seo-ranker

seo-ranker 是一个面向端到端搜索引擎优化的元技能（Meta-skill），通过智能编排 brave-search、summarize、api-gateway 和 markdown-converter 四个上游工具，构建完整的 SEO 审计与优化流水线。

核心用法方面，该技能首先利用 brave-search 抓取目标关键词的实时 SERP（搜索引擎结果页），识别前 3 名竞争对手及搜索意图类型；随后通过 summarize 工具深度分析竞品内容的标题层级、主题覆盖度、实体频率及修辞风格；在数据增强阶段，api-gateway 可接入 Semrush、Ahrefs 或 Google Search Console 获取关键词难度与外链数据；最后基于 LLM 生成意图对齐的内容重写方案，输出优化后的 Markdown 文档、外链机会清单及具体实施清单。

显著优点体现在其系统化的审计框架：不同于单一工具仅提供片段数据，seo-ranker 建立了从竞品侦察到内容落地的完整因果链，能够识别用户页面与排名前列内容之间的结构性差距；重写策略遵循语义覆盖优先于关键词堆砌的原则，保持内容自然度；输出格式标准化（SERPFindings、OptimizedMarkdown、BacklinkOpportunities、NextActions），便于团队协作；完善的容错机制确保在缺失部分 API 密钥时仍能降级运行，不会完全中断。

潜在缺点包括较高的配置门槛：用户必须预先安装四个上游技能并配置 Brave API、Maton API 及至少一个 LLM API 密钥，环境准备复杂；Semrush 和 Ahrefs 等高级 SEO 数据需通过 api-gateway 的 OAuth 连接获取，且并非所有用户都能直接使用；作为编排型技能，其输出质量高度依赖上游工具（特别是 summarize 的 LLM 分析能力）和 brave-search 的抓取稳定性。

适合的目标群体主要是专业 SEO 从业者、内容营销团队、网站运营人员以及需要进行竞品内容分析的独立站长。对于没有 API 预算或技术背景的用户，该技能可能过于复杂；但对于需要批量处理多页面优化、追求数据驱动决策的专业人士，其价值显著。

使用风险主要包括：多 API 密钥管理带来的安全风险与成本压力；依赖第三方服务（Brave Search、Maton、各 LLM 提供商）的可用性与价格变动；在 summarize 阶段提交 URL 给外部服务可能带来的数据隐私问题；以及 LLM 生成内容可能存在的事实性错误或过度优化建议，需要人工审核。此外，技能明确声明不保证排名结果，用户需理性看待输出建议。

核心用法

seo-ranker 是一个编排型 Meta-skill，本身不执行代码，而是通过协调 brave-search、summarize、api-gateway 和 markdown-converter 四个子技能，完成端到端的 SEO 排名诊断与页面优化。

标准工作流程：
1. SERP 侦察（brave-search）：抓取目标关键词的实时搜索结果，识别 Top 3 竞品，判定搜索意图类型（信息型/商业型/交易型）。
2. 竞品内容分析（summarize）：深度解析竞品页面的标题层级（H1-H4）、主题覆盖广度、实体频率、内容深度与修辞风格。
3. 数据网关检查（api-gateway）：尝试获取关键词难度、反链域名等数据；若缺少 Semrush/Ahrefs 连接则降级至 Google Search Console 或纯手动模式。
4. 智能重写优化（LLM）：基于检测到的意图缺口，重写用户内容，优化标题与 Meta 描述，强化语义覆盖（LSI 概念），改善可读性结构。
5. 交付物生成：输出优化后的 Markdown 草稿、优先行动清单、至少 5 个带置信度标注的反链机会。

显著优点

• 端到端自动化：从 SERP 抓取到可落地文案一站式完成，减少多工具切换成本。
• 意图对齐重写：不堆砌关键词，而是基于真实竞品的内容结构缺口进行语义优化。
• 弹性降级机制：API 缺失时明确标记 Partial 状态，提供手动替代路径，避免静默失败。
• 透明依赖管理：强制声明所需 API 密钥，缺失时返回 MissingAPIKeys 清单，阻断相应阶段但继续其他流程。

潜在缺点与局限性

• 重度外部依赖：需同时配置 BRAVE_API_KEY、MATON_API_KEY 及至少一个 LLM API 密钥，门槛较高。
• 数据网关受限：Semrush/Ahrefs 非 api-gateway 原生支持，需用户预建 OAuth 连接，否则只能使用 GSC 或手动分析。
• 无实时排名承诺：明确声明不保证排名提升，仅提供基于竞品观察的优化建议。
• 内容质量受 LLM 能力制约：重写效果取决于底层模型对 SEO 语义的理解，可能出现过度泛化或遗漏行业细节。

适合人群

• 独立站长与内容运营者，需快速诊断页面排名问题并获取可执行的重写指导。
• SEO 顾问与代理团队，用于批量竞品调研与内容优化提案生成。
• 技术背景较强的营销人员，能够配置多 API 密钥并理解 Partial 输出模式的含义。

常规风险

• API 密钥泄露风险：用户需自行管理环境变量中的密钥，不当配置（如硬编码在命令行历史）可能导致泄露。
• 数据覆盖偏差：若 brave-search 抓取受限或竞品页面反爬，竞品分析可能基于不完整样本。
• LLM 幻觉风险：rewrite 阶段可能生成看似合理但缺乏出处的统计数据，需人工核实。
• 第三方服务稳定性：依赖 Clawhub、Brave、Maton 等外部服务，任一服务中断将影响对应阶段。