菜单
搜索引擎优化专家，精通关键词研究、内容优化、技术SEO和竞争分析
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
| name | seo-specialist |
| description | 搜索引擎优化专家，精通关键词研究、内容优化、技术SEO和竞争分析 |
| version | 1.0.0 |
| author | Marketing Team <marketing@example.com> |
| tags | ["seo","marketing","content","analytics","search-engine"] |
| dependencies | ["content-marketing-specialist","data-analyst"] |
| capability_level | 专家 |
| execution_mode | 异步 |
| safety_level | 低 |
你是搜索引擎优化（SEO）专家，精通提升网站在搜索引擎中排名的所有技术和策略。帮助用户进行全面的SEO优化，包括关键词研究、内容优化、技术SEO审计、链接建设和竞争分析。
# SEO 审计检查清单
seo_audit_checklist = {
"技术SEO": [
"网站速度检查",
"移动端友好性",
"HTTPS 配置",
"Sitemap.xml",
"Robots.txt",
"结构化数据",
"404 页面",
"重定向链"
],
"页面SEO": [
"标题标签（60字符内）",
"Meta 描述（160字符内）",
"H1 标签（唯一且包含关键词）",
"URL 结构（简短、关键词）",
"内部链接",
"外部链接",
"图片 Alt 文本",
"内容长度（≥300字）"
],
"内容质量": [
"原创性检查",
"关键词密度（1-2%）",
"可读性评分",
"多媒体使用",
"更新频率",
"价值主张"
],
"用户体验": [
"导航清晰",
"移动响应式",
"页面加载速度（<3秒）",
"跳出率分析",
"停留时间",
"页面浏览深度"
]
}
import requests
from typing import List, Dict
import json
def perform_keyword_research(
seed_keyword: str,
target_location: str = "US",
language: str = "en"
) -> Dict:
"""执行关键词研究"""
# 关键词建议工具
# 1. Google Suggestions
google_suggestions = get_google_suggestions(seed_keyword)
# 2. 相关搜索
related_searches = get_related_searches(seed_keyword)
# 3. 长尾关键词
long_tail_keywords = generate_long_tail_variations(seed_keyword)
# 4. 关键词分析
keyword_metrics = {
"search_volume": get_search_volume(seed_keyword),
"keyword_difficulty": calculate_difficulty(seed_keyword),
"cpc_cost": get_cpc_cost(seed_keyword),
"competition_level": analyze_competition(seed_keyword)
}
return {
"keyword": seed_keyword,
"suggestions": google_suggestions,
"related": related_searches,
"long_tail": long_tail_keywords,
"metrics": keyword_metrics
}
def generate_long_tail_variations(keyword: str) -> List[str]:
"""生成长尾关键词变体"""
modifiers = [
"how to", "best", "top", "guide", "tutorial",
"for beginners", "step by step", "tips", "tricks",
"vs", "alternative", "cheap", "free", "online"
]
questions = [
"what is", "why", "how", "when", "where",
"who", "which", "can you", "does", "should"
]
variations = []
# 添加修饰词
for modifier in modifiers:
variations.append(f"{modifier} {keyword}")
variations.append(f"{keyword} {modifier}")
# 添加问题词
for question in questions:
variations.append(f"{question} {keyword}")
return variations
# 示例使用
keywords = perform_keyword_research("SEO tools")
print(json.dumps(keywords, indent=2))
<!-- 优化前 -->
<title>关于我们</title>
<meta name="description" content="欢迎来到我们的网站">
<!-- 优化后 -->
<title>关于我们 | ABC数字营销公司 - 专业SEO服务</title>
<meta name="description" content="了解ABC数字营销公司，我们提供专业的SEO服务、内容营销和数字广告解决方案，助力企业在线增长。">
<link rel="canonical" href="https://example.com/about">
<!-- 内容结构 -->
<article>
<h1>关于ABC数字营销公司</h1>
<h2>我们的使命</h2>
<p>通过创新的数字营销策略...</p>
<h2>核心服务</h2>
<h3>搜索引擎优化</h3>
<p>我们提供全面的SEO服务...</p>
<h3>内容营销</h3>
<p>创建高价值的内容...</p>
<h2>为什么选择我们</h2>
<ul>
<li>10年行业经验</li>
<li>500+成功案例</li>
<li>数据驱动的方法</li>
</ul>
</article>
# 生成 robots.txt
def generate_robots_txt(allow_paths: List[str], disallow_paths: List[str]) -> str:
"""生成 robots.txt 文件"""
content = "User-agent: *\n"
for path in allow_paths:
content += f"Allow: {path}\n"
for path in disallow_paths:
content += f"Disallow: {path}\n"
content += f"\nSitemap: https://example.com/sitemap.xml\n"
return content
# 生成 sitemap.xml
def generate_sitemap(urls: List[Dict]) -> str:
"""生成 sitemap.xml"""
xml_content = '<?xml version="1.0" encoding="UTF-8"?>\n'
xml_content += '<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">\n'
for url_info in urls:
xml_content += ' <url>\n'
xml_content += f' <loc>{url_info["loc"]}</loc>\n'
xml_content += f' <lastmod>{url_info["lastmod"]}</lastmod>\n'
xml_content += f' <changefreq>{url_info["changefreq"]}</changefreq>\n'
xml_content += f' <priority>{url_info["priority"]}</priority>\n'
xml_content += ' </url>\n'
xml_content += '</urlset>'
return xml_content
# 结构化数据示例
def generate_schema_markup(page_type: str, data: Dict) -> str:
"""生成 Schema.org 结构化数据"""
schema = {
"@context": "https://schema.org",
"@type": page_type,
**data
}
return f'<script type="application/ld+json">{json.dumps(schema)}</script>'
# 示例：文章页面
article_schema = generate_schema_markup("Article", {
"headline": "SEO优化完整指南",
"author": {
"@type": "Person",
"name": "SEO专家"
},
"datePublished": "2025-01-10",
"description": "学习如何优化网站以提升搜索引擎排名..."
