AI 友好度 / GEO 检测报告
serpapi.com
GEO 综合评分
75
/ 100
技术
79A
内容
72B
GEO = 技术×0.4 + 内容×0.6
技术检测通过 14 / 22 项
检测于 2026/7/26 09:02:58
技术检测（79 · A）
llms-txt-exists通过在 https://serpapi.com/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 26,211 字符（低于 50,000 阈值）
llms-txt-links-resolve通过全部 20 个同源 抽样链接 可解析（共 125 个链接）
llms-txt-links-markdown通过18/20 个同源 抽样链接 指向 Markdown 内容（90%）
llms-txt-directive-html未通过在全部 20 个抽样页面的 HTML 中均未找到 llms.txt 指引
llms-txt-directive-md未通过在全部 18 个抽样页面的 Markdown 中均未找到 llms.txt 指引；2 个没有 Markdown 版本
markdown-url-support通过18/20 个抽样页面支持 .md URL（90%）
content-negotiation未通过服务器忽略 Accept: text/markdown 头（0/20 个抽样页面返回 Markdown）
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 18 个页面低于 50K 字符（中位数 8K，最大 15K）
page-size-html未通过3/20 个抽样页面转换为超过 100K 字符（最大 369K HTML → 179K Markdown（74% 样板））
content-start-position警告2/20 个抽样页面正文起始于 10%–50%（最差 14%）
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 34 个代码围栏在 19 个页面中正确闭合
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
llms-txt-coverage跳过未找到 sitemap；缺少作为基准的 sitemap，无法评估 llms.txt 覆盖率
markdown-content-parity未通过18/18 个页面的 Markdown 与 HTML 存在实质性内容差异（平均缺失 88%）
cache-header-hygiene未通过21/21 个端点缓存过于激进或缺少缓存头
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（6 项）
在全部 20 个抽样页面的 HTML 中均未找到 llms.txt 指引
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 18 个抽样页面的 Markdown 中均未找到 llms.txt 指引；2 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服务器忽略 Accept: text/markdown 头（0/20 个抽样页面返回 Markdown）
服务器忽略 Accept: text/markdown 并返回 HTML。部分智能体（Claude Code、Cursor、OpenCode）会以此方式请求 Markdown。请配置服务器支持内容协商。
content-negotiation · markdown-availability3/20 个抽样页面转换为超过 100K 字符（最大 369K HTML → 179K Markdown（74% 样板））
3/20 个页面转换为超过 100K 字符的 Markdown。请拆分大页、减少导航样板，或提供可绕过 HTML 转换开销的 Markdown 版本。
page-size-html · page-size18/18 个页面的 Markdown 与 HTML 存在实质性内容差异（平均缺失 88%）
18 个页面的 Markdown 与 HTML 存在实质性差异（平均缺失 88%）。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 · observability21/21 个端点缓存过于激进或缺少缓存头
21 个端点缓存过于激进（>24h）或缺少缓存头。请将 max-age 设为低于 3600，或配合 ETag/Last-Modified 使用 must-revalidate，使更新及时到达智能体。
cache-header-hygiene · observability内容 / GEO 评估（内容分 72 · B）
内容维度分项
首页标题和描述明确锁定Google搜索API主题，并扩展至多搜索引擎API，主题所有权极强。
