AI 友好度 / GEO 检测报告
www.baklib.com
GEO 综合评分
73
/ 100
技术
82A
内容
67B
GEO = 技术×0.4 + 内容×0.6
技术检测通过 15 / 22 项
检测于 2026/8/12 02:40:52
历史版本（共 5 次检测）
技术检测（82 · A）
llms-txt-exists通过在 2 个位置找到 llms.txt；使用 https://www.baklib.com/llms.txt 作为规范地址
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 32,104 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 421 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 20 个抽样页面的 Markdown 中均未找到 llms.txt 指引
markdown-url-support通过20/20 个抽样页面支持 .md URL（100%）
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 20 个页面低于 50K 字符（中位数 2K，最大 14K）
page-size-html未通过1/20 个抽样页面转换为超过 100K 字符（最大 223K HTML → 144K Markdown（79% 样板））
content-start-position通过全部 20 个抽样页面的正文起始于前 10%（中位数 0%）
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 1 个代码围栏在 22 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未通过llms.txt 覆盖 341/2208 个 sitemap 文档页（15%）；缺少 1867; 14 个 llms.txt 链接不在 sitemap 中（可能是过期链接或不完整 sitemap）
markdown-content-parity未通过8/20 个页面的 Markdown 与 HTML 存在实质性内容差异（平均缺失 23%）
cache-header-hygiene警告22/22 个端点缓存寿命中等（1–24 小时）
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 20 个抽样页面的 Markdown 中均未找到 llms.txt 指引
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-availability1/20 个抽样页面转换为超过 100K 字符（最大 223K HTML → 144K Markdown（79% 样板））
1/20 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-sizellms.txt 覆盖 341/2208 个 sitemap 文档页（15%）；缺少 1867; 14 个 llms.txt 链接不在 sitemap 中（可能是过期链接或不完整 sitemap）
llms.txt 覆盖站点页面的 15%（低于 80% 阈值）。有 1867 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 · observability8/20 个页面的 Markdown 与 HTML 存在实质性内容差异（平均缺失 23%）
8 个页面的 Markdown 与 HTML 存在实质性差异（平均缺失 23%）。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 67 · B）
内容维度分项
首页围绕'AI驱动企业知识库与内容门户'持续输出深度内容，主题聚焦且覆盖多场景。
首页json_ld字段为空，未提供任何JSON-LD结构化数据。
首页通过场景、行业、部门明确多品类布局，并打出'新一代AI驱动的内容云平台'定位。
文案专业且痛点清晰，但篇幅冗长、存在堆砌，降低精炼度。
已提供llms.txt但/.md失效且JSON-LD缺失，AI可读性不完整。
分析过程
第一步：读取技术报告
技术分82/100（A），表明网站性能、可访问性与工程基础良好。但技术分并不等价于GEO就绪，还需结合后续AI可读性检查。
第二步：读取llms.txt
llms.txt返回200并包含约48KB内容，提供站点描述、llms-full.txt入口以及developers、partners、功能特性等关键链接，说明已具备面向LLM的入口意识。但Key pages覆盖有限，未能突出知识库、帮助中心等核心主题页。
第三步：读取首页内容
首页标题与meta描述准确点明“AI驱动的企业知识库与内容门户搭建平台”，正文系统介绍了多场景（知识文档、品牌门户、客户服务、电子出版）和AI能力（AI搜索、AI Chat、AI标签、AI摘要），内容专业、结构清晰，对“知识中台”等核心主题有强所有权。
第四步：多品类问题分析
网站覆盖知识库、帮助中心、文档中心、品牌官网、客服知识库等多个品类，通过场景与方案进行分层，客户群体明确。但首页文本冗长、部分信息重复，可能分散注意力，需聚焦核心品类关键词。
第五步：检查 Markdown 版本
