个人博客 GEO 优化实战:从 Next.js 内容结构到可验证的 AI 来源数据
内容摘要以本站 Next.js + Cloudflare D1 博客为例,记录文章摘要、章节锚点、作者实体、Markdown 阅读入口和 AI 来源统计的实现,说明如何区分技术验收、搜索收录与真实 AI 引用,以及上线后的 28 天评估方法。
个人博客做 GEO,首先要让公开文章能被读取、理解、核实和引用,然后用真实记录检验效果。 一个 llms.txt、一段结构化数据,或者一次“AI 说看到了网站”,都不能证明优化成功。
本文记录本站的一次实际改造:前端使用 Next.js App Router 和 React,后端运行于 Cloudflare Worker,数据存储在 D1。优化没有接入付费 GEO 服务,也没有生成虚假的访问量或引用成绩。
验证边界:截至 2026 年 11 月 9 日,本次验收环境仍为本地预览,正式域名尚未确定,未部署公网。 已完成的是代码改造、本地抓取检查和功能验证;搜索引擎收录、AI 引用及流量增长仍待上线后观察。本文在 AI 辅助下整理,具体事实以代码、测试与文中列出的官方文档为依据。
1. GEO 优化究竟在优化什么?
这里的 GEO 指面向生成式搜索与问答的内容可发现性优化。可以把目标拆为四个阶段:
| 阶段 | 要解决的问题 | 可以检查的证据 |
|---|---|---|
| 可读取 | 页面是否公开、请求是否成功、正文是否在 HTML 中 | HTTP 状态、无登录正文、抓取日志 |
| 可理解 | 谁写的、讲什么、何时更新、结论依据是什么 | 标题层级、摘要、作者、日期、参考来源 |
| 可引用 | 是否有稳定的文章地址和章节定位 | canonical、正文锚点、明确的事实段落 |
| 可验证 | AI 是否真的引用,读者是否真的到站 | 回答中的实际链接、平台报表、来源访问数据 |
这四步是本站的工程拆解,不是搜索平台公布的排名公式。
Google 对 AI Overviews / AI Mode 的官方说明强调:SEO 基础仍然适用,不要求额外的 AI 专用文件或结构化数据;符合要求也不保证抓取、收录和展示。因此,本次主要改善内容质量与技术可访问性,而非堆砌“AI 标签”。Google:AI features and your website
2. 这次审计发现了哪些具体问题?
原站已经具备服务端渲染、文章描述、canonical、RSS、sitemap、BlogPosting 以及后台 noindex。这些能力保留,不重复包装成新增功能。
主要缺口是:
- 文章摘要存在于数据库,却没有在正文页明确展示。
- Markdown 章节没有稳定 ID,长文缺少目录,难以分享某个具体章节。
- 作者、网站、文章之间缺少统一的实体关联和面包屑。
- 文章列表第 2 页仍指向第 1 页 canonical;个人成长页的搜索结果没有单独设置
noindex。 - 没有从同一份公开正文生成的简洁阅读入口。
- 现有访问统计无法区分带 AI 来源标记的访问,也没有可重复执行的 GEO 技术检查。
本次没有修改已有文章的观点或经历,也没有替作者虚构专业资历。文章页继续使用后台保存的作者名称,作者实体关联到已经公开的掘金主页。
3. 让文章更容易阅读和引用
3.1 摘要、日期与作者信息
文章标题下新增可见摘要,优先使用后台填写的 excerpt。作者链接指向“关于我”,发布时间取原数据库字段;真正有更新时间差异时展示更新时间。
一段好摘要应说明“解决什么问题、适用什么环境、得到什么结论”,而不是把关键词重复三遍。本文的摘要就包含技术栈、实施项与评估边界。
现有 updated_at 反映后台内容记录的更新时间。它不代表文章所有结论都在那一天重新验证过;如果未来要严格区分正文修订与置顶等管理操作,应增加独立的编辑日期字段。
3.2 目录与稳定章节链接
本站使用 markdown-it 解析标题 token,在渲染阶段为章节生成 ID,而不是修改数据库中的原始 Markdown。
const base = 'section-' + headingText
.normalize('NFKC')
.toLowerCase()
.replace(/[^\p{L}\p{N}]+/gu, '-')
.replace(/^-|-$/g, '');
