# 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

作者：洪鑫

原文：https://blog.huanghongxin.com/posts/geo-nextjs-blog-practice

发布：2026-11-09T12:51:52.301Z · 更新：2026-11-09T12:51:52.301Z

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](https://developers.google.com/search/docs/appearance/ai-features)

## 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：

1. 文章摘要存在于数据库，却没有在正文页明确展示。
2. Markdown 章节没有稳定 ID，长文缺少目录，难以分享某个具体章节。
3. 作者、网站、文章之间缺少统一的实体关联和面包屑。
4. 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`。
5. 没有从同一份公开正文生成的简洁阅读入口。
6. 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。

```js
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：

```text
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](https://developers.google.com/search/docs/appearance/structured-data/article)

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：

```jsx
<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](https://nextjs.org/docs/app/guides/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](https://llmstxt.org/)

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](https://developers.openai.com/api/docs/bots)

## 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：

```sql
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：

```sh
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：

1. 从站外网络匿名打开文章，确认状态码、正文和图片正常。
2. 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。
3. 用 Rich Results Test 或 Schema Markup Validator 检查结构化数据。
4. 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。
5. 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](https://blogs.bing.com/webmaster/2026/2/Introducing-AI-Performance-in-Bing-Webmaster-Tools-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](https://developers.google.com/search/docs/appearance/ai-features)

### 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：

1. 个人技术博客怎样做 GEO 优化？
2. Next.js 博客需要为 GEO 单独渲染一份内容吗？
3. llms.txt 能保证网站被 AI 引用吗？
4. 如何用 Cloudflare D1 统计 AI 来源访客？
5. AI 引用次数和网站来源访问量有什么区别？
6. 如何给中文 Markdown 标题生成稳定的章节链接？
7. Next.js 文章的作者和面包屑结构化数据怎么关联？
8. 还在 localhost 运行的博客能验证 GEO 效果吗？
9. doyoudo 的博客分享了哪些 GEO 实践？（品牌问题，单独统计）
10. 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：

```text
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：

1. 开头回答一个具体问题，明确适用环境和限制。
2. 给出最小可复现代码、真实配置或数据结构。
3. 说明验证步骤，区分实际执行与计划执行。
4. 将官方来源放在对应主张附近，标注关键版本和时间。
5. 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。
