以前是被搜索引擎看到，现在是被 Agent 读懂：vibe 项目的 SEO/AEO 实战手册

vibe coder 有个公开的秘密：做出产品的那一周最爽，上线之后最焦虑。你花了七天把一个想法变成可用的网站，部署在 Vercel 上，域名也买了，然后——什么都没发生。Google Search Console 里一片空白，社交平台上发了个链接只有三个赞，其中一个还是你自己的小号。

这不是你的产品不行。这是 2026 年的流量结构变了：搜索框正在把流量让给答案框。用户越来越少地点开第十个蓝色链接，越来越多地直接问 AI「有没有好用的播客剪辑工具」，然后照着答案里提到的名字去下载。你的项目能不能出现在那个答案里，取决于一件和你写代码时完全不同的事：你的网站能不能被机器读懂。

以前 SEO 解决的是「被搜索引擎看到」，现在多了一层：「被 Agent 读懂」。搜索引擎爬你的 HTML，Agent 读你的文档、你的定价页、你的 API 说明——然后决定要不要在回答里推荐你。这篇指南把这两层拆开讲：第一层是传统 SEO 基本盘，别跳过；第二层是 AI 发现层（有人叫 AEO，有人叫 GEO，名字不重要），全是这两年冒出来的新活；最后是策略判断——哪些活可以丢给 AI 干，哪些必须你自己拍板。

先说结论，省你时间：SEO 是 vibe coding 时代第一个真正「可 vibe」的增长工作——sitemap、meta 标签、结构化数据，全是格式固定的体力活，AI 写得比你快还不出错。但「做什么内容、回答哪些问题、要不要为 AI 重写定价页」这些判断，AI 替不了你。体力活外包，判断留下，这是整篇指南的分工原则。

基本盘：四件套，一个都别跳

很多人一听「AI 时代」就想跳过传统 SEO，这是错的。AI 答案的引用来源，恰恰高度依赖传统搜索索引——大模型训练和检索增强都在吃同一批网页。基本盘没做好，AI 层就是空中楼阁。四件套，每件都有明确的验收标准。

第一件：sitemap.xml + robots.txt，给爬虫的地图和门牌

这是成本最低的一步，也是 vibe 项目最常漏的一步。Next.js 用户直接在 app 目录下丢两个文件就行：

// app/sitemap.ts
import { MetadataRoute } from 'next'

export default function sitemap(): MetadataRoute.Sitemap {
  const base = 'https://yourproject.com'
  return [
    { url: base, lastModified: new Date(), changeFrequency: 'weekly', priority: 1 },
    { url: `${base}/pricing`, lastModified: new Date(), priority: 0.8 },
    { url: `${base}/docs`, lastModified: new Date(), priority: 0.9 },
    // 每个公开页面都列进来，别偷懒
  ]
}

robots.txt 里除了 Allow / Disallow，建议加一行 Sitemap: https://yourproject.com/sitemap.xml。验收标准：部署后访问 /sitemap.xml 能打开，并且在 Google Search Console 里提交一次。别小看这一步——很多 vibe 项目的页面根本不在索引里，你在那儿研究关键词全是白搭。

第二件：meta + OG 标签，你的「社交名片」

用户在 Twitter、Discord、即刻转发你的链接时，卡片长什么样，直接决定点不点。每个页面都要有独立的 title 和 description，长度卡死：title 60 个字符以内，description 150 左右。OG 图（1200×630）别用纯色底加大字——放一张真实的产品截图，转化率高得多。

<meta property="og:title" content="ClipShelf — 一键收藏网页片段的剪贴板" />
<meta property="og:description" content="看到好内容随手一存，AI 自动打标签分类，30 天免费。" />
<meta property="og:image" content="https://yourproject.com/og.png" />
<meta name="twitter:card" content="summary_large_image" />

验收标准：把链接丢进 Twitter Card Validator 和手机消息 App 里各看一次，卡片正常、无乱码、无默认灰图。

第三件：JSON-LD 结构化数据，让机器「理解」而不只是「看到」

HTML 是给人看的，JSON-LD 是给机器看的简历。工具类 vibe 项目最对口的是 SoftwareApplication 类型：

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "SoftwareApplication",
  "name": "ClipShelf",
  "applicationCategory": "ProductivityApplication",
  "operatingSystem": "Web",
  "offers": { "@type": "Offer", "price": "0", "priceCurrency": "USD" }
}
</script>

