AIGC: ContentProducer: '001191110102MAD55U9H0F10002' ContentPropagator: '001191110102MAD55U9H0F10002' Label: '1' ProduceID: '6b9414ca-b1fb-4c4b-a1a0-07811ce02a3f' PropagateID: '6b9414ca-b1fb-4c4b-a1a0-07811ce02a3f' ReservedCode1: '924bebf3-6f3b-42e2-99b1-c9a3e8febb36' ReservedCode2: '924bebf3-6f3b-42e2-99b1-c9a3e8febb36'

鲸析 GEOkit

面向中文市场与 AI 搜索时代的开源 SEO / GEO 作战系统

中文优先的 SEO / GEO 工具：自建百度 / 搜狗 / 360 / 神马 / 头条采集， 六维 GEO 评分，九个 AI 模型的品牌可见性探测，以及一套 AI 抓取协议层。 全部能力通过 MCP 开放给 Agent。

范围注：CLI / SARIF 门禁、diagnose_page 与 apply_fixes 超出 T0–T13 主线任务书，作为附带能力存在，不影响主线契约。

为什么造它 → · 贡献指南 → · 版本日志 →

GEOkit 源于对 every-app/open-seo 的一次深度拆解。 open-seo 是个好项目 —— 28 万行代码、自研站点审计爬虫、完整的 MCP 工具链、相当高的产品完成度。 但它有一个结构性盲区：它的世界里没有中文。

这不是营销话术，是对其仓库全量源码实测后的事实：

当你的客户在 DeepSeek 里问「跨境支付怎么选」，这类工具帮不上任何忙 —— GEOkit 就是为解决这个问题而生的。

Related MCP server: Crawl Readiness MCP Server

它做什么

界面

首页把能力地图、与 open-seo 的逐项对比、以及"抓不到就说抓不到"的处理原则摊在一屏里：

快速开始

npm install
npm run dev        # http://localhost:3210

核心功能不需要任何付费 API —— 装上就能跑。

数据源原则（强制）

项目所有数据源必须是自建检索（自写爬虫/解析器直接拿数据）或免费开源工具获取，不引入任何付费数据源。

唯一豁免：AI 可见性探测（src/lib/visibility.ts）调用 9 家模型厂商官方接口， 需要用户自行填入 API key 才能使用 —— 这是项目里唯一的付费通道，且未配 key 时如实返回 UNOBSERVABLE，绝不伪造结果。

GEO 评分是什么

传统 SEO 检查只回答「Google 会不会收录我」。2026 年真正的问题是「AI 愿不愿意引用我」。 GEOkit 提供两套严格版本化的 geoScore 评分模型（可在 Web UI、CLI --geo-version 与 MCP 参数中灵活切换）：

GEO 2.0.0（2026 AI Search & RAG Grounding 启发式 · 推荐）

面向 Google SGE/AI Overviews、ChatGPT Search、Perplexity 与企业 RAG 知识检索：

scoringVersion 2.1.0（T9 内容质量增强）：在六维 max 与总分 100 不变前提下， 并入 5 个新页面级可观测信号（上表加粗项）。各维内部子权重重分配，不新增并行总分。 每条观测记录携带 scoringVersion 字段，diff 引擎识别版本不同时保持可比并附加 caveat， 避免历史比对被规则换代污染。第 4 维（可抓取性）页面级信号已饱和，不新增。

GEO 1.0.0（经典基线模式）

完全保持与项目既有 baseline 一致的特征统计打分体系，供历史比对与 CI 回归基线。

每一项都由页面里真实存在的信号计算，输出时会附上「为什么得这个分」的依据，而不是一个孤立的数字。

MCP 接入

Streamable HTTP（服务已在跑）：

POST http://localhost:3210/api/mcp

stdio（本地 Agent）：

{
  "mcpServers": {
    "geokit": {
      "command": "npx",
      "args": ["-y", "tsx", "scripts/mcp-stdio.ts"],
      "cwd": "<你的项目绝对路径>",
      "env": {}
    }
  }
}

25 个工具：

• 采集与审计：list_engines、check_serp_ranking、audit_page、check_ai_visibility、crawl_site

• 诊断与修复：diagnose_page（全量诊断与体检）、apply_fixes（安全幂等自动修复）

• 时序与数据：list_observations（历史观测查询，兼容别名 query_history）、diff_observations（时序对比与退化判定）

