AI 搜索引擎
看不见我

四个缺口，按代价排序

GEO（生成式引擎优化）不是 SEO 换个名字。SEO 争的是结果页里的一个位置，GEO 争的是答案里的一句话。搜索引擎会点进你的页面；生成式引擎不会 —— 它读完、摘走一个结论、附上引用，然后结束。

所以问题从「我怎么排上去」变成「这一页有什么能被摘走」。这个转向让审计变得有用：它不问写得好不好，它问机器能不能判断这页在说什么、谁在说、说话的人是不是一个真实存在的实体。

四个维度，权重比分数重要：可引用性 35%、实体品牌 25%、技术可达 20%、结构化数据 20%。可引用性涨 10 分，比其他任何一项涨 10 分都值钱。第一份报告长这样：

有两个数字直接指向真问题。Schema 12 和 28 不是「写得不好」，是「机器在猜」。实体品牌 40 在当时就已经是加权后最大的洞。其余都是噪音。

英文那一半不存在

这个站双语已经好几个月了。中文写在 HTML 里，英文放在 data-en / data-i18n 属性里，访客点 EN 时一小段脚本把两者换过来。设计本身是合理的：体积减半、单一真源、关掉 JS 中文读者照样能看。

但从爬虫的视角，这是一个纯中文站。GPTBot、ClaudeBot、PerplexityBot 都不执行 JS，它们拿到的 HTML 里只有中文。validate DBC against ARXML 这种英文查询在页面上没有任何东西可以匹配 —— 英文躺在爬虫永远不读的属性里。

修法是把英文在构建期落成静态文件。脚本读每页、把英文从属性里取出来、生成镜像：index.en.html、blog/index.en.html、每篇文章一份。两边用 hreflang 互指，各自有自己的 canonical，sitemap 两个都列。

脚本里有两个决定值得抄。第一，它按解析器给出的偏移切原文，不重新序列化 DOM —— CSS、脚本、空白、属性顺序全部逐字节不变，diff 里只有改掉的文字，人能审。第二，它把镜像页上的语言切换器删掉，换成一句 plain 中文 链接。不删的话，localStorage 记着访客的偏好，静态英文页首帧就被翻回中文 —— 整个工程白做。

还有一个细节：镜像页的 FAQ schema 必须是英文的问答，不能只改个 inLanguage。英文页里挂中文问答比不挂更糟 —— schema 和正文对不上，摘取的时候一看就穿了。

Schema 12 分，因为一个字都没写

12 分不是写得差，是根本没有。整站一行 JSON-LD 都没有。机器本可以拿到的一切信号 —— 这是个真人、这些页面属于他、这是篇文章不是列表页 —— 全部只能从散文里猜。

关键不是「加上 schema」，是让它成为一个图。六块互不相干的标记 —— 这里一个 Person、那里一个 WebSite、每篇文章一个 TechArticle —— 告诉机器有六个陌生人。而一个 @graph、里面每个人物节点都指向同一个 @id，告诉机器：这是一个实体，有好几面。

所以首页只定义一次人物，锚在 https://me.tech-harry.top/#person：姓名、职务、雇主、sameAs 指向 GitHub / CSDN / PyPI 项目。其他页面全部引用这个 @id，不再重复姓名字符串。博客索引是 Blog，blogPost 指向各篇文章；每篇文章是 TechArticle，作者和发布者都是那个人物节点。

仓库那边问题更硬：GitHub 不给仓库输出任何 JSON-LD。这是平台限制，不是你写错了 —— 你没法往 github.com 上加标记。想让一个仓库作为「软件实体」被机器读懂，唯一的路是自己托管一个页面。于是有了 GitHub Pages 上的小文档站，index.html 里声明 SoftwareSourceCode，外加带 softwareVersion 和 offers.price: 0 的 SoftwareApplication。

然后是 FAQPage。两篇文章本来都是「问 — 答」结构，但一个都没标，于是 Perplexity 和 AI Overviews 没有任何东西可以摘。每篇四个问题，就按人真会搜的形态写：为什么 ARXML 和 DBC 会对不上、AUTOSAR 位位置怎么对应 DBC 起始位、skill 和 prompt 有什么区别。这一项是整个审计里性价比最高的 —— 12 涨到 90。

有一条约束值得写下来：页面上可见的问答数量，必须和 schema 里的条数一致。我加了一条断言，两边都解析、数目不等就失败，然后故意改坏一处确认它真的会红。Schema 描述页面没有的内容，那不叫优化，那是一个机器抓得住的谎。

写了 s-maxage，一点用没有

这个站跑在 Cloudflare Worker 上，第一版对所有响应返回 cache-control: no-store。每个请求都重新生成页面，TTFB 2.1 到 3.0 秒。静态站这个速度不合理，而且速度是有代价的：爬虫有预算，慢的站它来得更少。