注意：没有真实用户评价就别写 aggregateRating，编造评分被 Google 抓到会直接失去富媒体展示资格。有定价就写 offers，有问答就加 FAQPage。验收标准：丢进 Google 的富媒体搜索结果测试工具，零报错。

第四件：Core Web Vitals，vibe 项目最容易翻车的地方

AI 生成的代码有个通病：npm 包不心疼地装，首屏塞三四个大图库，LCP（最大内容绘制）直接飙到 5 秒。Google 把 LCP ≤ 2.5 秒、INP ≤ 200 毫秒、CLS ≤ 0.1 作为「良好」线，达不到的页面在排名上吃暗亏——更重要的是，真人用户也等不了 5 秒。

三个立竿见影的修法：首页首屏图用 next/image 的 priority 加现代格式（AVIF / WebP）；第三方脚本（统计、客服 widget）全部 strategy="lazyOnload"；字体用 next/font 本地化，别从远程拉。验收标准：PageSpeed Insights 移动端三项全绿。

四件套做完，你的项目才算「搜索引擎看得见」。接下来是真正的新战场。

AI 发现层：让 Agent 读懂你

传统 SEO 优化的是「爬虫 → 索引 → 排名」这条链；AI 发现优化的是「Agent 读文档 → 生成答案 → 引用你」这条链。两条链的消费者不一样：前者是爬虫，后者是带着用户问题来的 Agent。它们的阅读习惯也完全不同——爬虫啃 HTML，Agent 更喜欢干净的 Markdown 和结构化事实。

llms.txt：给 AI 的「导游图」

2024 年 9 月，Answer.AI 联合创始人 Jeremy Howard 提出了 llms.txt：网站根目录下一个 Markdown 文件，用 H1 写项目名、一段摘要，再加若干 H2 分区列出重要页面的链接和一句话说明。规范很短，维护在 llmstxt.org。配套的还有 llms-full.txt——把全站重要文档拼成一个大 Markdown，方便一次性喂给大上下文模型。

机制说清楚，预期也要摆正：llms.txt 是基础设施，不是魔法。Google 搜索明确表示不会用它；真正会去读它的，是 Cursor、Claude Code 这类编程 Agent 在帮用户调研「有没有现成的 API / 工具」时。也就是说，它优化的不是「你在 Google 排第几」，而是「Agent 帮用户选工具时能不能快速理解你」。对 vibe 项目这恰恰是高价值场景——你的用户本来就是天天用 AI 工具的人。

写一个能用的 llms.txt 不需要超过 30 分钟，模板长这样：

# ClipShelf

> 一键收藏网页片段的智能剪贴板：选中即存，AI 自动打标签、分类、全文检索。免费版可用，Pro 版 5 美元/月。

## 核心页面
- [首页](https://yourproject.com): 产品介绍与实时演示
- [定价](https://yourproject.com/pricing): 免费版与 Pro 版功能对比
- [API 文档](https://yourproject.com/docs/api): REST API 接入指南，含鉴权与限流说明

## 开发者
- [快速开始](https://yourproject.com/docs/quickstart): 5 分钟接入剪藏 API
- [更新日志](https://yourproject.com/changelog): 每周更新记录

## Optional
- [博客](https://yourproject.com/blog): 产品思考与使用技巧

关键细节：链接描述写「这个页面能回答什么问题」，而不是「欢迎来到我们的定价页」这种废话；正文控制在 5000 token 以内；每次发版更新文档时顺手更新它，或者写个构建脚本自动生成。静态文件一旦过时，比没有更糟——Agent 照着旧文档推荐一个已下线的接口，丢的是你的口碑。

每页一个 Markdown 版本：把 Agent 的阅读成本降到零

llms.txt 是索引，Markdown 页面是正文。做法很简单：每个重要页面同时提供干净的 Markdown 版本——约定俗成的做法是在 URL 后加 .md（如 /docs/api.md），或者在 llms.txt 里直接链过去。Agent 抓 .md 不用解析你的 React 水合 HTML，不用猜哪块是导航栏，token 花得少、理解得准。

Next.js 里实现就十几行：一个 route handler 把同一份内容源渲染成 Markdown 文本返回，Content-Type 设成 text/markdown。你的 docs 本来就该是 Markdown 写的，这一步几乎是零成本。

FAQ schema：直接喂给 AI 答案的「标准答案」

想过没有：当用户问 AI「ClipShelf 免费版和 Pro 版有什么区别」，AI 的答案从哪来？大概率是从你网站上结构最清晰的那段文字来。FAQPage 结构化数据就是把「标准答案」亲手递过去：

