AI 友好度报告 · geosurge.ai

技术检测（81 · A）

内容可发现性

765/7

llms-txt-exists通过

在 https://geosurge.ai/llms.txt 找到 llms.txt

llms-txt-valid通过

llms.txt 遵循建议结构（H1、引用块、按标题分隔的链接章节）

llms-txt-size通过

llms.txt 为 3,646 字符（低于 50,000 阈值）

llms-txt-links-resolve通过

全部 6 个同源链接可解析（共 7 个链接）

llms-txt-links-markdown通过

6/6 个同源链接指向 Markdown 内容（100%） (1 external link excluded)

llms-txt-directive-html未通过

在全部 19 个抽样页面的 HTML 中均未找到 llms.txt 指引；1 个抓取失败

llms-txt-directive-md未通过

在全部 19 个抽样页面的 Markdown 中均未找到 llms.txt 指引；1 个没有 Markdown 版本

Markdown 可用性

361/2

markdown-url-support未通过

没有抽样页面支持 .md URL（已测 0/20）

content-negotiation通过

20/20 个抽样页面支持内容协商（100%）

页面体积

983/4

rendering-strategy通过

全部 20 个抽样页面包含服务端渲染内容

page-size-markdown通过

全部 20 个页面低于 50K 字符（中位数 3K，最大 17K）

page-size-html通过

全部 20 个抽样页面低于 50K 字符（中位数 69K HTML → 6K Markdown（94% 样板））

content-start-position警告

7/20 个抽样页面正文起始于 10%–50%（最差 28%）

内容结构

1003/3

tabbed-content-serialization通过

在 20 个抽样页面中未检测到标签页内容

section-header-quality通过

未发现标签页内容；标题质量检查不适用

markdown-code-fence-validity通过

全部 0 个代码围栏在 21 个页面中正确闭合

URL 稳定性

1002/2

http-status-codes通过

全部 20 个抽样页面对错误 URL 返回正确状态码

redirect-behavior通过

在 20 个抽样页面中未检测到重定向

可观测性

500/3

llms-txt-coverage未通过

llms.txt 覆盖 4/49 个 sitemap 文档页（8%）；缺少 45

markdown-content-parity未通过

1/20 个页面的 Markdown 与 HTML 存在实质性内容差异（平均缺失 4%）

cache-header-hygiene警告

20/21 个端点缓存寿命中等（1–24 小时）

鉴权要求

1001/2

auth-gate-detection通过

全部 20 个抽样页面可公开访问

auth-alternative-access跳过

所有文档页均可公开访问；无需替代访问路径

改善建议（5 项）

在全部 19 个抽样页面的 HTML 中均未找到 llms.txt 指引；1 个抓取失败

在任何测试页面的 HTML 中都未检测到指向 llms.txt 的智能体可见指引。请在每页顶部附近添加视觉隐藏元素（例如带 CSS clip-rect 的 div）并链接到 llms.txt。若站点提供 Markdown 版本，也请在指引中说明，以便智能体请求。

llms-txt-directive-html · content-discoverability

在全部 19 个抽样页面的 Markdown 中均未找到 llms.txt 指引；1 个没有 Markdown 版本

在任何测试页面的 Markdown 中都未检测到 llms.txt 指引。请在每个 Markdown 页顶部附近添加引用块（例如 “> 完整文档索引见 [llms.txt](/llms.txt)”）。

llms-txt-directive-md · content-discoverability

没有抽样页面支持 .md URL（已测 0/20）

页面在 URL 追加 .md 时不返回 Markdown。请配置文档平台为所有文档页提供 .md 变体。

markdown-url-support · markdown-availability

llms.txt 覆盖 4/49 个 sitemap 文档页（8%）；缺少 45

llms.txt 覆盖站点页面的 8%（低于 80% 阈值）。有 45 个在线页面缺失。若非有意，请从 sitemap 或构建流水线重新生成；若有意，可降低阈值或设为 0 使检查仅供参考。

llms-txt-coverage · observability

1/20 个页面的 Markdown 与 HTML 存在实质性内容差异（平均缺失 4%）

1 个页面的 Markdown 与 HTML 存在实质性差异（平均缺失 4%）。若非有意，智能体可能拿到过时内容，请从源重新生成 Markdown 或修复构建；若有意，可为仅人类内容添加 data-markdown-ignore，或调整阈值。

markdown-content-parity · observability

内容 / GEO 评估（内容分 69 · B）

内容维度分项

话题所有权9 /10

首页标题与 llms.txt 均以 Generative Engine Optimization 为核心，全站围绕 GEO/AEO 展开，话题所有权强。

Schema 实体3 /10

仅有 WebSite 和 Organization 两个基础 JSON-LD 实体，缺少 SoftwareApplication、Product、FAQPage 等关键结构化数据。

