AI 时代 SEO 生存指南：五步让 Google 看见你的网站

现在大家都能用 AI 把网站做出来，但做完之后有没有发现：Google 根本搜不到？

我自己的官网（Lanhui 官网）上线前也踩过这个坑。网站不是坏了，大概率是 Google 压根不知道这个网址存在，或者你的技术 SEO 没处理好。这篇文章把整个链路讲清楚：从 Googlebot 发现你的页面，到最终用户点进来的体验，一共五步。每一步我都会告诉你——哪些可以放心交给 AI，哪些必须你自己拿主意。

结论先说：AI 时代 SEO 没死，只是分工变了。把重复的检查交给工具，把判断留给自己。

第一步：让 Googlebot 发现你的页面

你点了发布，不等于文章立刻出现在搜索结果里。Google 必须靠爬虫（Googlebot）在网络里巡逻，才能发现新网址。它主要通过三种途径：

外部链接：其他已被 Google 收录的网站引用你的文章，Googlebot 顺着链接爬过来。
内部链接：Google 原本就知道你的网站，会定期回访，沿着菜单、分类页、文章链接发现新内容。所以发布新文章后，记得从首页或相关文章链到它。
Sitemap（网站地图）：一份网址清单，告诉 Google"我的网站里有这些页面"。通过 Google Search Console 提交，能加速发现。

做完这三步只是提交成功。发现 ≠ 收录 ≠ 出现在搜索结果，后面还有三道关。

第二步：抓取、理解、收录是三个不同关卡

Google 发现一个网址后，要依次回答三个问题：

能不能抓取？ Googlebot 会尝试下载页面 HTML。但如果服务器报错、页面需要登录、或者被 robots.txt 拦截，它就抓不到。robots.txt 就像网站门口的告示牌——注意，它控制的是能不能抓，不是能不能收录。不想让页面出现在搜索结果里，要用 noindex（测试环境就常用这招）。这俩是两回事，很多人搞混。

能不能读取并理解内容？ 这里有个关键概念：CSR 和 SSR。CSR（客户端渲染）下，服务器只返回一个内容很少的 HTML 壳，靠浏览器执行 JavaScript 才拼出完整内容——如果脚本加载慢或被拦截，Google 看到的就是空壳。SSR（服务器端渲染）则是服务器先把包含主要内容的 HTML 做好再返回，Google 读到的就是完整页面。

我自己的官网用的就是 Next.js 静态导出，天生是 SSR/SSG 路线，Googlebot 一抓就是完整 HTML，这是当时选型时的一个隐性红利。做 Vibe Coding 的朋友注意了：你让 AI 生成的默认脚手架很多是 CSR，发布前一定检查这一点。

HTML 结构（H1/H2/P）提供语义线索，但别指望堆关键词进 H1 就能加分——内容是否完整、能否解决用户问题才是重点。想更明确地告诉 Google"这个页面是文章、作者是谁"，可以加 JSON-LD 结构化数据，但字段要按 schema.org 规范来，不能自创。

是否建立索引？ Google 像图书馆管理员，会判断这本书值不值得收进馆藏。内容重复、没有实质内容、noindex、或 Google 选了另一个 URL 作为主版本，都可能不入库。

一句话总结：发现不代表抓取，抓取不代表理解，理解不代表收录。 只有进了索引库，你才拿到排名的入场券。

技术 SEO 检查很适合交给 AI 协作——robots.txt、noindex、渲染问题散落在代码各处，人工一页页查太慢。免费开源的 Claude Code 插件 Claude SEO，一条 /seo technical [你的网站] 就能从九大类别扫描技术问题，按严重程度输出改进清单，代码在本地的还能直接让它照着修。但记住：它的报告不等于 Google 实际的索引结果，改完仍要回 Search Console 用网址检查确认。

第三步：关键词不是选搜索量最大的，而是选用户真在搜的

很多 Vibe Coder 直接叫 AI"帮我写 10 篇文章"——AI 写得快，但它不知道这个主题有多少人搜，也判断不了竞争程度。

开源工具 OpenSEO（自称 Ahrefs 和 Semrush 的开源替代）可以帮你做关键词研究：输入"AI 教程"这样的种子词，它会延伸出相关词并列出搜索量、CPC、竞争程度和搜索意图。注意它的搜索量是第三方估算值，适合比相对需求，别当精确数字。数据来自 DataForSEO，要申请 API Key，会有少量费用。