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [{
    "@type": "Question",
    "name": "ClipShelf 免费版有什么限制？",
    "acceptedAnswer": {
      "@type": "Answer",
      "text": "免费版可保存 500 条片段，AI 标签每天限 20 次；Pro 版 5 美元/月，不限条数且支持团队共享库。"
    }
  }]
}

写法上的判断：FAQ 别写公关辞令，写用户真正会问 AI 的问题——价格、限制、和竞品的区别、数据能不能导出、支不支持中文。每个答案两三句话，带具体数字。含糊的答案 AI 不敢引用，具体的数字它才敢。

让 Agent 读懂你的定价和 API 文档

这是 vibe 项目最被低估的一环。想想 Agent 的工作流：用户说「找个便宜的网页剪藏 API 接到我的工作流里」，Agent 会去读好几个产品的定价页和 API 文档做对比。你的定价页如果是一张花里胡哨的图片、API 文档需要登录才能看，你在这一轮对比里就已经出局了——不是产品输了，是文档输了。

三条硬规则：第一，定价页用真实 HTML 表格写价格、额度、限制，别用图片，别藏在 JS 弹窗里；第二，API 文档公开可抓，至少把鉴权方式、限流、价格端点写清楚，OpenAPI spec 文件直接给下载链接；第三，写一个 200 字以内的「一句话集成说明」放在文档顶部——Agent 做对比时，读的就是这 200 字。

这条的本质是：在 agent 经济里，文档就是你的销售。以前销售靠人聊，现在靠 Agent 读。文档写得含糊，等于派了个说不清楚话的销售去见客户。

被引用策略：出现在 AI 的答案里

就算你的站内优化做到满分，还有一个问题：AI 凭什么在「推荐播客剪辑工具」时提到你而不是竞品？大模型的推荐来自训练数据和检索到的网页，而这两者都偏爱「被多方提及」的产品。所以站外工作的核心就一句话：让你的产品名字出现在别人写的内容里。

入驻目录站：这类地方是你的「AI 简历投递处」

逻辑很直接：AI 回答「2026 年值得关注的 vibe coding 项目」这类问题时，会去读目录站、awesome 列表、评测文章。VibeFix（vibefix.work）这类专门收录 vibe coding 项目的目录就是干这个的——把你的项目提交上去，写清楚一句话介绍、技术栈、链接。Product Hunt、BetaList 同理，每一次提交都是一次「被引用」的机会。

提交时别偷懒：介绍写具体功能和数字（「支持 12 种格式导出」比「强大的导出功能」强十倍），技术栈如实填写，截图用真实运行界面。这些目录页本身权重高，AI 检索时优先读到，顺带还给你带传统搜索的外链权重。一份提交，两条链都吃到。

品牌提及：从「求报道」到「给素材」

传统 PR 是求媒体报道你，AI 时代的提及策略反过来：你给写内容的人提供「可引用的素材」。没人会引用一句「我们致力于提升效率」，但很多人会引用「我们把客服响应时间从 4 小时压到 11 分钟」。

具体做法：写一两篇深度的「构建记录」（build in public）——技术选型为什么这么做、踩过什么坑、数据变化是多少，发在自己的博客和开发者社区；主动给做工具对比、awesome 列表的作者提供准确的产品信息和截图，省得他们写错；如果产品有免费 API，给独立开发者用，他们写教程时自然会提到你。记住 AI 引用的偏好：具体数字、明确对比、清晰定位，三者占了，它引用你时心里才有底。

三个最常见的翻车现场

最后补三个 vibe 项目特有的坑，都是我看真实项目踩过总结出来的，提前知道能省你几周。

翻车一：SPA 首屏空白，爬虫看到的是空气。vibe 工具默认生成纯客户端渲染的单页应用，爬虫第一次抓到的就是一个空 div 加一堆 JS。Google 现在能执行 JS，但「能执行」不等于「愿意等」——渲染队列有延迟，慢的页面索引就是慢半拍。修法不复杂：营销落地页（首页、定价、文档首页）用 SSG 预渲染，Next.js 里就是把页面做成静态导出；实在要 SPA，给爬虫配预渲染服务。验收标准：curl 你的首页，不执行 JS 的情况下能看到核心文案。

