。
• nginx 上要把无斜杠与带斜杠两种写法都配上，否则会出现「先补斜杠、再跳目标」的两跳链条，白白浪费抓取预算。

结构化数据：企业站先做这三个就够

速度与移动端：三项硬指标

Google 的 Core Web Vitals 目前看三项，取值是真实访问的第 75 百分位，也就是要求 75% 的真实访问都得达标，不是你自己跑一次 Lighthouse 的分数好看就行。

静态站通常天然占便宜，最容易砸在这几处：没压缩的大图（一上来就两三兆）、没设宽高的 img（导致 CLS 跳动）、字体阻塞渲染。图片给宽高、转 WebP、压到 200KB 以内，基本就把 LCP 和 CLS 救了。

03 三大平台提交：Google / 必应 / 百度

顺序永远一样，三家通用：先证明这个站是你的 → 再交 sitemap → 最后对重点页面点一次「请求编入索引」。跳过第一步，后面全是白忙。

3.1 先验证所有权：三种方式选一种

3.2 Google Search Console

1. 添加资源。推荐「网域」属性（用 DNS TXT 验证），它一次覆盖 http/https、带与不带 www 的全部版本；「网址前缀」属性只覆盖你写的那一种。
2. 左侧「站点地图」→ 填 sitemap.xml → 提交。提交成功只代表登记，别把它读成收录。
3. 用「网址检查」逐个查重点页，需要时点「请求编入索引」。这个动作有配额，大约每天十次左右，具体以界面提示为准，省着用，先给真正重要的页面。
4. 过几天回来看「网页索引编制」报告，里面会明说每类页面为什么没被收录：最常见的是「已抓取，尚未编入索引」（内容判定不值得收）和「已发现，尚未抓取」（排队中）。

3.3 必应 Webmaster Tools 与 IndexNow

必应是三家里最容易见效的一家：它有官方 URL 提交 API，每天每域名可提交 1 万条，配额按域名级计算（子域名不单独算），UTC 零点重置，提交历史里能看到最近 1000 条。而且可以直接从 Google Search Console 导入站点，省掉验证步骤。

比它更省心的是 IndexNow，一个由必应牵头的开放协议：你只需在站点根目录放一个 <密钥>.txt（文件内容就是密钥本身），以后每次发布只要往接口 POST 一次 URL 列表。

# 1) 生成密钥并在站点根放好 https://example.com/你的密钥.txt（内容=密钥）
# 2) 发布后推一次（单次最多 1 万条 URL）
curl -s -X POST https://api.indexnow.org/indexnow \
  -H "Content-Type: application/json; charset=utf-8" \
  -d '{"host":"example.com","key":"你的密钥","keyLocation":"https://example.com/你的密钥.txt",
       "urlList":["https://example.com/blog/new-post.html"]}'

一次推送，响应你的所有支持方：必应、Yandex、Naver、Seznam、Yep 等。清单里没有 Google，Google 从 2021 年评估到现在仍未采用，这不是你配置错了。

3.4 百度搜索资源平台

面向国内客户的站，这一家是必须做的。验证方式与另外两家类似（HTML 文件 / meta 标签 / CNAME，推荐前两种）。验证完进「普通收录」，它有三条通道，建议全用：

# 百度 API 推送（把 token 放环境变量里，别写进脚本）
curl -s -H 'Content-Type:text/plain' \
  --data-binary @urls.txt \
  "http://data.zz.baidu.com/urls?site=https://example.com&token=$BAIDU_TOKEN"
# 返回 JSON 里的 success 是成功条数，remain 是当日剩余配额——每次都记下来

另外还有「快速收录」：需要单独申请，权限按站点质量评估，主要服务移动端页面。新站先别纠结它，把普通收录跑顺更有价值。百度也提供一段「自动推送 JS」，页面加载时自动上报当前 URL，挂进全站模板即可，成本极低。