举个例子：输入"AI 教程"，OpenSEO 显示每月约 880 次搜索，但用户实际搜的往往是更具体的词——"如何学习 AI""免费 AI 课程""AI 在线课程""政府补贴 AI 课程"。种子词只是入口，真正值得做的词，通常藏在它派生出来的长尾里。

搜索量之外，更要看搜索意图：

Info：想获取信息 → 适合写教程
Nav：在找特定网站/课程 → 官网、课程页
Trans：准备好购买或行动
CI：还在研究比较、做决定前的最后确认

工具对意图的分类只是初步参考，最后一步永远是把关键词丢回 Google，看排名靠前的是什么形态——是教程、对比文、官网还是课程页。Google 现排的结果才最反映用户想看什么。真正值得做的不是搜索量最大的词，而是用户真的在搜、你又答得比别人好的词。

第四步：先分析搜索结果，再让 AI 写稿

别急着生成。先搞清对 Google 而言什么算高质量内容——看它的 Search Quality Rater Guidelines，核心是 E-E-A-T：实际经验（Experience）、专业知识（Expertise）、权威性（Authoritativeness）、信任度（Trust，最核心）。

它不是一个可以单独计算的排名分数，加个作者介绍也不会直接加分，它更像一组检查内容质量的概念：内容有没有真实经验、有没有专业能力、有没有外部认可、信息是否可靠。长文、堆关键词都不算数。医疗、金融、法律这些影响生活的主题，要求会更高。

实操方法（以"日本自由行"为例）：去 Google 看排名前 5-10 个页面，整理它们①写给谁、②普遍包含哪些章节（行前准备、机票住宿、交通、行程、预算、上网支付）、③哪些信息过时、④"其他人还问了"里有哪些问题。然后找内容缺口——比如交通票券规定过时、只列景点没排合理路线。再用 E-E-A-T 思考我们能补什么：亲身经验、实际照片、真实花费、官方资料。

全部整理完再交给 AI 写初稿。AI 完成初稿后不能直接发布，人工要逐条确认：

信息是否正确、仍然有效
是否真的符合搜索意图
有没有空泛、重复或无关的内容
引用的资料能不能找到可靠来源
有没有加入自己的经验、照片和案例
是否比现有的搜索结果更实用

AI 可以加速资料整理和初稿，但不能代替你的查证和实际经验。

第五步：发布前检查 Core Web Vitals

内容再好，加载太慢、按钮没反应、页面乱跳，用户照样走人。用 Google PageSpeed Insights 输入网址，会从性能、无障碍、最佳实践、SEO 四方面检查。

先破个误区：PageSpeed Insights 里的 SEO 分数只查基础技术项（能否索引、有没有 meta description、链接能否识别），拿 100 分也不代表排名第一——它判断不了内容符不符合搜索意图、作者值不值得信任。那部分靠前四步。

真正值得看的是 Core Web Vitals，三项核心指标：

LCP（最大内容绘制）：主要内容多久显示出来，建议 2.5 秒内。常见坑：首图太大、服务器响应慢、字体/CSS 阻塞、没预加载重要图片、JS 太多。
INP（交互延迟）：点按钮后多久有反应，建议 200 毫秒内。常见坑：JS 执行太久、第三方脚本过多、组件重渲染范围太大。
CLS（布局偏移）：页面加载时内容会不会突然移动，建议 0.1 以下。常见坑：图片没设宽高、广告位没预留、网络字体加载后改文字尺寸。

它基于过去 28 天真实用户数据、取第 75 百分位判定。把这些检测结果丢给 AI 就能拿到修改方向，但别为了冲 100 分删掉真正重要的图片和分析工具——目标是优先解决影响用户的问题。

把重复的检查交给工具，把判断留给自己

回到开头那句话：现在有 AI 协助 SEO，但不是把"帮我做 SEO"丢给 AI 就完事。AI 擅长它该擅长的——查询、整理、初稿撰写；人类负责内容选择的品味、判断信息是否正确、提供真实经验。

最后预告个趋势：现在越来越多人查资料不打开 Google，直接问 ChatGPT；Google 只要出现 AI Overview，第一名的点击率就掉 58%。下一个战场是让 AI 回答问题时愿意引用你的网站——这门学问叫 AEO（AI Engine Optimization）。但 SEO 是 AEO 的地基，先把这五步走通，再谈被 AI 引用的事。