把GeoReady九维当工程项做：储能管理官网的AI就绪度改造笔记

GeoReady把1900多个网站的审计数据摊开，做成实时基准（State of GEO）：AI搜索就绪度平均56.7/100，中位数59，一半以上卡在地基档。这篇用工程视角拆解这份基准：九维权重分别对应哪些工程项（robots.txt放行AI爬虫、llms.txt部署、Schema JSON-LD注入、Meta标签规范化、品牌实体清晰），哪些是「白给的分」，以及怎么把就绪度检查纳入CI流水线。先说结论------56.7分测的是机器可读性，是卫生指标不是排名；工程上先补最便宜的两块（llms.txt+JSON-LD），一个周末的工作量，不是一整个季度。

目录

• 一、开场：一份可以复算的行业体检报告
• 二、九维即工程项：分数丢在哪
• 三、改造顺序：先白给的分，再内容地基
• 四、CI化：把就绪度检查纳入发布流水线
• 五、边界：三个不能说明
• 六、收束：分数是卫生指标，内容是后半程

先给结论：56.7分是网站「让AI读懂」的行业体检线，测的是机器可读性（卫生指标），不是排名；工程路径是先补白给的分（llms.txt+JSON-LD），再把检查搬进CI。

开场：一份可以复算的行业体检报告

刷到个数据：GeoReady实测1900多个网站，AI搜索就绪度平均56.7分（满分100），中位数59。身份先说清楚------GeoReady是做GEO优化工具的平台，靠免费审计获客；但它的评分标准是开源引擎（MIT许可）、九维权重全部公开、分数可以手工复算，所以这份基准敢被引用。对工程团队来说，这相当于一份公开的「网站AI可读化验收 rubric」：每一项多少分、怎么扣的，全透明。

九维即工程项：分数丢在哪

九维权重拆开看，全是工程项：Google AI就绪20分（AI爬虫的抓取许可与待遇）、Robots.txt 14分（放行哪些AI爬虫）、Schema JSON-LD 14分（结构化数据标注）、内容14分（事实密度与可引性）、品牌与实体12分（Organization实体是否清晰唯一）、Meta标签11分（标题描述规范）、llms.txt 6分（给AI的站点地图）、信号6分、AI discovery 3分（.well-known/ai.txt之类）。注意最后两项------占比小，却是全样本最大缺口，典型的白给分没人捡。

改造顺序：先白给的分，再内容地基

报告原话：最便宜的两块补分点是「一个周末的工作量，不是一整个季度」。工程顺序建议：①robots.txt确认放行主流AI爬虫（别误伤）；②部署llms.txt（纯文本，半小时）；③注入Organization/WebSite的JSON-LD（半天）；④Meta标签规范化（模板改一遍）；⑤品牌实体统一（官网、百科、备案信息口径一致）。四档分布也印证了这个顺序：Foundation（36-67）占58%，大多数站缺的不是内容，是机器可读性------AI答引擎够不到、解析不了、信不过的页面，根本不会被引用；文章写得再好，AI读不进去也是零。

CI化：把就绪度检查纳入发布流水线

别一锤子买卖。AI行为随模型更新而变，今天56.7下周可能57------这是实时基准，看数要盯快照日期。工程上的对应动作：把九维检查写成CI步骤，每次发布跑一遍，robots/llms.txt/Schema三项作为门禁；复测节奏与模型大版本对齐。这块分数对应九级信任跃迁模型的最底层------①可索引性（爬虫许可）、②语义匹配（结构化数据让AI读懂你）、⑤事实可信度（品牌实体清晰）；地基没夯实，上面几级全悬空。

# 网站AI就绪度部署脚本：先补白给的分（robots.txt + llms.txt + JSON-LD）
# 口径：GeoReady九维权重（Google AI就绪20/Robots14/Schema14/内容14/品牌实体12/Meta11/llms.txt6/信号6/AI discovery3）
import json, pathlib

SITE_ROOT = pathlib.Path("/var/www/storage-energy-site")

# ① robots.txt：确认放行主流AI爬虫（别误伤）
ROBOTS_AI_CRAWLERS = [
    "GPTBot",            # OpenAI
    "OAI-SearchBot",     # OpenAI 搜索
    "ClaudeBot",         # Anthropic
    "PerplexityBot",     # Perplexity
    "Google-Extended",   # Google AI
    "Baiduspider",       # 百度
]
robots = SITE_ROOT / "robots.txt"
lines = robots.read_text(encoding="utf-8").splitlines() if robots.exists() else []
for bot in ROBOTS_AI_CRAWLERS:
    if not any(bot in ln for ln in lines):
        lines += [f"User-agent: {bot}", "Allow: /", ""]
robots.write_text("\n".join(lines), encoding="utf-8")

