curl -sL https://example.com/product/ai-builder
| grep -Eo '[^|- ]>|]>'
curl -sL https://example.com/product/ai-builder | grep -c '`、、 等語意標籤,換成 `` 視覺上沒有差異,機器讀取時資訊全丟。
改完驗什麼:一張驗收清單
| 檢查項 | 判定標準 | 不通過的典型原因 |
|---|---|---|
| URL 層級 | 核心頁面從首頁不超過 3 次點擊,路徑層級控制在 2 層內 | 分類與日期被塞進路徑 |
| 標題唯一性 | 每頁只有一個 H1,且與 title 主題一致 | 卡片元件裡重複使用了 H1 |
| 抓取權限 | robots.txt 未誤封鎖核心目錄,後台與搜尋結果頁已封鎖 | 測試環境規則被帶到正式環境 |
| 頁面穩定性 | LCP、CLS 沒有因改造而回退 | 圖片缺少寬高屬性造成版面抖動 |
| 結構化資料 | 每類頁面有對應 Schema 且驗證無報錯 | 複製模板時欄位名稱未替換 |
騰訊雲開發者社群的一篇實作文件給出相近說法:核心頁面控制在 3 次點擊以內、URL 層級不超過 2 層、為文章、問答、產品、企業四類頁面分別部署 Schema,並在根目錄放置 llms.txt 幫助模型理解網站結構(騰訊雲開發者社群)。該文同時給出經驗性的觀察週期:架構與抓取權限類改動約 3–7 天,結構化資料與 llms.txt 約 7–15 天被識別,內容與內部連結叢集優化約 15–30 天趨於穩定。這些數字是實務總結而非承諾,更適合用來排程。
Metadata、內部連結與結構化資料的驗收方法
Metadata 看「唯一且對應」。 逐頁確認 title 不含佔位符、description 不是正文前 160 字的機械式截斷、canonical 指向正式網域。批次改造後最常見的殘留,是部分頁面仍使用備援文案;匯出全站 title 清單並按重複度排序即可發現。
內部連結看「可達且語意相關」。 用網站爬蟲匯出所有內部連結目標,篩掉 404 與異常 301;再看錨點文字是否描述目標頁主題,而不是一片「點擊這裡」。目標是讓主題叢集顯性化:一個核心頁面被十幾篇長尾內容指向,比全站互相連結更有價值。
結構化資料看「與可見內容一致」。 下面這段腳本可以批次確認 JSON-LD 能否解析:
// node check-ld.mjs https://example.com/page
const html = await (await fetch(process.argv[2])).text();
const blocks = [...html.matchAll(/]+application\/ld\+json[^>]*>([\s\S]*?)/g)];
console.log('JSON-LD 區塊數量:', blocks.length);
for (const [i, b] of blocks.entries()) {
try { const d = JSON.parse(b[1].trim()); console.log(i, '解析成功', d['@type'] ?? '(缺少 @type)'); }
catch (e) { console.log(i, '解析失敗:', e.message); }
}
解析成功只是第一步,還要人工比對:FAQPage 裡的問題是否真的出現在頁面上,Product 的價格與庫存是否與頁面一致,Organization 的名稱與 logo 是否與品牌一致。標註頁面沒有的內容,比不標註更容易出問題。
成本:把單站改造算清楚

成本不能只看單價。微軟公布的資料顯示,MAI Code 2 在四項程式設計基準的平均結果中達到 GPT-6.1 Sol 約 98% 的表現,價格約為其 40%;平均單次任務成本為 0.309 美元,而 GPT-6.1 Sol 為 0.761 美元、Claude Opus 5.5 為 6.306 美元(IT之家)。輕量版 MAI Code 2 Flash 在促銷定價下,單次任務成本低至 0.052 美元,在 DeepSWE 1.1、Terminal-Bench 2.1 與 SWE Atlas 三項測試中的平均通過率為 61.0%,高於 GPT-6 Luna 的 55.1% 與 Claude Haiku 5.5 的 53.9%(IT之家)。使用門檻方面,Code 2 面向 Copilot Pro、Business、Enterprise 等訂閱使用者,Flash 的涵蓋範圍還包括 Free 與 Student 使用者(DoNews)。