实际实现还包含空标题回退、长度限制和重复标题编号。二级、三级标题进入目录,正文里已有的一级标题在展示时降为二级,避免与页面文章标题重复。
例如“什么是 GEO?”对应 #section-什么是-geo。在前面插入一个不同名称的章节,不会使后面的全部定位失效。修改标题文字或调整同名章节顺序仍可能改变锚点,这不是永久不变的标识。
章节链接能让读者直接定位依据,也方便阅读工具引用上下文。它提升的是定位能力,不能直接推导出 AI 引用率会提高多少。
3.3 内链与分页
文章末尾补充“继续阅读”,优先展示同分类公开文章。列表分页 canonical 保留页码和有效分类,搜索结果设置 noindex, follow。
这些页面仍然通过正常链接访问,不为 AI 机器人输出另一套正文。抓取器和普通读者看到的是同一份文章。
4. 用结构化数据说明内容关系
结构化数据采用以下关系:
WebSite /#website
└── publisher → Person /about#author
└── sameAs → 已公开的掘金主页
BlogPosting /posts/<slug>#article
├── author → Person /about#author
├── isPartOf → WebSite /#website
└── mainEntityOfPage → 文章规范地址
BreadcrumbList:首页 → 文章与思考 → 当前文章
文章使用真实标题、摘要、分类、标签、日期与页面封面。“关于我”补充 ProfilePage。没有添加虚构评分、认证、组织身份或不存在的问答。
Google 的 Article 文档推荐提供适用的作者、日期等信息,并说明作者页面可以用于辨识身份。结构化数据应与可见页面一致。Google:Article structured data
在 Next.js 页面里使用原生 JSON-LD script,并转义 <,防止正文标题中的特殊文本截断标签:
<script
type="application/ld+json"
dangerouslySetInnerHTML={{
__html: JSON.stringify(graph).replace(/</g, '\\u003c'),
}}
/>
这是 Next.js 官方指南采用的实现方式。通过 JSON 解析和页面检查,只能说明输出结构正确;上线后仍应使用结构化数据验证工具复查。Next.js:JSON-LD
5. Markdown 与 llms.txt:辅助阅读入口
新增两个入口:
/llms.txt:动态列出最多 200 篇公开文章,推荐文章优先,并提供文章列表、作者、RSS 和站点地图入口。/posts/<slug>/markdown:输出该篇公开文章的原始 Markdown,并注明作者、原文链接和日期。
它们直接读取 D1,没有单独维护的“AI 版本文章”,因此发布和修改会同步生效。只开放 status='published' AND kind='article';草稿、回收站和访客动态均不出现在文本索引中。正文中的站内绝对图片路径仍以站点域名为基准解析。
HTML 页面通过 rel="alternate" type="text/markdown" 指向文本版本,文本响应通过 HTTP Link 指回 HTML canonical,并设置 X-Robots-Tag: noindex, follow,避免将辅助格式当成另一个搜索落地页。
llms.txt 是一种提案,能给主动读取它的工具提供简洁入口;不能据此认定某个平台一定会读取或优先引用本站。本项目的 /markdown 路由通过显式链接发现,也不声称完整实现该提案建议的 .md 路径命名。llms.txt 提案
本站原有 robots.txt 通配规则允许公共内容抓取,并排除 /admin 与 /api/。这一策略继续保留。登录鉴权才是后台保护,robots 不是访问控制。
OpenAI 的 OAI-SearchBot 用于搜索,GPTBot 用于可能的模型训练,二者的 robots 设置可以分别管理。为了做搜索可见性优化,没有必要把训练授权当成前提。本次没有改变站长原有的训练爬虫策略。OpenAI:Overview of crawlers
6. 如何记录 AI 带来的访问?