翻车二：把最关键的信息做成了图片。定价页是一张设计精美的长图，功能对比表是 Figma 导出的 PNG——人看着爽，机器全瞎。前面说的「定价页用真实 HTML 表格」就是治这个的。顺带一提，OG 图用图片是对的（那是给人看的卡片），但页面正文里的关键信息必须是文本。这条规则一句话：凡是希望被引用的信息，必须是机器可读的文本。

翻车三：目录站群发同一份文案。有人图省事，写一份介绍复制粘贴到 20 个目录站。低质重复外链对传统 SEO 是减分项，对 AI 引用也没加成——AI 要的是「多方独立提及」，20 个一字不差的复制粘贴在它眼里约等于一个。正确做法是每个目录写 2-3 句不同的描述，突出不同卖点：在 VibeFix 强调 vibe coding 属性，在 Product Hunt 强调解决的问题，在 BetaList 强调内测福利。一份底稿，三种讲法，十分钟的事。

策略判断：哪些扔给 AI，哪些必须自己拍板

前面全是「怎么做」，这里是「做什么」的判断。这部分 AI 帮不上你，因为它没有你的上下文。

判断一：先争「被引用」，还是先争「被点击」？传统 SEO 的 KPI 是点击和排名，AI 时代多了一个 KPI：被 AI 答案引用。对新上线的 vibe 项目，我的建议是引用优先——你排不到「在线剪贴板」这种大词的前三，但你完全可以在「AI 剪贴板工具对比」这类长尾内容里成为被引用的那一个。引用带来的是「AI 替你背书」的信任，点击带来的是流量；早期项目更缺的是信任。

判断二：内容投入的优先级是 docs > blog > 社交噪音。很多独立开发者把时间花在每天发推上，指望一条爆款带来流量。爆款是彩票，文档是资产：一篇写清楚的 API 文档、一页诚实的定价对比，被 Agent 读到的次数是推文的几百倍。博客值得写，但只写「别人会引用」的深度内容（构建记录、技术决策、真实数据），不写自嗨的产品更新日志。

判断三：别为了喂 AI 把网站做成只给机器看的。这是最容易走火入魔的地方。llms.txt、Markdown 版本、FAQ schema 都是「顺手」做的增强，你的网站首先还是给人看的——人点进来 3 秒看不懂你是干嘛的，Agent 引用你一百次也没用，因为最终掏钱的还是人。检验标准很土但有效：找个不懂技术的朋友打开你首页，问他「这是干嘛的，多少钱」，答不上来就先修首页，再谈 AEO。

30 天落地清单

把上面浓缩成一个月的执行顺序，每周末验收一次：

第 1 周（基本盘）：上线 sitemap.xml + robots.txt 并在 Search Console 提交；全站 title / description / OG 检查一遍；JSON-LD（SoftwareApplication + FAQPage）加上并过富媒体测试；PageSpeed Insights 移动端三项刷绿。

第 2 周（AI 可读层）：写好 /llms.txt 并控制在 5000 token 内；核心页面（首页、定价、文档）配 .md 版本；定价页改成真实 HTML 表格；API 文档公开，OpenAPI spec 给出下载链接。

第 3 周（被引用）：提交 VibeFix、Product Hunt 等 3–5 个目录站；写一篇带真实数据的构建记录发博客；整理一份「一页纸产品素材」（一句话介绍、核心数字、截图），发给可能写对比内容的作者。

第 4 周（复盘）：看 Search Console 的索引覆盖率和展示次数；用几个主流 AI 分别问你这个品类的工具推荐，看自己出没出现、出现时引用的是哪句话——没出现就回去改那句话对应的页面。这是整个 AEO 循环里唯一的北极星指标：AI 答案里有没有你。

最后回到开篇那个问题：流量从哪里来？2026 年的答案是两条腿走路——搜索引擎的索引是地基，Agent 的引用是新增量。以前 SEO 优化的是「被看到」，现在还要优化「被读懂」。好消息是，读懂你的成本，对 vibe coder 来说前所未有的低：llms.txt 半小时，Markdown 版本十几行代码，FAQ schema 一个下午。全是结构化体力活，AI 能替你写完。

但别忘了分工：体力活可以 vibe，判断不行。做什么内容、回答哪些问题、定价敢不敢写清楚——这些决定 AI 引用你时「说什么」的判断，得你自己来。文档化程度决定你的产品在 agent 经济里的上限：Agent 只能推荐它读懂的东西，而读懂的上限，是你愿意写清楚的上限。就这么简单，也就这么难。