大家好，我是Geo老师于磊，今天要和大家分享的内容是"官网Geo优化与WorkBuddy结合"的使用体验。
提到Geo优化，只会想到站外的方式，但是很少有人真正的从自己的站内开始，今天我就和大家分享一下站内的优化以及结合WorkBuddy进行提效的经验。
一、Json-LD解读
对于站内的Geo优化，有一项很重要的内容就是对于Json-LD内容的完善（JSON-LD是一种轻量级结构化数据格式，用于将网页内容转化为机器可读的语义化标记，帮助AI和搜索引擎精准理解实体信息。）。只有把这些内容结构化之后，才可以让AI更好的引用官网的内容，对于站内，Json-LD到底是什么样子的呢？看我以下的截图
截图部分只是展示了一部分关于Json-LD的标签，其实它包含很多标签，具体的可以看我之前写过的文章。
对于新站的话，其实这些内容可以随着新站的搭建一起布局，但是对于老站（比如页面几千、几万）的，使用人工的方式进行归纳总结，在进行代码布局，其实是很大的工作量，所以使用【WorkBuddy】进行自动化整理，是目前看来最方便的方式。我用我目前的做的网站为例【北京xxx】进行拆解，看看WorkBuddy到底可以如何进行提效。
二、WorkBuddy对Json-LD的提效
我这个网站是做仪器设备的，所以为了让AI更好的了解，我需要把产品的【FAQ内容、产品的参数、产品的特点】分别进行数据结构化，为此，我专门做了3个Skills，专门做这件事情（非标准化Skill），这3个Skill十分别为：
1、Skills：faq-writer（产品 FAQ内容生成并通过API推送）
这里先通过标准的网页浏览Skills，在加上LLM大模型理解产品信息，然后自动生成关于产品的FAQ
2、Skills：kanggaote-product-param-extractor（整理产品参数，使用API推送）
这里先通过标准的网页浏览Skills，在加上LLM大模型理解产品信息，自动提取产品参数
3、Skills：kanggaote-product-feature-extractor （整理产品特点，使用API推送）
这里先通过标准的网页浏览Skills，在加上LLM大模型理解产品信息，自动总结产品参数
注：LLM大模型的理解过程，都是直接打包到Skills当中的，可以看下面kanggaote-product-param-extractor这张截图
kanggaote-product-feature-extractor
kanggaote-product-param-extractor
以上是我用WorkBuddy先生成我需要的Skills，根据具体需求内容了LLM大模型（Skills：faq-writer因为制作的比较做，所以没有找到制作的提示词），通过这种方式，先把需要的内容提取出来，然后让WorkBuddy通过API的方式自动推送到网站的管理后台，前端页面在调取后端数据，来完成整个过程，以下展示一些执行过程中的截图。
自动读取页面内容，生成FAQ内容
通过LLM理解页面内容，进行参数提取，通过API推送
这个网站本身一共有2000+的产品，如果人工整理的话，3个人预计需要3～6个月左右的时间 ，通过使用WorkBuddy，这些工作量直接被压缩到了4天。
三、Token消耗情况
大家可能也比较关心Token的消耗情况，因为我有两个账号，这里就先放一个账号的消耗情况（两个账号大概是5000w的token）
四、优化的成果
我通过一些事例，让大家看一下这件事儿的成果
以上几张图大家都可以看到，引用的来源都是来自【官网】
五、结论
所以，对于老站的Json-LD的整理，WorkBuddy的帮助真的很大，并可以快速的进行布局，大幅度提升效率。
最后在说一点，为什么要使用**WorkBuddy，**其实就是对于不懂技术的小白很优化，开箱即用。