后台“数据与备份”新增“AI 来源访问 · GEO 观察”,与已有日期筛选联动,显示每天的来源标记访客、平台分项和 CSV 导出。
当前支持识别 ChatGPT、Perplexity、Copilot、Gemini 和 Claude 的明确来源域名,或者白名单 utm_source。普通 Google / Bing 搜索不算 AI 来源,因为单凭搜索来源无法确定是否来自 AI 回答。
6.1 最小化存储与去重
新增 D1 表:
CREATE TABLE analytics_ai_referrals (
day TEXT NOT NULL,
source TEXT NOT NULL,
visitor_id TEXT NOT NULL,
PRIMARY KEY (day, source, visitor_id)
);
实际迁移还为 source 增加了固定枚举约束。访客沿用已有签名匿名 Cookie,按北京时间日期登记。客户端仅提交归类后的来源名称,不保存完整 Referrer、查询词、AI 对话路径或 IP。
同一浏览器同一天从同一来源反复进入,只增加一个来源 UV;从两个来源进入,分项各记一次,但全来源去重总数仍为一。它不会重复增加站点累计访客。
页面跨午夜保持打开时,普通每日 UV 仍会登记新一天;旧的入口来源不会在新一天自动再次归因。后台页面不主动计数。启用之前显示“未记录”,启用当天注明部分记录。
6.2 来源访问不等于引用次数
这组数据有明确边界:
- 浏览器或应用可能不提供 Referrer,未标记的访问无法归因。
- UTM 可以手动附加,来源字段也可能被伪造,它不是平台认证。
- 一次 AI 回答可能引用文章,但无人点击,此时本站没有来源访问。
- 用户从历史对话或别人转发的带参数链接进入,也可能保留来源标记。
- AI 抓取通常不执行本站的访问登记脚本,因此这不是爬虫流量统计。
所以页面使用“AI 来源标记访客”这一名称,不能将数字改名为“AI 推荐次数”。本次不向实际博客灌入模拟 AI 访客;来源去重测试在隔离数据库中执行。
7. 技术优化怎样验收?
项目新增可重复执行的检查命令:
npm run geo:check -- \
--base http://localhost:8787 \
--slug geo-nextjs-blog-practice \
--output docs/geo/article-audit.json
它检查匿名文章响应、服务端正文、唯一 H1、摘要、canonical、作者 / 网站 / 面包屑数据、章节目录、Markdown、llms.txt、robots、sitemap、后台保护、分页和搜索结果索引设置。
另外用模拟 OAI-SearchBot 的 User-Agent 请求同一篇文章,对比正文,确认没有按 UA 提供不同内容。模拟请求通过只证明本地 HTTP 行为一致,不代表 OpenAI 已抓取本站。
同一篇既有长文优化前为 9 / 17 项通过,优化后相同 URL 为 17 / 17 项通过,分别保存于 docs/geo/before.json 与 docs/geo/after.json。本文发布后另行检查。报告是检查项清单,不是“GEO 得分”,也不应把通过比例解释为排名提升比例。
新增测试覆盖章节定位、特殊字符安全、非公开文章过滤、来源域名边界、普通搜索排除、并发去重、跨日、来源分项与区间去重、Cookie / 同源校验及管理员权限。连同原站回归测试,本轮共 44 项通过。
原有数据库先备份,再增量应用 0007_ai_referrals.sql。文章、留言、评论、互动和设置继续保留,来源数据存进同一个 D1,重启不会清空。
8. 上线后如何验证真正的 GEO 效果?