品类定位9 /10

明确界定服务对象为品牌与代理机构，并清晰区分 Parametric vs Dynamic 可见性，品类定位精准。

写作风格8 /10

首页采用问题引导、短段落与小标题，文案简洁有力且易于 LLM 抽取，但部分营销语气偏重。

AI 化成熟度6 /10

提供了高质量 llms.txt，但 markdown 版本返回 404，schema 亦不丰富，AI 可读性布局不完整。

分析过程

第一步：读取技术报告

技术总分为 81/100（A），表明站点基础性能良好。但技术分主要反映抓取、加载、响应等基础设施，GEO 评估还需结合内容结构、语义实体与 AI 可读性。

第二步：读取 llms.txt

llms.txt 成功抓取（3680 字节），内容完整度高：包含一句话定位、What we do、Who we serve、Main features、Key pages、Product app、Vocabulary 等模块，层级清晰，且包含相对链接与产品子域链接。这表明站点已初步以 LLM 友好方式暴露核心内容，是 AI 成熟度的加分项。

第三步：读取首页内容

首页抓取正常（200），标题为 "geoSurge"，meta description 准确描述平台价值。正文包含：品牌可见性追踪数据、ChatGPT/Claude/Gemini 分模型对比、"The problem" 部分对比搜索与 AI 答案、"How it works" 四步流程、"Parametric vs Dynamic" 概念阐述等。内容专业且信息密度高，但文本过长，缺少对应 Markdown 版本可能影响压缩与提取效率。

第四步：多品类问题分析

首页仅以一个示例问题（"What running shoes should I buy..."）说明产品逻辑，未实际展示覆盖多个垂直品类的内容或落地页。llms.txt 也未提及行业分类或垂直解决方案。可见产品支持任意 prompt 集，但页面本身未针对多品类做内容分层，品类覆盖度在内容层面体现不足。

第五步：检查 Markdown 版本

Markdown 抓取失败：请求 https://geosurge.ai/404 返回 404（bytes 49376 为错误页 HTML）。说明站点未提供有效的 /markdown 端点或首版抓取配置指向了错误路径。当前首页只有 HTML 文本，缺少可供 LLM 高效读取的 Markdown 替身，是 AI 可读性方面的明显缺口。

第六步：检查 Schema 结构化数据

JSON-LD 仅包含两个对象：WebSite 与 Organization。Organization 的 sameAs 为空数组，无服务、产品、软件应用、FAQ 或文章类结构化数据。这导致搜索引擎与 LLM 难以直接理解产品属性、功能细节与 FAQ 语义，实体丰富度不足。

第七步：内容质量综合判断

综合来看，网站主题聚焦、文案专业、llms.txt 质量高，定位清晰，因此 topic_ownership、category_positioning、writing_style 得分较高。但 schema 实体单薄、Markdown 版本缺失，使得 AI 抓取与语义理解链路不完整，ai_maturity 与 schema_entities 分数受限。整体是一流内容加二流结构化包装的典型。

内容改善建议（3 项）

修复 Markdown 版本：提供 https://geosurge.ai/geosurge.md 或 /llms.md 等路径，确保抓取器可获取纯文本版首页，避免 404。

扩展 JSON-LD Schema：新增 SoftwareApplication、Product、FAQPage、BreadcrumbList 等实体，并在 Organization 中填充 sameAs 与 founder/social 信息。