首页声明可在/.md获取Markdown版本，但实际访问返回404且回退为HTML页面，说明该功能失效。这会让AI抓取器产生困惑，也削弱“AI友好”的可信度。
第六步：检查 Schema 结构化数据
抓取到的json_ld为空数组，首页未提供JSON-LD（如Organization、SoftwareApplication、FAQPage等）。缺少结构化实体标注，搜索引擎和LLM难以确认页面类型与实体关系。
第七步：内容质量综合判断
内容质量与主题相关性较高，定位清晰，llms.txt方向正确，但Markdown版本失效和Schema缺失是明显短板。因此topic_ownership、category_positioning、writing_style得分较高，schema_entities与ai_maturity受到拖累。
内容改善建议（3 项）
复制成提示词，粘贴到 AI 官网对话即可按建议优化
修复 https://www.baklib.com/.md 的404问题，使首页声明的Markdown版本真实可用，或在页面中移除该失效声明。
在首页添加JSON-LD结构化数据（如Organization、SoftwareApplication、BreadcrumbList、FAQPage），并在全站关键页面补充。
扩展llms.txt，将知识库、帮助中心、产品手册等核心页面加入Key pages，并统一启用各页面的.md Markdown输出。
总体评价
GEO 综合分 73/100（B）由技术（82/A，权重 0.4）与内容（67/B，权重 0.6）加权得出：技术底座处于上游，内容交付明显拖累总分。整体判断为"可发现、可抓取、但不可完整消费"的中间状态——URL 稳定性、内容结构、服务端渲染、公开访问等基础设施接近满分，llms.txt 已存在且抽样链接可解析，建设方向正确。
真正的断裂点在"可观测性"：该维度仅 34/100（F），llms.txt 只覆盖 15% 的在线页面，页面 HTML 与 Markdown 中均无 llms.txt 指引，服务器不支持内容协商，且 8/20 页的 Markdown 与 HTML 实质不一致；叠加内容侧 Schema 实体 2/10（无任何 JSON-LD），AI 引擎既看不全、也看不懂站点的实体关系。最致命短板：Agent 的"接入通道"只接通 15%，且全站无结构化语义输出。
提升建议
-
Schema 实体（2/10）是内容分最大失分项 → 全站无 JSON-LD，AI 搜索与 GEO 无法提取公司、产品、FAQ、面包屑等实体关系，品牌与产品类查询难以获得富摘要与精准召回 → 在首页添加 Organization、SoftwareApplication、BreadcrumbList、FAQPage 等 JSON-LD，并让全站关键页面按类型匹配、与可见内容保持一致。
-
llms-txt-coverage 仅 15%（341/2208，可观测性 F） → 1867 个文档页对 Agent 完全不可见，大模型只能消费极小部分知识，是当前最大的发现缺口 → 从 sitemap 或构建流水线重新生成 llms.txt，将知识库、帮助中心、产品手册全部核心页面纳入 Key pages；同时清理 14 个不在 sitemap 中的过期链接。 如何修复
-
llms-txt-directive-html 与 llms-txt-directive-md 双失败 → 智能体进入任何页面都找不到 llms.txt 入口，且首页声明的 /.md 实际返回 404，声明与事实不符进一步降低可信度 → 每页 HTML 顶部附近添加视觉隐藏指引元素（CSS clip-rect）指向 /llms.txt，每页 Markdown 顶部加 "> 完整文档索引见 llms.txt" 引用块，并修复 /.md 的 404。 如何修复 如何修复
-
content-negotiation 未实现（Markdown 可用性 64/D） → Claude Code、Cursor、OpenCode 等工具以 Accept: text/markdown 请求源文，服务器忽略该头使 Agent 只能拿到含大量样板的 HTML → 配置服务器按 Accept 头返回对应 Markdown 版本；这同时能缓解第 6 条的大 HTML 问题。 如何修复
-
markdown-content-parity（8/20 页平均缺失 23% 内容） → Agent 拿到的 Markdown 与 HTML 不一致，可能基于过时或不完整的页面作答，直接损害 GEO 可信度 → 从同一内容源重新生成 Markdown 或修复构建；确需仅限人类阅读的部分用 data-markdown-ignore 标注并调整阈值。 如何修复
-
page-size-html（1/20 页超 100K，最大 223K HTML → 144K Markdown，79% 样板） → 无内容协商时 Agent 被迫解析超大 HTML，token 成本高而有效信息被样板稀释 → 拆分长页、精简导航样板；与第 4 条配合，启用内容协商后优先让 Agent 取用 Markdown。 如何修复
URL 稳定性、内容结构、页面体积（除超大页外）与公开访问均为高分项，话题所有权与品类定位突出，这些可保留为基础能力，无需返工；写作风格在压缩冗长段落后可维持 AI 友好优势。cache-header-hygiene 为警告级（缓存 1–24 小时），影响有限，可延后处理。