我的首席 SEO 官:克劳德·科沃克
文章详细介绍了作者如何在 Claude Cowork 内部构建了一个包含 20 个部分的提示系统,将其转变为全能的“首席 SEO 官”。该系统通过加载业务背景和授权访问 SEO 工具,能够自动审核 Google 表现、分析竞争对手漏洞、优化商家资料及生成评论策略。文章展示了 GBP 类别审核、属性审计及竞品分析等具体提示,揭示了如何利用 AI 实现高效的本地 SEO 优化。
文章详细介绍了作者如何在 Claude Cowork 内部构建了一个包含 20 个部分的提示系统,将其转变为全能的“首席 SEO 官”。该系统通过加载业务背景和授权访问 SEO 工具,能够自动审核 Google 表现、分析竞争对手漏洞、优化商家资料及生成评论策略。文章展示了 GBP 类别审核、属性审计及竞品分析等具体提示,揭示了如何利用 AI 实现高效的本地 SEO 优化。
文章提供了结合AI工具与本地SEO的高操作性提示词系统,包含大量可直接落地的步骤和审计维度,虽略显冗长但极具实用价值。
作者详细介绍了如何将 Claude Cowork 打造成首席 SEO 官。通过构建一个 20 部分的提示系统,在 Claude 中预加载企业背景、竞争对手数据及 Google 商家资料,实现对 Google 表现的全面审核和竞争对手漏洞分析。文章重点分享了建立上下文背景和授权 Claude 访问 SEO 工具的具体提示词与方法,将原本需要数小时的分析工作缩短至几分钟,并提供了按优先级排序的执行计划。
文章针对出海团队每天人工盯热搜、找选题效率低、时间滞后的痛点,介绍如何用代码和 AI 搭建一套 24 小时自动巡检的选题流水线。核心思路是抓住搜索量短时间暴增但内容供给空白的上升词红利。流水线分三层:一是围绕种子词库做周期性快照轮询并计算趋势斜率,自动发现飙升关键词;二是通过黑名单过滤、商业意图词性筛选和聚类去重,剔除娱乐八卦等噪音,保留排查解决、选型对比、资源索取类高价值需求,并附完整 AI 过滤提示词;三是接入大模型,把上升词拆解为痛点解决方案、工具选型、成本风险、可交付资源四张选题卡,实现选题自动化裂变。文中提供了两段可直接复用的详细提示词。
作者作为一家30多人AI公司的创始人,用5天时间打造了一个基于Agent的企业中台。他先让Claude生成了品牌VI、UI设计组件和PPT模板,并将其封装为Skill;随后解决了同事们Vibe Coding应用部署与分享的痛点,将中台包装成MCP,接入飞书登录与权限体系,实现应用一键部署、子域名分配、权限管控。同时搭建了应用广场、Skill分发、资料库、OKR可视化面板及千人千面的个性化首页,并让Agent自动维护多维表格数据。作者认为数据和协同关系是企业未来的核心资产,期待AI原生的组织变革。
作者整理了16个面向电商运营的 Agent Skill,按开店流程分类推荐:选品(TikTok Shop、跨境选品工具LinkFox)、建站与后台(Anthropic官方Claude Commerce Agents、Shopify与WooCommerce官方agent-skills)、商品页与视觉(服装出图、详情页策划)、素材与广告(视频克隆Hypit、带货视频工具)、承接与增长(营销skill库、SEO工具、178个skill索引库)。作者强调优先安装官方skill和平台插件,因为它们会随平台更新维护,而个人开发的skill可能因API变更而失效。每个skill附GitHub地址、功能说明、安装要求及注意事项。
作者基于与多家顶级 AI 公司合作的观察,分享了用 AI Agent 提速营销团队工作的实战方法论。核心流程:1)从客户已有的真实问题出发(销售通话、支持消息等)寻找内容选题;2)为写作 Agent 配置产品文档、客户问题和团队偏好,并创建自定义 Skill 将用例转为演示脚本、问题解答文章等,每天通过 Slack 给每个成员推送相关选题;3)将 Devin 接入 Slack 营销频道,自动起草初版并汇报进度,衡量标准是好想法变成已批准工作的速度;4)用 Remotion、InVideo 等工具将一个好的演示制作成多个视频。
本文是第五场GEO公开课总结,深入讲解GEO(生成式引擎优化)的效果归因与ROI计算。首先描绘国内GEO商业生态七层全景图(入口、信源、数据、技术、执行、交易、治理层)及七项核心能力的进阶方法论;随后重点分析GEO效果归因的难点:用户从AI推荐到企业交互环节存在断层。文章提出GEO转化的四个特征(直接转化、延迟效应、渠道协同、间接转化),并系统介绍10种效果标记与统计方法,包括专属电话、口令、页面、表单、Referrer识别、地域A/B测试等三类方法,帮助企业科学评估GEO投入与产出。
本文介绍如何使用 AI 智能体(特别是 Claude Code 与 Opus 5.5)自动化 SEO 与 AEO(AI 答案优化)工作流。作者强调转换率优先于搜索排名数据,随后提供三条路径:使用 AI 员工 Viktor 在 Slack 中自动化整个流程;从零开始用最简单的两页网站起步;以及在 Claude Code 中手动搭建完整系统,包括业务简报、状态文件、运行日志三个核心文件,并接入 Google Search Console、DataForSEO、Ahrefs、Firecrawl、PostHog 等工具,最终形成每周迭代优化页面排名与转化的循环机制。
文章探讨了高级 AI Skill 的本质:不是把更多指令塞进一份文件,而是把多个单点能力按任务关系编排组合。作者通过分析 GitHub 上多个热门 Skill 仓库,总结出五种组合模式:路由(判断调用哪个 Skill)、顺序(强制工作流程)、选择(按需分诊组合)、流水线(专业能力交接)和分层(Skill 与系统能力分工)。文章提出组合 Skill 的五个核心零件:路由、输入输出契约、顺序与并行、上下文状态、验证反馈,并建议从真实返工中逐步长出组合关系。核心观点:Prompt 让 AI 听懂一次需求,Skill 固化一类做法,而组合 Skill 才能把复杂任务交付出来。