• 引用情报：analyze_ai_citations（引用来源排行 / 竞品频次 / 引用缺口，附 evidence）

• 协议与对比：analyze_robots、analyze_llms_txt、generate_llms_txt、compare_with_openseo

• 搜索表现：get_search_performance、analyze_search_opportunities（GSC，可选凭证）

• 性能观测：check_web_vitals（CrUX 真实用户数据，LCP/INP/CLS/FCP/TTFB）

• 机会引擎：list_opportunities、verify_opportunity

• Query 情报：analyze_query、cluster_queries

• 竞品：compare_competitors（五维对比）

• Schema：analyze_schema（页面类型/字段/一致性/实体诊断）、generate_schema_draft（零编造 JSON-LD 草稿）

• 国际化：check_hreflang（三种来源 hreflang 检查：自引用/回链/非法代码/坏链/canonical 冲突/x-default/语言声明疑似不一致）

典型 Agent 闭环（6 步）

check_serp_ranking        → 找排名缺口（哪些引擎没进前 10）
  ↓
crawl_site                → 站点爬取，获取所有页面审计摘要
  ↓
diagnose_page             → 对关键页面深度诊断（内容/协议/SEO）
  ↓
apply_fixes               → 自动修复 HTML 缺陷（canonical/viewport/lang/alt）
  ↓
analyze_ai_citations      → 分析 AI 引用缺口（竞品在哪些 query 被引用）
  ↓
list_opportunities        → 汇总所有发现为可执行机会（8 种类型）
  ↓
analyze_robots +          → 复查 AI 协议层（robots/llms.txt）
analyze_llms_txt
  ↓
diff_observations         → 历史比对确认退化/提升
  ↓
verify_opportunity        → 修复后复检

每一步都遵循「抓不到就说抓不到」原则，无数据时不编造。

可选的环境变量

只有「AI 可见性」需要 API key，「CrUX 性能观测」可选 API key（无 key 时 unavailable）。写在 .env.local：

DEEPSEEK_API_KEY=    # DeepSeek
DOUBAO_API_KEY=      # 豆包
KIMI_API_KEY=        # Kimi
QWEN_API_KEY=        # 通义千问
WENXIN_API_KEY=      # 文心一言
YUANBAO_API_KEY=     # 腾讯元宝
OPENAI_API_KEY=      # ChatGPT
ANTHROPIC_API_KEY=   # Claude
GEMINI_API_KEY=      # Gemini
CRUX_API_KEY=        # Chrome UX Report API（可选，T11 性能观测用）

一条原则：抓不到就说抓不到

搜索引擎和部分 AI 平台会拦截服务端直连请求。这是所有自托管 SEO 工具都会遇到的工程现实， 不是 bug，也没法靠写巧妙的代码绕过。

GEOkit 的选择是如实返回 status: "blocked" 并写明原因与解决方向，绝不用估算值、 缓存旧数据或随机数冒充真实排名。宁可让你知道「这次没抓到」，也不要让你基于假数据 做出错的投放决策。这条原则贯穿每一个接口。

观测与存档（Observation Store）

GEOkit 遵循两层分离的数据契约：**Evidence（存证）**是原始请求 / 响应的不可变记录 （append-only，永不改写）；**Observation（观测）**是基于 Evidence 的结构化结论， 带 observer / parser 版本与状态，可随时重算追溯。

默认不写盘。设置 GEOKIT_EVIDENCE=on 打开总闸后，以下通道会把结论落成 Observation：

存储实现（零新增依赖，接口抽象、可换驱动）：

• 默认 JSONL，写入 .evidence/（已加入 .gitignore，不会进 git）；

• GEOKIT_STORE_DRIVER=sqlite 切换为 Node 内置 node:sqlite；

• GEOKIT_STORE_DIR 自定义存档目录；GEOKIT_EVIDENCE_BODY=on 额外留存响应体（默认 hash-only）。

schema 层强制约束：status 为 blocked / unavailable / error 时 statusReason 必填 —— 「抓不到就要说清为什么」在数据模型层强制执行，缺 reason 的观测写入即被拒绝。

MCP 查询入口：list_observations 按 kind / subject / 时间过滤历史； diff_observations 对比两次观测的结构化差异（新增 / 消失 / 变化 + 证据），识别真实提升与退化。

AI 可见性与引用情报

九个模型（DeepSeek / 豆包 / Kimi / 通义千问 / 文心一言 / 腾讯元宝 / ChatGPT / Claude / Gemini） 并发探测品牌可见性。未配 key 的模型如实返回 UNOBSERVABLE，绝不伪造。