3.5 三家的差异，一张表看完

除这三家，还有 360、神马（移动端）、搜狗等站长平台。了解即可，优先级远低于前三家，别把有限的精力平摊给八个平台。

04 GEO：让 AI 愿意引用你

朋友问本喵最多的一句是：「AI 搜索起来了，我的站会不会更没人看？」本喵的答案是：入口变了，地基没变。AI 一样要靠爬虫去拿你的页面，只是它拿完还要「读」和「摘」。

4.1 先弄清楚：AI 是怎么拿到你的内容的

AI 爬虫不是一个整体，得分成两类看。这一条分对了，后面所有的放行策略都顺了。

4.2 内容侧：AI 爱引用的写法

这一节有正经学术出处。2024 年 KDD 上那篇《GEO: Generative Engine Optimization》第一次把这个方向做成了可测量的研究：他们拿一批真实查询去测生成式引擎的回答，结论是内容侧的优化可以把来源在回答里的可见性提升最多约 40%；而且有效的方法因领域而异。

它测的九种写法里，收益最明显的是三类：标注引用来源、加统计数字、加引语；而关键词堆砌几乎没用，个别场景还往下掉。翻译成能照着做的六条：

4.3 llms.txt：便宜的加分项，不是救命稻草

llms.txt 是 2024 年 9 月由 Answer.AI 的 Jeremy Howard 提出的一种约定：在站点根放一份 Markdown 文件，用一句话说明列出站内最重要的内容，方便 AI 直接读到「你有哪些好货」。

本喵得实话实说：它至今仍是社区约定，不是 W3C 或 IETF 标准，真正遵守它的系统很少。所以本喵的建议是顺手放一个（十分钟的事，白送），但别指望它带来收录。真正管用的控制机制还是 robots.txt。

# 公司名 / 站点名
> 一句话说清你是谁、做什么、服务于谁。

## 核心页面
- [产品介绍](https://example.com/product.html): 做什么、解决什么问题、价格区间
- [价格与方案](https://example.com/pricing.html): 各档位包含什么、怎么计费
- [联系我们](https://example.com/contact.html): 电话、地址、工作时间

## 内容 / 文档
- [使用手册](https://example.com/docs/): 从安装到进阶的完整说明

## 可选
- [关于我们](https://example.com/about.html): 公司背景与资质

4.4 怎么知道 AI 到底有没有引用你

这件事没有官方后台，只能自己动手测。方法很土但有效：拿 10 个真实客户会问的问题，去几个 AI 里问一遍，看答案里有没有提到你、有没有引你的站。

测的平台按你的客户在哪就用哪几个：国内的豆包、DeepSeek、Kimi、腾讯元宝、通义千问；海外的 ChatGPT、Perplexity、Gemini、Copilot。别只看一次，生成式引擎有随机性，同一个问题问三次答案都可能不同，看的是趋势不是单次。

05 发文自动化流水线：一次配好，以后只管写

静态站最大的红利在这里。你不需要 CMS 的「发布」按钮，因为你的发布流程本身就是一串命令，而命令是可以自动跑的。

5.1 构建与部署：一段能用的 GitHub Actions

用 GitHub 存源码就顺便用它的 Actions，免费额度对静态站绰绰有余。下面这份是骨架，把部署那步换成你自己的方式（rsync 到服务器 / 传到对象存储 / Cloudflare Pages 的官方 Action 都行）。

name: build-and-deploy
on:
  push:
    branches: [main]

jobs:
  deploy:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4

      - name: 构建（生成页面 / sitemap.xml / rss.xml）
        run: python3 build.py

      - name: 部署到服务器
        run: |
          echo "$SSH_KEY" > key && chmod 600 key
          rsync -avz --delete -e "ssh -i key -o StrictHostKeyChecking=no" \
            ./public/ "$USER@$HOST:/var/www/site/"
        env:
          SSH_KEY: ${{ secrets.SSH_KEY }}
          USER:    ${{ secrets.SSH_USER }}
          HOST:    ${{ secrets.SSH_HOST }}