在首页及 llms.txt 中增加垂直品类案例或行业解决方案（如电商、医疗、SaaS 的 GEO 追踪），增强多品类内容覆盖与关键词所有权。

总体评价

GEO 综合分 74/100（B），处于「可通过但未到推荐」的区间：技术分 81（A）与内容分 69（B）按 4

加权后，内容侧成为总分的主要拖累项。技术侧的高分集中在基础工程（内容结构、URL 稳定性、SSR、内容协商全 A+），但可观测性（F，50 分）与 Markdown 可用性（F，36 分）两个硬伤直接拉低了「AI 入口」这一层的表现；内容侧的问题则聚焦在 Schema 实体（3/10）与 AI 化成熟度（6/10），话题所有权与品类定位已是强项。整体判断：该站为 AI Agent 提供了高质量的内容底子（结构清晰、体积小、无鉴权、URL 稳定），但「入口覆盖」和「语义标记」明显滞后——llms.txt 只覆盖 4/49 个文档页（8%），45 个页面未进入 AI 索引，这使现有优秀内容无法被大部分 Agent 发现。当前最致命短板是 llms.txt 覆盖率过低：入口索引只有 8%，相当于内容的 92% 对 Agent 隐形。

提升建议

Schema 实体扩展（内容侧最弱项，最高优先级）：问题：全站仅有 WebSite 与 Organization 两个基础 JSON-LD 实体，Schema 维度仅 3/10。为何影响：AI 搜索与 Agent 依赖结构化实体识别产品形态、功能与 FAQ 语义；缺少 SoftwareApplication、FAQPage 等实体，GEO 工具类页面无法被归入「软件产品」类目。建议方向：为产品/首页增加 SoftwareApplication（含 applicationCategory、offers、featureList），常见问题增加 FAQPage（问答对需与页面可见文本一致），导航与文章页增加 BreadcrumbList，并在 Organization 中补全 sameAs、founder、social 信息。可保留基础：话题所有权（9/10）与品类定位（9/10）已强，新增 Schema 应直接挂接现有核心主题，避免稀释话题。
如何修复
修复 llms.txt 覆盖率（8% → 80%+）：问题：llms.txt 仅覆盖 4/49 个 sitemap 文档页，45 页缺失。为何影响：llms.txt 是 Agent 的优先索引入口，覆盖率 8% 意味着按 llms.txt 抓取的 Agent 只能感知站点 8% 的内容。建议方向：从 sitemap 或构建流水线自动重生成 llms.txt，纳入全部 49 个文档页；若部分页面有意不面向 Agent，应从 sitemap 排除并显式配置，避免 Agent 通过其他路径发现却无法从 llms.txt 进入。
在 HTML 与 Markdown 中增加 llms.txt 指引：问题：19 个抽样页面的 HTML 与 Markdown 中均未找到指向 llms.txt 的指引（1 个抓取失败）。为何影响：即使 llms.txt 存在，Agent 访问任意页面时无法通过页面提示发现它；HTML 与 Markdown 两种抓取路径同时缺失，会显著降低智能体主动请求 llms.txt 的概率。建议方向：在每页 HTML 顶部附近添加视觉隐藏但可被 LLM 读取的元素（如 CSS clip-rect 的 div）链接到 /llms.txt；在每个 Markdown 页面顶部添加引用块（如 “> 完整文档索引见 llms.txt”）。
修复 HTML 指引与修复 Markdown 指引
支持 .md URL 变体：问题：0/20 抽样页面支持 .md URL。为何影响：虽然内容协商已 100% 通过，但「URL 追加 .md」仍是多数 Agent 框架与静态抓取器的默认约定；缺少该变体，按约定访问的 Agent 会直接 404，并误判页面无 Markdown。建议方向：为所有文档页提供 .md URL 变体（至少为首页提供 https://geosurge.ai/geosurge.md），返回 content-type: text/markdown 并与 HTML 内容对等。
修复 Markdown 与 HTML 内容一致性：问题：1/20 个页面 Markdown 与 HTML 存在实质性内容差异（平均缺失 4%）。为何影响：通过内容协商获取 Markdown 的 Agent 可能拿到过时或不完整的信息，在内容更新频繁的页面会放大误导风险。建议方向：将该页面纳入构建期 diff 检查，从源重新生成 Markdown；若差异有意为之（如仅人类可见内容），可在对应区块标注 data-markdown-ignore 或调整检查阈值。
精简样板输出、前移正文起始位置（warn 级优化）：问题：7/20 页面正文起始于 10%–50% 处（最差 28%），HTML 中位样本板率达 94%。为何影响：高样板率与前移需求会增加 Agent 解析 HTML 的算力开销，影响 LLM 对正文的快速抽取。建议方向：在 Markdown 输出中剔除导航、页脚等 UI 样板，使正文位置尽量靠前（理想 <10%）。此项不影响当前 A 级评分，优先级低于上述失败项。