概述
AEO（AI Engine Optimization）是一款专为 AI 时代设计的网站审计与优化工具，由 Canonry 团队开发并托管于 GitHub。它超越了传统 SEO 的范畴，专注于提升网站在 ChatGPT、Perplexity、Claude 等 AI 对话引擎中的可发现性和引用质量。
核心用法
工具通过 npx @ainyc/aeo-audit@1 命令行调用，支持六大工作模式：
1. audit（审计）：全站评分诊断，输出机器可读的 JSON 报告，包含关键缺陷识别和优先级修复建议
2. fix（修复）：基于审计结果自动应用代码变更，优化结构化数据和 AI 可读信号
3. schema（Schema 验证）：专精 JSON-LD 语法校验、实体一致性检查和富媒体结果合规性
4. llms：生成或改进 llms.txt / llms-full.txt 文件，这是新兴的 AI 内容发现标准
5. monitor（监控）：追踪站点历史表现变化，或进行竞品对比分析
6. detect-platform（技术栈探测）：识别目标站点的 CMS、框架、构建工具和托管平台
高级特性包括：站点地图批量审计（支持并发控制和结果限流）、Lighthouse 性能集成、本地开发服务器支持（带 SSRF 防护）、静态构建产物离线审计，以及专为 CI/CD 设计的 --require-meta 门禁机制。
显著优点
- AI 原生设计：首创针对 AI 引擎的内容可发现性评分体系，包括 E-E-A-T 信号、Agent 技能暴露度和 Markdown 源端点检测
- 工程友好：纯命令行工具，零配置运行，JSON/agent 双格式输出便于自动化集成
- 安全严谨：内置 SSRF 防护（默认阻断私有地址）、严格的输入校验和参数隔离，避免命令注入
- 精准诊断：识别传统 SEO 工具遗漏的 "关键缺陷"（如 H1 数量异常、AI 访问文件的内容协商陷阱），并提供可操作的修复路径
- 技术栈透明：平台探测功能可快速识别竞争对手或客户的技术选型
潜在局限
- Node.js 依赖：需要 Node.js 环境，对纯前端团队或非技术用户有一定门槛
- 部分功能受限：Lighthouse 模式无法与站点地图模式联用；静态模式无法检测服务器级信号（如响应头、重定向链）
- 生态早期：
llms.txt等 AI 发现标准尚处提案阶段，行业采纳程度有待观察 - 外部 API 依赖：Lighthouse 评分依赖 Google PageSpeed Insights，存在速率限制和稳定性风险
适合人群
- 希望在 ChatGPT/Perplexity 中获得更多品牌引用的内容营销团队
- 需要 CI 门禁和自动化审计能力的工程驱动型 SEO 团队
- 为客户提供 AI 可见性优化的数字营销机构
- 进行竞品技术栈调研的产品分析师和技术尽职调查场景
常规风险
- 供应链安全：通过 npx 直接执行远程包，虽固定版本（
@1）但仍需信任 Canonry 的发布流程和 npm 账户安全 - 数据隐私：审计过程会向目标站点发起真实 HTTP 请求，可能暴露审计方的 IP 和意图；竞品监控需注意合规边界
- 过度优化风险：自动修复可能破坏现有代码风格或引入不必要的 schema 标记，建议人工审核关键变更
- 标准演进风险：AI 发现协议（如
llms.txt、A2A Agent Cards）仍在快速迭代，当前实现可能需适配未来规范变更