把Google搜索质量评估指南变成自动化检查清单：AI翻译+站点扫描实战

Google的《搜索质量评估指南》有170多页，英文原文里充斥着“Needs Met”“YMYL”“Lowest Quality”这类评分维度。多数开发者知道它重要，却很少真的逐条对照过自家站点。本文给出一套可落地的方案：用AI把指南翻译成结构化检查清单，再写脚本自动扫描常见违规点，最后输出一份可执行的整改列表。

第一步：用AI把指南拆成可执行的检查项

直接让AI“总结指南”得到的是一段空泛的论述，没法用来扫描。有效的做法是先把指南按章节切块，再对每块用固定提示词抽取“可观测信号”。比如针对“页面体验”章节，提示词可以写成：从这段文本中提取所有能通过HTML、HTTP响应或页面渲染结果判断的检查项，每条包含检查目标、观测方式、不合格示例。

实测用GPT-4o或Claude 3.5 Sonnet处理，单章输出约15~25条检查项，全指南可整理出300条左右。人工需要做的是去重和合并，最终收敛到80~120条可自动化或半自动化的规则。剩下那些涉及“作者专业性”“内容原创性”的条目，标记为人工复核项。

提示词模板与输出格式

要求AI输出JSON数组，字段固定为id、category、check、method、fail_example、severity。method字段限定为html、http、render、manual四类，这样后续脚本才能按类型分流。下面是一个可直接复用的提示词骨架：

你是SEO质量评估专家。阅读以下指南片段，提取所有可验证的检查项。
输出JSON数组，每项包含：
- id: 章节号-序号
- category: 内容质量/技术体验/权威性/用户体验
- check: 一句话检查目标
- method: html | http | render | manual
- fail_example: 不合格的具体表现
- severity: high | medium | low
只输出JSON，不要解释。

第二步：把清单映射到可扫描的技术信号

清单里method为html和http的条目可以直接脚本化。常见映射关系如下表，覆盖了指南中“欺骗性行为”“内容单薄”“技术故障”三大类的大部分可观测点。

method为render的条目需要无头浏览器，推荐Playwright，单页渲染成本约0.8~1.5秒。method为manual的条目进入人工队列，用Notion或飞书多维表格分派给内容负责人。

第三步：用脚本跑全站扫描并生成整改单

扫描器用Python写，核心流程分四步：

1. 从sitemap.xml读取URL列表，按目录分组抽样，每组抽20%且不少于10条，控制单次扫描在500页以内。
2. 对每个URL并发发起请求，并发数设为5，避免触发WAF；记录状态码、响应时间、HTML内容。
3. 按清单逐条执行检查函数，每条规则返回pass、fail或skip，结果写入SQLite。
4. 汇总生成CSV整改单，字段包含URL、检查项ID、严重级别、证据截图路径、修复建议。

扫描频率建议每周一次全量、每日一次核心页面。核心页面指首页、栏目页和近30天有流量变化的详情页，数量控制在100条以内。

注意：扫描器请求头要带真实UA并遵守robots.txt，频率过高会被CDN判定为爬虫攻击。建议在Cloudflare或阿里云WAF里给扫描IP加白名单。

第四步：把结果接回日常网站管理

扫描结果如果只躺在CSV里，两周后就会失效。有效的做法是把整改单接入现有工作流。用GitHub Actions定时跑扫描脚本，失败项自动开Issue并打上severity标签；高危项通过Webhook推送到企业微信或Slack的SEO频道。

修复验证同样自动化：Issue关闭前触发一次单页复扫，只有对应检查项变为pass才允许关闭。这套闭环跑顺之后，指南里的抽象标准就变成了每次发版前可执行的卡点，而不是一份读过就忘的PDF。

对于AI工具站这类内容更新频繁的站点，额外加两条规则收益明显：一是新发布页面24小时内必须被sitemap收录且返回200；二是工具页的Schema标记需通过Rich Results Test的结构校验，缺失HowTo或SoftwareApplication标记的页面直接标记为medium。

指南中关于“原创性”和“作者专业性”的条目无法靠脚本判定，建议每季度人工抽检20个页面，用AI辅助打分并记录理由，作为内容团队的考核依据。