引用数据可得性（以代码实际行为为准）

对每个 (query, model)，GEOkit 从模型回答文本中提取真实存在的链接 （Markdown 链接与裸 URL，含全角标点容错），产出 CitationRecord：

• 答案中含链接 → citationsStatus: "ok"，附 url / title / 出现位置；

• 答案不含链接 → citationsStatus: "unavailable" 并注明原因（「模型响应中未包含可提取的引用链接」）；

• 模型拒答（HTTP 4xx）→ blocked；我方调用失败 → error。

严禁编造：不向模型索要「记忆中的来源」，不用其他模型代答，无响应时不返回示例数据。 是否在答案里给链接取决于各厂商行为（如 Kimi 联网搜索常带来源），GEOkit 只如实记录「给没给」，不试图补齐。

批量、对比与聚合

• 多 query 批量探测（并发上限可配置，默认保守值 2；探测函数可注入便于测试），单个模型失败不影响其他模型；

• 竞品监控：check_ai_visibility 与 analyze_ai_citations 均接受可选 competitors 列表， 答案中提及的竞品会标注在每条引用记录上（competitorsMentioned）；单次调用超时可用 GEOKIT_AI_TIMEOUT_MS 环境变量覆盖（默认 30s）；

• /visibility 页面提供 query × model 矩阵，unavailable / blocked 状态明确展示原因，不留空白；

• 与上一次观测自动 diff：哪些模型新增 / 失去了提及或引用；

• MCP 工具 analyze_ai_citations 输出引用来源排行、竞品出现频次、引用缺口 （被多个模型引用、但你的域名没出现的来源域名），每条结论附 evidence。

站点爬虫（Site Crawler）

GEOkit 从单页审计升级为站点级审计的基础。一个有礼貌、有上限、可中断的爬虫， 产出站点图与每页 GEO 评分，作为 Observation(kind="crawl") 存档，支持两次爬取的 diff。

礼貌爬取声明

• 遵守 robots.txt：Disallowed 路径不爬；识别并遵守 Crawl-delay；

• 保守默认：并发 ≤ 2、同 host 最小间隔 500ms、最大页面 100、最大深度 3、总耗时 2 分钟；

• 不绕过反爬：403/验证码按 blocked 状态如实记录原因，不尝试绕过；

• 无头浏览器：不使用 Puppeteer/Playwright，不执行 JS 渲染内容；

• 可中断：达到任一上限时返回已爬结果并标明 truncated: true + 原因。

爬取策略

1. 起点：给定域名/URL；优先读取 robots.txt 与 sitemap（含 sitemap index 递归解析）， 再从页面 <a href> 链接补充发现；

2. 仅限同域（可配置 includeSubdomains 包含子域）；

3. URL 规范化与去重：去 fragment、参数排序、尾斜杠策略、忽略静态资源（.css/.js/.png 等）；

4. 跳转链、4xx/5xx、超时都作为数据记录下来，不丢弃；

5. 每个页面产出：URL、状态码、跳转链、title、meta description、H1、canonical、noindex、 hreflang、JSON-LD 类型、内链/外链数、字数、GEO 六维评分（复用 audit.ts 的 analyze 纯函数）；

6. 站点图：URL 节点 + 内链边 + 入链数 + 点击深度 + 孤岛页标记（sitemap 有但无内链指向）。

使用方式

# API
curl -X POST http://localhost:3000/api/crawl \
  -H "Content-Type: application/json" \
  -d '{"site":"example.com","config":{"maxPages":50,"maxDepth":2}}'

# MCP 工具
crawl_site(site: "example.com", maxPages?: 100, maxDepth?: 3, concurrency?: 2)

# Web 界面：访问 /crawl

两次爬取的 diff（新增/消失/状态变化的页面）通过 diffCrawlResults 纯函数计算， 匹配键为 URL，输出 CrawlDiff { added[], removed[], statusChanged[], unchangedCount }。

站点级问题聚合（T4）

爬取结束后自动对结果跑 8 类规则检查（analyzeSiteIssues 纯函数，不调模型）， 每个问题都带稳定 id、severity（high/medium/low）、受影响 URL、evidence[]、 一句话影响说明与修复建议：