8.1 先补齐公网前提
确定域名并部署 HTTPS 后,在后台“站点设置”填正式站点地址。canonical、结构化数据、RSS、站点地图和文本入口会统一使用这一域名。不要把 localhost 地址提交给搜索引擎。
随后完成以下验证:
- 从站外网络匿名打开文章,确认状态码、正文和图片正常。
- 在 Google Search Console / Bing Webmaster Tools 验证站点,提交 sitemap,查看文章是否被发现和索引。
- 用 Rich Results Test 或 Schema Markup Validator 检查结构化数据。
- 检查 Cloudflare 防火墙和机器人规则是否误拦搜索请求;不要为方便而关闭所有防护。
- 对真实爬虫访问,结合平台公布的 IP 范围等方式验证身份,仅凭可伪造的 User-Agent 不足以认定。
本地优化完成并不意味着这些步骤已经执行。本次没有绑定域名、创建公网部署,也没有提交站长平台。
8.2 分开看三种结果
| 信号 | 来源 | 能说明什么 | 不能说明什么 |
|---|---|---|---|
| 被抓取 / 被索引 | 服务器日志、站长工具 | 平台读取或索引了页面 | 已被生成式回答引用 |
| 真实引用 | AI 回答中的本站链接、平台引用报表 | 某次回答或报表范围内出现引用 | 所有 AI 平台的统一排名 |
| 到站访问 | 本站来源统计 | 可识别来源的访客到站 | 每次引用都带来了访问 |
Bing Webmaster Tools 的 AI Performance 可查看其支持范围内的引用、被引用页面和部分检索线索;这些数据不等同于全网 AI 排名。Bing:AI Performance public preview
Google 文档说明 AI 功能相关表现包含在 Search Console 的 Web 搜索统计中。不能把网站全部 Google 流量直接标记为 AI 流量。Google:AI features and your website
8.3 固定问题集,进行 28 天观察
建议在上线并可索引后开始,而不是从今天本地改完代码就计时:
- 前 7 天:记录基线,不频繁调整文章。
- 后 21 天:每周在相同平台、相同语言和地区条件下,重复同一批问题;每题至少两次,记录日期、模式、是否启用搜索及证据。
- 对比时区分品牌问题、非品牌问题和明确给出 URL 的诊断问题;不能把“请打开这个链接”算作自然发现。
- 记录模型、搜索模式、发布节奏等变化。这是小样本观察,不是严格随机实验,不把相关性直接当因果。
可先使用这 10 个问题:
- 个人技术博客怎样做 GEO 优化?
- Next.js 博客需要为 GEO 单独渲染一份内容吗?
- llms.txt 能保证网站被 AI 引用吗?
- 如何用 Cloudflare D1 统计 AI 来源访客?
- AI 引用次数和网站来源访问量有什么区别?
- 如何给中文 Markdown 标题生成稳定的章节链接?
- Next.js 文章的作者和面包屑结构化数据怎么关联?
- 还在 localhost 运行的博客能验证 GEO 效果吗?
- doyoudo 的博客分享了哪些 GEO 实践?(品牌问题,单独统计)
- 请读取本站 GEO 文章并概括验证边界。(给定 URL 的诊断,不计自然发现)
建议保存:问题 ID、平台、时间、搜索是否开启、重复次数序号、是否提及本站、引用 URL、引用是否支持结论、回答截图或链接。不得用“感觉更容易搜到了”替代记录。
可以计算两个基础指标:
非品牌引用率 = 非品牌测试中出现本站有效引用的回答数 / 非品牌有效回答数
引用准确率 = 确实支持回答主张的本站引用数 / 人工核查的本站引用总数
没有有效回答或没有引用时,分母为零,应记为“无法计算”,不要填 0% 或 100%。每个比例同时报告分子、分母,避免把一次命中说成稳定提升。
9. 后续内容应该怎么写?
技术结构解决的是阅读障碍,最终能被引用的仍是有用内容。适合这个博客的方向是持续记录真实项目:为什么选择 D1、朋友圈审核怎样实现、两级评论如何归并、数据统计怎样防重复。
每篇文章可以采用这样的骨架:
- 开头回答一个具体问题,明确适用环境和限制。
- 给出最小可复现代码、真实配置或数据结构。
- 说明验证步骤,区分实际执行与计划执行。
- 将官方来源放在对应主张附近,标注关键版本和时间。
- 写明失败案例、取舍和未解决事项,更新时保留修订说明。
本文也是一个起点:它证明本站已经具备一套可检查的内容结构和来源数据管道;是否因此被更多 AI 回答引用,需要等待公网部署和真实观察记录。
谢谢你读到这里。喜欢的话,留下一个赞吧。
文章评论
欢迎交流。支持评论点赞和二级回复;回复二级评论仍显示在同一楼层。
正在读取评论…