我把「SEO × GEO 全自动写作系统」做成了可复用 Skill（完整拆解）

做内容的人每天都在面对同一个问题：写一篇 SEO 文章，到底需要多少时间？

如果你认真做关键词调研、SERP 分析、写作、GEO 优化、Schema 代码保守估计 40 到 60 分钟。规模化之后，这个时间成本会把你压垮。

我用了三个月，把这套流程变成了一个可重复执行的 Skill ，现在单篇文章从输入关键词到输出可发布内容，稳定在 10 到 15 分钟。

这篇文章我直接讲清楚三件事：

什么是 Skill ？它和 Prompt 到底有什么区别？

我的 SEO × GEO 系统是怎么设计的，为什么要这样设计？

我怎么用 OpenClaw 跑完整流程，实现真正意义上的批量自动化？

如果你是做 SEO 内容、AI 工具站、Affiliate 或者 SaaS 内容营销，这篇会对你有用。

一、什么是 Skill ？和 Prompt 的区别到底在哪？

很多人以为 Skill = 很长的 Prompt 。这个理解是错的，而且会导致你设计出的系统很脆。

Prompt 是"结果导向"。你告诉模型你要什么，模型自己决定怎么做到。问题在于，模型每次"自己决定"的路径都不一样今天做了关键词分析，明天可能跳过；今天想到了 Featured Snippet 策略，明天可能忘了。输出质量高度依赖模型当日的"心情"。

Skill 是"过程导向"。你不只告诉模型要做什么，你还规定了它必须先做什么、再做什么、最后做什么，以及每一步的输出格式是什么、这个输出怎么传给下一步。

这个差别决定了两件事：

一是可重复性。Skill 的执行路径是固定的 SOP 。不管你跑第 1 次还是第 100 次，步骤顺序不变，检查项不变，输出格式不变

二是信息传递。 在 Skill 里，每一步的输出会精确传递给下一步使用。比如第二步扩展出来的关键词矩阵，第四步写文章时必须从这里取词，不能随意发挥。第三步分析出来的 PAA 问题，第四步必须把它们转化成 H2/H3 标题和 FAQ 条目。这种强约束的信息链，是普通 Prompt 做不到的。

一句话总结：Prompt 告诉模型"做什么"，Skill 告诉模型"怎么做，按什么顺序做，做完怎么交接给下一步"。

SEO 写作不是直接写文章，它前面有一整套决策过程。把这套决策过程写进 Skill ，就是效率提升的来源。

二、我的 SEO × GEO 系统设计逻辑

这套系统分五步，顺序固定，不能跳过任何一步：

每一步的输出直接喂给下一步，没有任何一步是孤立运行的。下面我逐步拆解每一块的设计逻辑。

Step 1：Backlog 检查解决"这篇写过了吗"的问题

这一步很多人会忽略，但它是规模化之后最容易踩的坑。

当你的内容库超过 100 篇文章，关键词开始重叠是必然的。两篇相似主题的文章互相蚕食排名，是 Google 降权的典型场景。

所以 Skill 的第一步不是开始写，而是连接 Google Sheets ，读取所有 Status = "pending" 的行，确认目标关键词没有被写过，再继续往下走。

执行逻辑：

如果关键词在 pending 列表里 → 确认，传给 Step 2

如果关键词已经写过（ status ≠ pending ）→ 发出警告，让用户确认是否继续

如果没有指定关键词 → 自动取列表里第一个 pending 关键词

如果表格无法访问 → 提示用户手动确认，再继续

这一步的价值不是在单篇文章上，而是在规模化批量生产时，帮你维护一个干净的内容库。

Step 2：关键词六维扩展解决"写什么"的问题

很多人写文章是这样开始的：想到一个词 → 直接写。

问题在于，你不知道这个词背后有多大的搜索需求、用户真正想要的是什么、有哪些相关问题可以一起覆盖、竞争烈度怎么样。

单一关键词的文章，在 2026 年的语义搜索时代基本没有竞争力。Google 和 AI 引擎识别的是主题深度，不是关键词密度。一篇文章自然覆盖的搜索意图越多，算法越倾向于给它分配流量。

所以 Step 2 做的是从一个种子词出发，扩展出六个维度的关键词矩阵：

维度一：核心变体 同义词、年份版本、受众版本。比如"AI SEO 工具" → "AI SEO 软件" / "2026 年 AI SEO 工具" / "SaaS 团队 AI SEO 工具"。