這些數字測的是通用程式設計任務,不是「給企業官網補全站 canonical」,直接換算意義有限。更實用的算法是按批次估算:單站任務數 ≈ 頁面類型數 × 改動類別數(metadata、結構化資料、內部連結、模板重構各算一類);單任務成本取公開量級再乘 2 到 3 倍返工係數;隱性成本是人工驗收時間,通常比呼叫費用更高,所以減少一輪返工比壓低單價更省錢。輕量模型適合高頻小改動,旗艦模型留給跨檔案重構與疑難除錯。
企業現在應該做什麼:四步落地
- 先盤點資產,再選模型。 統計頁面類型、模板數量、是否有 CMS 支撐、是否有多語言版本。模板越集中,跨檔案改動越安全。
- 把驗收標準寫成清單。 改造前跑一遍取得基線,改造後再跑一遍,用差異說明結果,而不是用「感覺變好了」匯報。
- 按批次推進並保留回滾點。 模板層、結構化資料、內容結構分三輪做,每輪重新抓取核驗。
- 把改造能力沉澱進日常工具。 一次性人工改造會隨時間失效,新頁面又會缺標籤。在 we0 這類 AI 建站平台裡,SEO 與 GEO 優化、CMS 後台、網域部署屬於建站鏈路的一部分(we0.ai),把 metadata 與 Schema 生成放到頁面生成階段,比上線後再補更省事。
幾分鐘搭建展示站並增長獲客
輸入一句想法,We0 AI 即可生成展示站、頁面與 CMS。發佈上線後並幫你獲取客戶和流量。
用戶註冊贈送一次完整項目生成
適合先體驗一次完整生成流程,快速看到專案初稿。
常見問題
SEO 技術改造應該只用一個模型嗎?
不必。更常見的是分工:跨檔案重構和疑難除錯交給儲存庫級理解更強的模型,批次小改動交給成本更低的輕量模型。前提是兩類改動之間有清晰的驗收邊界,否則混用會放大排查難度。
程式碼基準分數能直接預測 SEO 改造效果嗎?
不能。基準衡量通用程式設計任務,而 SEO 改造的失敗模式多是語意不一致和結構回退,要靠抓取比對與驗證工具發現。分數可以用來說明能力的大致區間,不能替代網站級驗證。
讓 AI 直接改生產環境程式碼安全嗎?
不合理。可行做法是在分支上改動、評審後合併,每次只涉及一類問題。直接改生產的最大風險不是改錯,而是改錯了卻沒有可比對的基線。
Related Tools
- curl / grep:抓取渲染前 HTML,確認關鍵標籤是否存在、是否唯一。
- 網站爬蟲:匯出全站內部連結與狀態碼,定位 404 與異常 301。
- 結構化資料驗證工具:檢查 JSON-LD 能否解析、欄位是否符合類型要求。
- 頁面效能檢測:確認改造沒有讓 LCP、CLS 回退。
Related Links
- IT之家:微軟性價比最高程式設計 AI 模型,MAI Code 2 用 5% 成本達 Claude Opus 5.5 約 96% 效能
- DoNews:微軟發布 MAI Code 2 及 Code 2 Flash 程式設計模型
- AWS Machine Learning Blog:Introducing Claude Fable 5.2 on AWS
- 騰訊雲開發者社群:2026 AI 網站優化實作技術文件
- we0.ai 官網
Summary
GPT-6.2 Astra、Claude Fable 5.2、MAI Code 2 都能承擔網站 SEO 技術改造,差別在跨檔案改動的完整度、重構時的結構克制和單次成本。MAI Code 2 的公開定位明確指向跨檔案修改與儲存庫級理解,並有可對照的成本資料;Claude Fable 5.2 經 AWS 提供,適合長文件與程式碼混合的改造設計;GPT-6.2 Astra 所屬家族前代已作為產業程式設計基線出現,新版本邊界需按官方說明確認。分水嶺不在選型而在流程:盤點資產、寫清單、按批次改動、每輪比對抓取結果,把 metadata 與結構化資料的檢查前移到建站環節。