1. 重复 title / meta description / H1（给出具体 URL 分组）；

2. 缺失 title / description / H1 / canonical；

3. canonical 指向异常（其他域名 / 4xx / 会跳转的 URL）；

4. 孤岛页、点击深度过深、内链过少；

5. 跳转链过长、跳转循环、内链坏链（指向 4xx/5xx）；

6. 结构化数据覆盖率（各 JSON-LD 类型占比 + 长文页缺 Schema）；

7. GEO 汇总：分数段分布、最低分页面、拖累整站的共性弱维度（同一维度 ≥3 页偏弱）；

8. 疑似内容重复：正文 5-gram shingle Jaccard ≥ 0.8，结论永远标注「疑似」并给出相似度依据。

severity 阈值是可读常量（src/lib/crawler/issues.ts 顶部导出，如 DEEP_PAGE_DEPTH、LOW_GEO_SCORE_HIGH/MEDIUM、DUPLICATE_CONTENT_JACCARD）， 均有命中/不命中两个方向的单测。问题只对「可索引的 2xx 页面」成立 —— 4xx/5xx、blocked、noindex 页面不会被误报内容缺失。

• crawl_site MCP 输出新增 issues / geoSummary / schemaCoverage（仅新增字段，向后兼容）；

• /crawl 页面可按严重度与类型筛选问题，点击展开查看受影响 URL 与证据。

Google Search Console 搜索表现（T5，可选）

接入真实 Search Console Search Analytics，按 query / page / country / device / date 维度拉取 clicks、impressions、ctr、position，自动分页（单页 1000、硬上限 25000 行）。

凭证（自备，零新增依赖，三选一，写进 .env.local）：

1. GOOGLE_OAUTH_ACCESS_TOKEN —— OAuth access token（约 1 小时有效）；

2. GOOGLE_SERVICE_ACCOUNT_JSON —— service account JSON 内联，GEOkit 用 node:crypto 手工构造 RS256 JWT 向 Google 换取 access token 并按过期时间缓存；

3. GOOGLE_APPLICATION_CREDENTIALS —— service account JSON 文件路径。

service account 必须在对应 Search Console 资源里被添加为用户（资源可以是 sc-domain:example.com 或 https://example.com/）。凭证不写日志、不进存档。

未配置任何凭证时能力返回 status=unavailable 并说明配置方式；401/403/429 分别返回 blocked 并写明原因（令牌无效 / 无资源权限 / 配额限流），5xx 与网络异常为 error —— 不编造任何数据。

机会分析（src/lib/gsc/analyze.ts，纯函数，阈值为导出常量）识别三类机会：

• 高曝光低 CTR：展示量 ≥ 100 且 CTR < 2%；

• 排名机会位：平均位置 4–20 且展示量 ≥ 50；

• 内容缺口：GSC 显示某 URL 有曝光，但不在站点爬取集合中（需传 crawledUrls 交叉）。

另有 diffPeriods(prev, cur) 对比两期，输出排名/点击显著升降与新增、消失的 key （低曝光样本自动降噪）。GSC 历史以 kind="gsc" 的 Observation 落库（受 GEOKIT_EVIDENCE 总闸控制），只存四项聚合与 Top 100 行的结论粒度，不存全量明细。

• MCP 工具：get_search_performance、analyze_search_opportunities；

• 页面：/gsc（凭证缺失时直接展示三种配置方式）。

机会引擎（Opportunity Engine）

把"发现了一个个独立问题"升级为"告诉用户下一步做什么"。引擎只做三件事： 调六个生成器把发现翻译成 Opportunity 列表 → 按 impact×effort 排序 → 同 target 上多条机会合并为一条多建议。

Opportunity 类型（src/lib/opportunity/types.ts）：

• id / type / target（URL / query / 域名）

• impact（high/medium/low）与 effort（high/medium/low），规则透明可读

• diagnosis：必须可追溯 evidence，无 evidence 的机会不输出

• recommendations：清单式建议，不含自动改动

• sources：该机会来自哪些 Observation（id 列表）

• verification：下次复检应观察到的信号变化（signalKey + direction + 描述）

七种机会类型（每种都有触发/不触发测试）：

排序规则（src/lib/opportunity/engine.ts，常量透明）：

1. 按 impact（high→medium→low）；

2. 同 impact 下按 effort（low→medium→high）—— 越易做越前；

3. 同分按 affectedScope（受影响范围）降序。

合并规则：同 target 的多条机会合并为一条多建议。合并后 impact=最高、effort=最低、 recommendations 聚合、evidence 聚合（去重）、verification 取主机会的。