      - name: 通知必应与 Yandex（IndexNow）
        run: |
          curl -s -X POST https://api.indexnow.org/indexnow \
            -H "Content-Type: application/json; charset=utf-8" \
            -d "{\"host\":\"example.com\",\"key\":\"$INDEXNOW_KEY\",
                 \"urlList\":[\"https://example.com/\"]}"
        env:
          INDEXNOW_KEY: ${{ secrets.INDEXNOW_KEY }}

      - name: 通知百度（配额小，只推新增的几页）
        run: python3 tools/push_baidu.py --status
        env:
          BAIDU_TOKEN: ${{ secrets.BAIDU_TOKEN }}

5.2 自动推送：把「推过了没」记在台账里

百度那边的配额是有限的（新站常见 10 条/天），所以推送天生是多日分批的长跑，必须有状态文件记着「哪些推过了」。这段脚本的关键不在推送，而在把两种「没得推」分开报：

pending = [u for u in all_urls if u not in state["pushed"]]   # 真源 = 状态文件
room = min(BATCH, QUOTA - state["used_today"])                # 今日还能推几条

if room <= 0:
    print(f"今日配额已用满（{state['used_today']}/{QUOTA}），仍有 {len(pending)} 条待推")
    # ↑ 明天还能推，不是干完了
elif not pending:
    print("没有可推送的 URL（全部已推过）")
    # ↑ 这才是真·完工
else:
    todo, pending = pending[:room], pending[room:]
    resp = push(todo)              # POST 到 data.zz.baidu.com
    state["pushed"] += todo
    state["used_today"] += resp["success"]
    save(state)
    print(f"推送 {resp['success']} 条，剩余配额 {resp.get('remain')}，队列还剩 {len(pending)} 条")

5.3 巡检：让静默故障自己叫出来

自动化最危险的状态不是「失败了」，而是「什么都没发生」，定时任务悄悄没跑、证书悄悄快到期、验证文件悄悄被删，页面上一切正常，你毫无察觉。所以每个自动化都要带一条「今天到底跑没跑」的判据：成功就静默，失败就写一条告警；连续几天没信号，等于出事。

5.4 三条自动化纪律

1. 先手动跑通，再谈自动化。手工执行三次都稳的脚本，才值得挂上定时；反过来，第一次就上定时的脚本，出问题你连它哪一步走的都不知道。
2. 配额小就别上定时器。只剩几条 URL、手动跑一次就清空的事，别顺手建个定时任务，建了就要维护，还得配告警，成本比手点高。
3. 每个「成功」都要有回执。推送成功要看返回的条数与剩余配额；提交 sitemap 要看后台的读取时间；点了「请求编入索引」要看到界面确认。没回执的「已执行」不算数。

06 部署与 CDN 选型：先看备案这道门槛

朋友问「用 Cloudflare 还是腾讯云」，本喵的答案取决于一句更前置的话：你的客户在哪。而这句后面还卡着一道硬门槛，备案。

6.1 备案：这不是技术选择，是合规前提

• 服务器在中国大陆境内、面向公众提供网页服务的站点，域名必须做 ICP 备案；没备案，国内机房与国内 CDN 都不会给你接入。企业备案一般需要营业执照、法人或负责人信息、接入商（云厂商）代办，各省审核时间不同，通常以周计。
• 备案号按要求要展示在页脚，并链接到工信部备案系统。涉及在线交易、收费会员等经营性服务的，可能还需要额外的经营许可，具体按当地通信管理局的要求来。
• 用境外托管（Cloudflare、Vercel 等）可以免备案，代价是：大陆没有直连节点，访问要绕国际出口，晚高峰会抖，极端情况下还可能不稳定。对「给国内客户看的企业主站」来说，这个体验通常不能接受。