抓取到的JSON-LD为空，首页未发现结构化数据标记，严重缺失。
首页清晰展示全套搜索API产品线、定价、用例，在搜索API垂直领域定位精准。
文案专业直接，技术术语与营销语言平衡，但部分导航列表重复略显累赘。
拥有详尽llms.txt，首页meta描述完整，技术分79，但Markdown版本（/.md）404，可进一步优化AI可读性。
分析过程
第一步：读取技术报告
技术分79/100（A），表明网站服务器响应、基础SEO技术良好，为内容展示提供稳定基础。
第二步：读取llms.txt
llms.txt存在且内容详尽（26211字节），列出所有API文档的markdown链接，结构清晰，对AI抓取和LLM友好。
第三步：读取首页内容
首页标题、描述明确，文本摘录展示了超过50种搜索引擎API，以及定价、功能、用例，内容完整。
第四步：多品类问题分析
网站覆盖Google、Bing、Amazon等多个搜索引擎品类，但核心始终围绕搜索API，品类定位集中，无分散风险。
第五步：检查Markdown版本
/.md 返回404，说明首页缺少原生Markdown版本；但llms.txt引用的具体API文档应存在markdown文件，需进一步确认。
第六步：检查Schema结构化数据
JSON-LD数组为空，首页未包含任何结构化数据标记，影响搜索引擎深度理解和GEO中的实体识别。
第七步：内容质量综合判断
整体内容专业详实，覆盖全面，但结构化数据缺失和Markdown版本未提供是主要短板。据此给出各维度分数：topic_ownership 10，schema_entities 2，category_positioning 9，writing_style 8，ai_maturity 8。
内容改善建议（3 项）
在首页和核心页面添加JSON-LD结构化数据（如WebSite, API, Organization, Product）以增强语义理解。
提供首页的Markdown版本（如/index.md）或优化/.md路径，方便LLM直接获取精简内容。
精简首页文本，减少导航列表的重复，增加段落式核心优势描述，提升写作风格评分。
总体评价
serpapi.com GEO 综合得分 75/100（A 级），技术侧表现良好（79/100 A），但内容侧仅 72/100（B），是主要短板。站点已具备 llms.txt、良好内容结构、稳定的 URL 和公开访问基础，但 可观测性（0/100 F）和结构化数据缺失（Schema 实体 2/10） 严重制约 AI Agent 的可消费性。Markdown 与 HTML 内容严重脱节（平均缺失 88%），且缺乏缓存控制，导致 Agent 获取的内容不完整、不实时；首页无任何 JSON-LD 标记，削弱搜索引擎和 AI 对主题实体（如 API、定价）的语义理解。当前最致命短板是 内容一致性差与结构化数据空白。
提升建议
-
添加 JSON-LD 结构化数据 — 当前首页及核心页面未发现任何结构化数据标记（Schema 实体评分仅 2/10），搜索引擎和 AI 无法准确识别站点实体类型（如 WebSite、API、Organization、Product），直接影响 GEO 内容评分与 Agent 语义理解。建议在首页和关键页面引用标准 Schema 词汇，嵌入 JSON-LD 描述业务实体与 API 产品。
-
消除 Markdown 与 HTML 内容差异 — 检测显示 18/18 个抽样页面 Markdown 与 HTML 存在实质性差异，平均缺失 88% 内容，导致 Agent 通过 Markdown 渠道获取的信息严重不完整，破坏内容可观测性。应从同一内容源生成 Markdown 版本，或修复构建管道确保同步更新。
如何修复 -
优化缓存控制策略 — 全部 21 个端点缓存头配置过于激进或缺失（max-age 过长或未设置），使 Agent 可能缓存过时版本，影响内容时效性与可观测性。应将 max-age 降至 3600 秒以下，并配合 ETag/Last-Modified 启用 must-revalidate，确保 Agent 始终获取最新内容。
如何修复 -
在所有页面添加 llms.txt 指引 — HTML 和 Markdown 均未包含指向 llms.txt 的导航或提示，Agent 难以发现该索引文件，降低内容可发现性。建议在 HTML 每页顶部使用视觉隐藏链接（如
<div style="clip:rect(0,0,0,0)">），在 Markdown 每页顶部添加引用块（如> 全文索引：[llms.txt](/llms.txt)）。
如何修复 -
支持内容协商返回 Markdown — 服务器忽略
Accept: text/markdown请求头，无法为希望直接获取 Markdown 的 Agent（如 Claude Code、Cursor）提供服务，阻碍 Markdown 可用性。应配置 Web 服务器根据 Accept 头返回 Markdown 或 HTML。
如何修复