验证闭环（src/lib/opportunity/verify.ts）：基于两次观测对比，按 direction 判定 resolved / unchanged / worsened / unknown。找不到可比观测返回 unknown，绝不编造判定。

铁律：

• 没有证据不输出 —— diagnosis.evidence 必须非空；

• 不调任何大模型 —— 建议全部来自规则与模板；

• 输入字段全可选 —— 缺哪段就跳过对应机会类型，绝不报错。

• MCP 工具：list_opportunities、verify_opportunity；

• 页面：/opportunities（粘贴 OpportunityInput JSON 即可生成）。

Query Intelligence（轻量）

目标不是搜索量/KD，而是把一个 query 的已有观测汇总： Query → SERP → 搜索意图 → 实体/问题 → 竞品 → AI 答案 → 引用来源 → 内容缺口。

核心类型（src/lib/query/types.ts）：

• IntentClassification：5 类意图 + 置信度 + basis（触发依据，可追溯）

• RelatedQuestion：从 SERP 标题 / AI 答案提取的相关问题，标 sources（不编造）

• CompetitorAppearance：SERP + AI 引用域名聚合，含出现次数与位置

• ContentGap：竞品普遍覆盖、用户未覆盖的话题

• QueryCluster：基于共享 SERP URL 重合度的聚类

• QueryAnalysis：单 query 完整分析结果 + sourceAvailability（标 unavailable）

六项能力：

意图优先级（INTENT_PRIORITY 常量透明）： navigational(0) > transactional(1) > local(2) > comparative(3) > informational(4)。 多规则命中取优先级最高的；置信度按命中规则数 high/medium/low。

铁律：

• 不调用任何大模型 —— 全部规则驱动；

• 不编造相关问题 —— 只能从实际观测到的文本提取；

• 缺数据源对应段落标 unavailable，绝不报错；

• 聚类与意图分类有确定性测试（固定输入固定输出）。

• MCP 工具：analyze_query、cluster_queries；

• 页面：/queries（单 query 分析 / 多 query 聚类双模式）。

竞品情报

不做反链对比。聚焦 AI 与 SERP，五维对比帮你看清竞品领先的地方：

设计原则：

• 抓取失败按 blocked / unavailable 在对比表明确标注（statusReason 必填），不留空、不编造；

• 所有对比结论有 evidence（signal + source + value）；

• 缺数据源的维度标 unavailable 不报错；

• 纯函数维度（SERP / AI / Schema）不 fetch；async 维度（GEO / Protocol）仅在无预收集数据时才 fetch；

• 最多 5 个竞品；

• 差距清单（CompetitorGap[]）按 severity 排序，可直接转入 Opportunity Engine。

• MCP 工具：compare_competitors；

• 页面：/competitors（粘贴 JSON 即可生成五维对比与差距清单）。

Schema / 实体诊断（T10）

规则驱动的结构化数据诊断与 JSON-LD 草稿生成 —— 只诊断、给草稿，不自动修改站点。

1. 页面类型检测：文章 / 产品 / FAQ / HowTo / 本地商家 / 组织 / 官网，强信号（顶层 JSON-LD @type，high）+ 弱信号启发（疑问句标题、价格+购买按钮、tel+地址、有序步骤、发布时间 meta 等，medium/low），每条判定附 signal/source/value 依据；判定不了返回 unknown，不硬猜。

2. 字段完整性：按 Schema.org 字段目录（常量导出、透明可测）检查必填/推荐字段的 missing / empty / incomplete，支持 mainEntity[].acceptedAnswer.text 等数组路径覆盖度检查。

3. 一致性：headline ↔ H1、datePublished ↔ 页面/meta 日期、author ↔ 署名、机构名 ↔ 站点名；两侧矛盾记 mismatch，疑似记 suspect。

4. 实体清晰度：作者、组织、sameAs、联系方式、发布/更新时间，标注来源（jsonld/meta/visible）。

5. 零编造草稿：草稿 JSON 正文只含页面真实信息；拿不到的字段（尤其价格币种、评分、SKU、品牌）绝不入 JSON，在 manualFields[] 中标注「需人工补充」；已有同类型 JSON-LD 原样保留只补缺；sourcedFrom[] 让每个字段都能指回页面来源。

6. 进入机会引擎：第 7 类机会 schema-issue（必填缺失 high / 其余 medium，effort=low），复检信号 schemaMissingRequiredCount decrease。