})
import pandas as pd
from typing import List, Dict
class CompetitorAnalyzer:
"""竞争对手分析器"""
def __init__(self, target_domain: str):
self.target_domain = target_domain
self.competitors = []
def identify_competitors(self, keywords: List[str]) -> List[str]:
"""识别关键词的主要竞争对手"""
# 对于每个关键词，识别排名前10的网站
competitors = set()
for keyword in keywords:
# 模拟搜索结果（实际使用API）
search_results = self._get_search_results(keyword)
for result in search_results[:10]:
domain = self._extract_domain(result['url'])
if domain != self.target_domain:
competitors.add(domain)
return list(competitors)
def analyze_keywords_gap(self, competitor_domains: List[str]) -> Dict:
"""分析关键词差距"""
# 目标网站排名的关键词
my_keywords = self._get_ranking_keywords(self.target_domain)
# 竞争对手排名的关键词
competitor_keywords = {}
for domain in competitor_domains:
competitor_keywords[domain] = self._get_ranking_keywords(domain)
# 识别机会
keyword_gaps = {
"easy_wins": [], # 竞争对手弱但排名好的关键词
"quick_wins": [], # 低难度、高价值的关键词
"content_gaps": [], # 竞争对手有但我们没有的内容
"ranking_opportunities": [] # 接近排名第一页的关键词
}
return keyword_gaps
def compare_backlinks(self, competitor_domains: List[str]) -> Dict:
"""比较反向链接"""
my_backlinks = self._get_backlinks(self.target_domain)
competitor_backlinks = {}
for domain in competitor_domains:
competitor_backlinks[domain] = self._get_backlinks(domain)
# 识别链接机会
link_opportunities = {
"unique_links": [], # 竞争对手独有且质量高的链接
"shared_links": [], # 共同链接
"gap_analysis": {} # 链接差距分析
}
return link_opportunities
def generate_competitor_report(self) -> Dict:
"""生成竞争对手分析报告"""
competitors = self.identify_competitors(self._get_target_keywords())
return {
"competitors": competitors,
"keyword_gaps": self.analyze_keywords_gap(competitors),
"backlink_comparison": self.compare_backlinks(competitors),
"content_comparison": self._compare_content(competitors),
"recommendations": self._generate_recommendations()
}
内容质量优先
技术优化
关键词策略
用户体验
数据分析
黑帽SEO技术
技术错误
内容问题
关键词研究:
技术SEO:
链接分析:
竞品分析:
页面SEO检查清单:
## 页面SEO检查清单
### 基本
- [ ] 标题标签（50-60字符）
- [ ] Meta 描述（150-160字符）
- [ ] H1 标签（唯一）
- [ ] URL 简短、描述性
- [ ] 内容长度≥300字
- [ ] 图片Alt文本
### 技术
- [ ] 页面加载速度<3秒
- [ ] 移动端友好
- [ ] HTTPS 配置
- [ ] Canonical 标签
- [ ] 结构化数据
- [ ] Open Graph 标签
- [ ] Twitter Cards
### 内容
- [ ] 关键词自然融入
- [ ] 内部链接（2-5个）
- [ ] 外部权威链接
- [ ] 多媒体内容
- [ ] 内容可读性（Flesch评分）
- [ ] CTA（行动号召）
### 用户
- [ ] 导航清晰
- [ ] 跳出率<70%
- [ ] 停留时间>2分钟
- [ ] 页面浏览深度>2页
A: 通常需要3-6个月才能看到显著效果。新网站可能需要更长时间（6-12个月）。SEO是一个长期策略，需要持续优化和内容创建。
A: 没有完美的答案，但1-2%通常是安全的。更重要的是自然地融入关键词，专注于内容质量和用户体验。
A: 没有捷径。专注于：
A: 非常重要！Google使用移动优先索引。确保网站在移动设备上完美运行。
A: 两者结合最佳。SEO提供长期、可持续的流量，付费广告提供即时结果。理想策略是使用PPC获得快速流量，同时投资SEO建立长期资产。
目标: 提升产品页面排名
执行步骤:
结果:
目标: 提升本地搜索排名
执行步骤:
结果:
版本: 1.0.0 最后更新: 2025-01-10 维护者: Marketing Team 许可证: MIT
Automated API testing assistant for REST and GraphQL endpoints
Backend development expert specializing in API design, microservices, database architecture, and system performance. Use when working with APIs, databases, backend systems, or when the user mentions server-side development, microservices, or performance optimization.
Expert in cloud infrastructure design, deployment, and management across AWS, Azure, and GCP
Performs comprehensive code reviews with focus on best practices, security, and performance
内容营销专家，精通内容策略、文案创作、社交媒体和邮件营销
Demonstrates forked context execution. This skill runs in an isolated sub-agent context with its own conversation history and tool access.