显然的修法是发 max-age=60, s-maxage=300 让边缘缓存。我改了。什么也没发生 —— 响应里始终不出现 cf-cache-status，TTFB 一动不动。原因是：对 Worker 的响应来说，s-maxage 对边缘只是建议值，不是指令。Worker 自己就是源站，没有一个独立的源站缓存供边缘去问。

真正管用的是 Cache API：显式把构建好的响应 put 进 caches.default，键自己设计。我用资源内容哈希做键，它有个好性质：新部署会改变哈希，所以旧页面不是「不太可能命中」，而是根本命中不了。

结果：TTFB 从 2.1–3.0 秒降到 0.58–0.78 秒。这是唯一一处纯技术改动真的推动了评分维度的地方 —— 因为爬取预算本身就是技术可达性的输入。

修好一个真 bug，GEO 一分没涨

第三轮给两篇文章加了作者卡和 FAQ 块。HTML 上线了、部署校验通过、线上页面里新段落都在。然后在浏览器里一看：作者卡整块塌了 —— 没有头像、没有圆角、宽度错乱。

原因是一处没人看过的缓存交叉：blog.css 用 max-age=86400 缓存，而所有页面用裸相对路径引用它。新的 CSS 类发出去了，但老访客最长一天内用的还是旧样式表。HTML 是新的，CSS 是旧的，两者对不上。

<!-- before: one URL, forever -->
<link rel="stylesheet" href="blog.css">

<!-- after: the URL changes when the file does -->
<link rel="stylesheet" href="blog.css?v=17a9da41d6">

修法是构建时把样式表自己的内容哈希拼上去，然后重算页面 ETag。一天缓存可以留着，但旧样式变得不可能拿到。这是标准做法，我没做，因为这个站小到一直没踩上。

接下来是这篇 GEO 文章里最该说的一句：这个修复让评分涨了 0 分。它不是技术可达性的输入，不是可引用性，也不是结构化数据。审计根本不管它。但它仍然是那一轮最有价值的改动 —— 因为它决定了一页是渲染正常还是坏的。

剩下 17 分，改代码没用

三轮之后博客 83、仓库 74。剩下的 17 分在哪 —— 这张图是整个过程中最有用的，因为它说的是停手：

实体品牌缺 38 分。按 25% 权重算，它拖掉 9.5 分，超过可引用性、结构化数据、技术可达三项之和（6.05）。而这一维度衡量的东西是：仓库有几个 star、有没有 Wikidata 条目、有没有 LinkedIn 档案、有没有第三方提到过它。没有一项是我代码的属性。

这个仓库是审计前一天建的。0 star、0 fork、0 issue。这不是「信号没做好」，这是对一个一天大的项目的如实读数。你骗不过它，也不该想骗它：这个指标存在的意义，就是让批量生成的内容不能凭空排上去。

我朝这个方向做的事都很慢：把包发上 PyPI，让项目除了一个 git URL 之外还有个外部身份；给三个 awesome-list 提了 PR，让别人维护的清单指向它；加了 CITATION.cff 并且写清适用范围边界 —— 可被判断的边界比笼统的吹嘘更值得被引用。这几件事的共同点是：结果不由我控制，维护者完全可以不 merge。

下次我会按这个顺序做

1. 像爬虫那样抓一次。不用浏览器、不用普通 UA 的 curl —— 用不执行 JS 的方式抓，只读返回的 HTML 里有什么。这次审计里一半的问题，从其他任何视角都看不见。

2. 区分两种「一样」的失败。爬虫看不见你的内容、和看见了但不在意，表现都是没流量。前者是构建问题，一个下午能修；后者是内容问题，要几个月。

3. 按「权重 × 缺口」排序，不按爽感排序。Schema 最好玩，值 20%；实体品牌最不好玩，占总分 25%。先做爽的没问题；以为爽的那个更重要就有问题。

4. 在论断所在的介质里验证它。缓存的说法要看到真实的命中；渲染的说法要进浏览器；schema 的说法要用真正吃它的解析器验，不是 JSON linter —— 而且一个语法合法的文件，照样可以描述页面里没有的内容。

5. 开始之前就写下哪些分不归你。否则你会在 83 分的时候反复打开编辑器，纳闷数字为什么不动。

还有一处对我自己的更正，应该写在这儿：我第三轮报告里第一版写的是 82 分。按权重算，94×0.2 + 89×0.35 + 90×0.2 + 62×0.25 = 83.45。我加权求和算错了 —— 和「在仓库里跑测试永远是绿的」是同一类错误。没有从分项重算过的总分，就是猜的。

数据与复现

两个站都开源，生成器都在仓库里，所以这些数字可以被核对而不只是被相信：英文镜像是脚本生成的，上面两张图也是脚本按审计数字画的，而部署在任何一条断言失败时就会拒绝发布 —— 包括「可见问答数 == schema 条数」和「样式表引用带内容哈希」这两条。