• MCP 工具：analyze_schema、generate_schema_draft（均支持 url 抓取或 html 离线注入）；

• 页面：/schema；POST /api/schema。

命令行与 CI 门禁（CLI）

GEOkit 提供独立于 Web 服务的轻量级 CLI 工具（冷启动、确定性退出码、支持 GitHub Code Scanning SARIF 格式）：

# 1. 页面检查：支持在线抓取或本地 HTML 离线分析，可选 1.0.0 / 2.0.0 评分模型
npx tsx packages/cli/src/bin.ts check https://example.com/page --geo-version=2.0.0

# 2. CI 门禁判定：相对基线退化 > 5 分或新增 blocker 时非零退出阻断合并
npx tsx packages/cli/src/bin.ts gate --base=tests/baseline/baseline.json --url=https://example.com

# 3. 产出 GitHub Code Scanning 标准 SARIF 2.1.0 报告
npx tsx packages/cli/src/bin.ts sarif --report=check.json --out=geokit.sarif

# 4. 时序观测比对：比对两次观测状态演进，智能识别真实提升与退化
npx tsx packages/cli/src/bin.ts diff --prev=prev.json --curr=curr.json

测试与工程质量（Google SWE 标准）

全面拥抱 Node.js 22+（engines >=22.5，因 node:sqlite 静态导入）原生 node:test + node:assert/strict 测试体系，保持直接依赖零新增：

• 分级测试体系：

  • Unit Tests（密封单元测试）：位于 tests/unit/，纯内存、毫秒级、0 网络依赖，覆盖 HTML 容错解析、诊断规则库映射、修复幂等性、时序比对矩阵、GEO 双模型评分与断层跳级惩罚。

  • Integration Tests（集成测试）：位于 tests/integration/，覆盖 13 个 MCP 协议交互、CLI 命令行与退出码、SARIF 2.1.0 规范契约。

• 基线回归门禁：通过 scripts/regression.ts 对离线基线（tests/baseline/baseline.json）执行字节级一致性校验，防范算法静默漂移。

npm test                  # 运行全量 125 项标准测试（耗时 < 3 秒）
npm run test:unit         # 纯单元测试
npm run test:integration  # 集成测试
npm run typecheck         # TypeScript 全量类型检查
npm run build             # Next.js 生产打包编译
npx tsx scripts/regression.ts check  # 离线基线回归比对

技术栈与零依赖哲学

Next.js 16 / React 19 / Tailwind v4 / TypeScript。生产直接依赖严格锁定为 4 个 （next、react、react-dom、zod）—— HTML 解析、排序计算、robots 解析、GEO 打分、原生测试与本地存储全部自研或采用 Node 内置模块，不引入臃肿的无用中间层。

对比 open-seo 的 44 个直接依赖 + 外部付费 API 绑定，GEOkit 追求的是极高透明度、极低运维成本、可直接单步调试与自由 Fork。

项目结构

packages/
  cli/             独立轻量 CLI 门禁与 SARIF 转换（bin, check, gate, diff, sarif, output）
src/
  lib/
    geo/           GEO 评分核心（types, v1 经典基线, v2 2026 RAG 启发式, index 调度）
    services/      集中业务服务层（diagnosis 全量诊断与自动修复, serp, visibility, observations）
    evidence/      可追溯存证引擎与时序观察（identity 统一规范化, store 零依赖存储, types）
    engines.ts     搜索引擎注册表（7 个引擎，覆盖百度/搜狗/360/神马/头条/Google/Bing）
    html.ts        零依赖高性能 HTML 解析器（支持容错与深层嵌套提取）
    serp.ts        多引擎采集与自然排名解析
    audit.ts       页面技术审计聚合
    llms.ts        robots.txt AI 策略分析 + llms.txt 规范校验与生成器
    mcp.ts         MCP Server（支持 Streamable HTTP 与 stdio，提供 23 个核心工具）
  app/
    api/           REST API 路由（audit, serp, visibility, llms, mcp, observations）
    (views)/       Next.js 现代化仪表盘（audit, serp, visibility, llms, mcp）
tests/
  unit/            密封单元测试（html, diagnosis, diff, evidence, geo）
  integration/     端到端集成测试（cli, mcp, sarif）
  baseline/        离线锁定基线快照（baseline.json）
  fixtures/        离线复现夹具（serp, audit）

许可证

MIT

AI生成