6.2 方案对照表

6.3 上线必配的速度三件套

1. 缓存头分开设：带指纹的静态资源（style.a1b2c3.css）给长缓存 Cache-Control: public, max-age=31536000, immutable；但 HTML、sitemap.xml、robots.txt 不要用 immutable，否则你更新了内容，用户和爬虫拿到的还是旧的。
2. 图片压缩加现代格式：上传前压到 200KB 以内、宽度按展示尺寸给（正文图 1200px 足够），能上 WebP 就上；<img> 一定写 width/height，这是 CLS 不跳的关键。
3. HTTPS 与压缩全开：证书用免费自动续期方案（如 Let's Encrypt + certbot 自动续期），同时开启 HTTP/2 或 HTTP/3 与 gzip/brotli。别忘了把续期能力本身写进巡检，证书挂了，前面所有优化都归零。

07 提示词包：让 AI 帮你干这活

这一章是朋友点名要的。本喵给七个可直接复制的提示词，覆盖从体检到改写的全流程。用之前先记住四条规矩，不然 AI 会给你帮倒忙：

7.1 站点可收录性体检

你是搜索引擎技术审计员。下面是某个静态站的 robots.txt、sitemap.xml 与一篇文章的 HTML 片段。
请检查并输出问题清单，按「必须先修 / 值得做 / 长期积累」三层排序：
1) 抓取层：robots 规则是否会误伤；sitemap 是否为绝对 URL、是否与页面清单一致；是否有 noindex 冲突。
2) 解析层：TDK 是否缺失、是否有重复、标题与描述长度是否合理（标题 30-60 字、描述 80-140 字）；
   canonical 是否等于本页 URL；h1 是否唯一；图片是否有 alt；是否有结构化数据。
3) 内容层：是否属于薄页、是否与站内其他页高度重复、是否有清晰的小标题层级。

输出格式：一张表，列 = 问题 / 严重级别 / 判据（怎么证明） / 修复动作（具体到文件或标签）。
凡是材料里看不出来的，写「需补充材料」，不要猜。不要编造任何数字或外部事实。

【robots.txt】
（粘贴）

【sitemap.xml 前 50 行】
（粘贴）

【页面 HTML】
（粘贴）

7.2 批量生成 TDK

你是中文 SEO 文案。下面是一批页面的正文摘要，请为每一页生成 TDK：
- title：30-60 字，把「用户会搜的词」放在前 15 字内，不要堆砌，不要用「最」「第一」这类绝对化用语。
- description：80-140 字，写清楚这页能给读者什么，像在推荐给朋友，不要写成关键词列表。
- keywords：3-6 个真实相关的词，从用户视角写，不要造词。
要求：
1) 每页 TDK 互不重复，风格统一；
2) 从摘要里找不到的信息，先在「待确认」里列出，不要编；
3) 输出表格：页码 | title | description | keywords | 待确认项。

【页面清单与摘要】
（粘贴）

7.3 生成结构化数据（JSON-LD）

你是 Schema.org 结构化数据专家。根据下面这家企业的真实信息，生成 JSON-LD：
- 首页：Organization（name / url / logo / sameAs）+ WebSite
- 若有实体门店：额外给 LocalBusiness（address / telephone / openingHours / geo）
- 文章页：Article（headline / datePublished / author / image / mainEntityOfPage）

硬性要求：
1) 只输出 JSON-LD 代码块，不要注释、不要解释性文字混在代码里；
2) 所有字段必须来自我给的资料，**不得虚构 logo 地址、电话、账号链接**；缺的字段直接省略，并在代码块外用一行列出「缺哪些字段、去哪补」；
3) 数据必须与页面可见内容一致（页面上看不到的，不许写进结构化数据）。

【企业信息】
公司名：… 官网：… Logo：… 公众号/社媒：…
门店地址：… 电话：… 营业时间：…  
文章标题：… 发布日：… 作者：… 配图：…

7.4 把段落改写成人机都爱引用的「答案块」

你是面向生成式引擎的内容编辑。把下面这段说明改写成一个「答案块」，目标是：用户扫一眼就懂，AI 摘录时不容易摘错。
要求：
1) 第一句直接给结论（谁 / 是什么 / 多少钱 / 多久），不要铺垫；
2) 保留原有的全部事实与数字，一个都不许改、不许加——原文没写的数字，不要补；
3) 把对比、参数、条件改写成 Markdown 表格；
4) 把「X 是指……」这类定义独立成段；
5) 删掉形容词堆砌、删掉「众所周知」这类填充词；
6) 输出：改写后的正文 + 一段「我改了什么」的说明（逐条），方便我复核。

