我做了一个 GEO 诊断 Skill：看看你的网站为什么不被 AI 引用
网站不被AI引用，问题往往出在基础建设：爬虫被拦、缺结构化数据、没有llms.txt。本文介绍一个GEO诊断工具，能一键检查robots.txt、sitemap、Schema等指标，给出可修复的优先级清单。读完可直接对自己的网站做一次可见性体检，知道该从哪里动手。
GEO常被包装成玄学，但至少有一半是工程问题。很多网站不是内容差，而是从第一步就不让AI进来：robots.txt挡住了GPTBot、ClaudeBot，sitemap出问题，连最基本的Organization Schema都没有。作者做的这个诊断工具，实际上是把“被AI引用”这件事拆解成了五个可检查的维度——爬虫可访问、机器可读入口、结构化数据、内容可摘取、第三方存在感。这些都不是品牌声量层面的东西，而是像网站性能优化一样，可以逐项测试、修复、复测。把这一步做扎实，GEO就不那么神秘了。
结构化数据和llms.txt这类信号，对AI引用网页的影响其实比很多人想象的大。AI在回答问题时，需要快速判断一个页面是不是可信答案源。一个页面如果没标明作者、发布时间、所属组织，AI很难把它纳入候选。以FAQPage Schema为例，有了它，AI可以直接把问答结构映射到答案中，不需要再从大段文字里提取。这跟传统SEO强调的关键词密度完全不同，它更看重机器可读的元数据。当你的网站面向ChatGPT/Perplexity这些AI搜索引擎时，每一行结构化数据都在帮AI降低计算成本。相反，全屏大图、营销短句、轮播图这些人类友好的设计，对AI来说就是噪声。
对从业者而言，这篇文章最实用的启示是：不要急着做内容轰炸，先拿工具扫一遍基础设施。如果你的Sitemap损坏、Article Schema缺失、robots.txt误挡了AI爬虫，那所有后续的GEO策略都是空中楼阁。建议的行动路径是：第一周修robots.txt和llms.txt，第二周补上核心Schema（Organization、Article、FAQPage），第三周优化页面标题结构和独立引用段落。做完这三步，再去监控AI查询中自己的出现频率。这套流程几乎零成本，但能解决80%的基础可见性问题。当然，这个判断也有边界：对于已经建立了强大外部信誉的品牌（比如被维基百科多次引用），基础信号的作用会减弱。但对大多数中小网站，先修好基础永远是性价比最高的起点。