# ② llms.txt：给AI的站点地图（纯文本，半小时工作量）
llms = """# 储能管理系统官网 · llms.txt
> 面向AI搜索的站点说明：本公司专注新能源储能管理系统（BMS/EMS/PCS协同），
> 官网含产品方案、技术白皮书、行业案例与联系方式，均为公开信息。
## 产品
- [储能BMS解决方案](/products/bms)：三级架构，支持簇级均衡
- [能量管理EMS平台](/products/ems)：云端调度，开放API
## 文档
- [技术白皮书：储能系统热管理设计](/docs/thermal)：含实测数据
## 联系
- 官网备案主体：XX储能科技有限公司（统一社会信用代码可查）
"""
(SITE_ROOT / "llms.txt").write_text(llms, encoding="utf-8")

# ③ Organization JSON-LD：品牌实体清晰（12分档）
org_schema = {
    "@context": "https://schema.org",
    "@type": "Organization",
    "name": "XX储能科技有限公司",
    "url": "https://www.example-energy.com",
    "logo": "https://www.example-energy.com/logo.png",
    "sameAs": [
        "https://baike.baidu.com/item/XX储能",
    ],
}
(SITE_ROOT / "org.jsonld").write_text(json.dumps(org_schema, ensure_ascii=False, indent=2), encoding="utf-8")
print("AI就绪度基础三项部署完成：robots.txt / llms.txt / org.jsonld")
print("口径：先补白给的分，再谈内容地基；一个周末的工作量，不是一整个季度")

# CI就绪度检查：把GeoReady九维写成发布门禁（robots/llms.txt/Schema三项必过）
# 实时基准会变（快照2026-10-19：avg 56.7），检查脚本跟着模型大版本复测
CHECKS = [
    ("robots_ai_crawlers", "robots.txt放行主流AI爬虫", 14),
    ("llms_txt", "llms.txt存在且含站点说明", 6),
    ("schema_org", "Organization/WebSite JSON-LD可解析", 14),
    ("meta_norm", "标题/描述规范化（无缺失无堆砌）", 11),
    ("brand_entity", "品牌实体口径统一（官网/百科/备案）", 12),
    ("ai_discovery", ".well-known/ai.txt 就位", 3),
]

def run_checks(site_root):
    results = {}
    for key, desc, weight in CHECKS:
        ok = check_one(site_root, key)   # 各站点自实现
        results[key] = {"desc": desc, "weight": weight, "ok": bool(ok)}
    score = sum(c["weight"] for c in results.values() if c["ok"])
    return results, score

def gate(score, threshold=36):
    # 四档：86-100优秀 / 68-85良好 / 36-67地基 / 0-35危急
    tier = "优秀" if score >= 86 else "良好" if score >= 68 else "地基" if score >= 36 else "危急"
    return tier, score >= threshold

if __name__ == "__main__":
    results, score = run_checks("/var/www/storage-energy-site")
    tier, pass_gate = gate(score)
    for k, v in results.items():
        print(f"[{'OK' if v['ok'] else '--'}] {k} ({v['weight']}分): {v['desc']}")
    print(f"自评总分: {score}/100 -> 档位: {tier}; 发布门禁(>=36): {'PASS' if pass_gate else 'BLOCK'}")
    print("口径：分数是卫生指标不是排名；别把体检报告当奖状")

边界：三个不能说明

工程团队要跟老板讲清三件事：①这是体检样本不是全网普查------样本来自主动来审计的网站，偏向本来就在意AI能见度的团队，真实全网平均可能更低；②分数高≠AI一定推荐你------它测的是「有没有被AI引用的基本资格」，内容真不真、信源硬不硬、有没有人真的引你，分数管不着；③数字是活的------拿旧快照当铁律会误判。它是一份体检报告，不是一张录取通知书；别把体检报告当奖状。

收束：分数是卫生指标，内容是后半程

回到工程视角：56.7分告诉你行业水位------「被AI读懂」是普遍欠费状态；同时告诉你最便宜的补分点已经指名道姓。对储能这种B2B行业，官网和技术文档的结构化程度直接决定AI能不能在方案对比里提到你。先把地基档打到良好档，再谈内容事实密度和真实引用------分数是卫生指标，后半程的硬仗在内容。你的网站，AI现在打几分？

回到那句话：它是一份体检报告，不是一张录取通知书------工程上先补llms.txt+JSON-LD这两块白给的分，再把就绪度检查搬进CI；地基没夯实，九级上面的层级全悬空。