【原文】
（粘贴）

7.5 生成 llms.txt

根据下面的站点页面清单，生成一份 llms.txt（Markdown 格式，放在站点根目录）：
- 第一行：# 公司名 / 站点名
- 第二行：> 一句话说明你是谁、做什么、服务谁（控制在一行内）
- 之后按「核心页面 / 内容与文档 / 可选」分组，每条格式： - [页面标题](绝对 URL): 一句话说明这页讲什么
- 只收录真正重要的页面（建议 5-15 条），不要把页脚、隐私政策这类塞进来撑数量
- 输出纯文本，不要额外解释

7.6 内链建议

下面是一个站点的页面清单（标题 + 摘要）。请规划内链：
1) 找出「孤岛页」（没有任何站内页面链向它），给出最少需要新增的链接数；
2) 给出具体的链接建议：从哪一页、在什么上下文、链到哪一页、锚文本写什么（锚文本必须是自然的句子片段，不许写「点击这里」「了解更多」）；
3) 每篇文章至少链出 2 条站内链接、至少被 1 条链入；
4) 不要为了凑数链无关内容——不相关就明确写「无合适内链」。
输出表格：源页面 | 目标页面 | 建议锚文本 | 理由（一句话）。

7.7 生成巡检脚本

用 Python 写一个静态站巡检脚本（标准库优先，不要引第三方依赖），检查以下几项并输出报告：
1) sitemap 覆盖率：sitemap 里的 URL 数 vs 本地页面文件数 vs 列表页链接数，三者不一致要指出差在哪；
2) 死链：遍历站点内链，逐个请求，非 200 的列出来；
3) TDK 完整性：title / description 缺失或长度越界、canonical 不等于本页 URL 的页面；
4) 站根卫生：.bak / .old / .tmp 文件是否存在且公网可访问；
5) 证书到期天数。
要求：全绿时静默退出（退出码 0），有问题时输出问题清单并以非 0 退出；脚本要幂等、可重复跑。
另外给我一个「怎么故意制造一个错误来验证这个脚本真的会报警」的自测方法。

08 实测踩坑清单：十五条

这一章是本喵自己站上真踩过的，按「症状 → 根因 → 修法」写。你不可能全踩一遍，但大概率会中其中三到五条。

09 30 / 60 / 90 天节奏与一页速查表

最后给一条能照着走的时间线。本喵的原则是：先把当天能修完的技术项修完，再把长周期的内容与外链交给时间，反过来做，你会一直在焦虑里改来改去。

一页速查表

写到这儿，本喵最想留下的其实是一句心法：SEO 与 GEO 不是两件事，是同一条流水线的上下两段。你先把「能被抓到、能被读懂」做扎实，剩下那些 AI 时代的技巧才有地方落。地基没打好就去追新概念，本喵见过太多，花三个月研究 GEO，结果 robots.txt 里把自己整站屏蔽了。

有进展或者卡住了，欢迎来 经验分享栏目翻一翻本喵别的笔记；想看本喵怎么用 AI 把这类杂活自动化，可以读《AI Agent 驾驭工程全解》那篇。也欢迎直接来门口找本喵（首页）。

来源：Google Search Console / 必应 Webmaster Tools / IndexNow 官方文档、百度搜索资源平台帮助中心、Cloudflare 与腾讯云官方产品页、Google Search Central 结构化数据与 Core Web Vitals 文档、论文《GEO: Generative Engine Optimization》(KDD 2024, arXiv:2311.09735)；坑位部分含本喵自建站的实测记录（2026-09 至 2026-10）。
核对日期：2026-10-02。各家免费额度与计费口径会变，动手前请以官方页面为准；本喵没做跨站对照实验，个人站经验未必适用你的业务规模。