维度二：问题型关键词（→ 直接转化为文章 H2/H3 标题和 FAQ 条目） what is / how does / why use / how to choose / is it worth it 。这一维度的输出不只是关键词，它直接决定文章的标题结构和 FAQ 内容。PAA （ People Also Ask ）的命中率高度依赖这里的质量。

维度三：商业调查型 best / top / review / alternatives / comparison / pricing 。这类词通常带有购买意图，是 Affiliate 和 SaaS 内容的核心流量来源。

维度四：长尾场景型 for small business / step by step / checklist / case study / examples 。竞争度低，转化意图明确，适合快速拿到排名积累权威。

维度五：GEO 优先型（→ 锚定 Block 4 的 AI 引用定义） 定义型、对比型、最佳实践型。ChatGPT 、Perplexity 、Google AI Overview 在引用内容时，最喜欢抓这类有清晰定义和结构的内容。这一维度的关键词会直接进入 Block 4 的 GEO 优化版本。

维度六：语义支持词（ LSI ） 相关概念、行业术语、工具名称。帮助算法建立内容的主题关联性。

扩展完成后，Skill 会自动给每个支撑关键词分配放置位置：哪些进 H2 ，哪些进正文段落，哪些进 FAQ 。Step 2 的关键词矩阵是后续所有步骤的唯一关键词来源，Step 4 写文章时不能自行引入新词。

这个设计的好处是：一篇文章能够自然覆盖 515 个相关搜索，流量来源更分散，更稳定。

Step 3：SERP 深度分析解决"用什么结构才能有机会排"的问题

这是整个系统里技术含量最高的一步，也是最多人跳过的一步。

大多数人的做法是：看完前 5 名文章，综合一下写个"更好的"。

这个逻辑的问题在于，你在优化的是内容质量，但算法奖励的是结构契合度。同样优质的内容，用榜单结构写和用教程结构写，在以榜单为主的 SERP 里，排名结果会差很远。

Step 3 做的是识别算法正在奖励的模式，然后针对性设计内容结构。

Skill 会系统抓取以下信息：

前 5 名分别是什么内容类型（榜单？教程？评测？对比？）

Featured Snippet 存不存在，谁在占，格式是段落/列表/表格？

People Also Ask 有哪些问题？（这些问题直接进入 Step 4 的标题设计和 Block 3 的 FAQ ）

AI Overview 覆盖了什么角度？

有没有视频、购物、图片结果占据版面？

SEMrush 数据显示，Featured Snippet 的点击率高达 42.9%，是普通结果的 8 倍。Ahrefs 数据显示，能稳定占据 FS 的内容中，91% 使用了 40-60 字的直接回答格式。所以 Skill 在这一步会确认 FS 的目标格式，并直接影响 Step 4 文章开头的写作方式。

基于 SERP 主导类型，Skill 自动匹配四种写作框架之一：

SERP 主导类型	自动选择框架
"best X" / "top N X" / "N X tools"	Framework A 榜单型
"how to X" / "guide to X" / "step-by-step"	Framework B 教程型
"[tool] review" / "is X worth it"	Framework C 评测型
"[tool] alternatives" / "A vs B"	Framework D 对比型
无明显主导类型	取结果最多的类型

用户也可以手动覆盖：force framework A: [keyword]。

Step 3 会把内容缺口分为三个层级：

必须覆盖：前 5 名都写了。你不写，直接出局。

建议覆盖：部分竞争对手写了。这里有差异化空间。

差异化缺口：没有竞争对手写。这里是你建立竞争壁垒的地方，Step 4 要在这里深挖。

这三层缺口分析的结果会直接传给 Step 4 。

Step 4：文章写作解决"怎么写才规范"的问题

Step 4 不是给模型一个开放任务，而是把 Step 2 和 Step 3 的全部情报作为输入信息，套用选定的 Framework 执行写作。

所有输入都必须被使用：

Step 2 的关键词矩阵 → 管控全文所有词的放置位置

Step 3 的必须覆盖角度 → 必须出现在文章里

Step 3 的差异化缺口 → 要在这里深写，不能浅尝

Step 3 的 PAA 问题 → 转化为 H2/H3 标题和 FAQ 条目

Step 3 的 Featured Snippet 格式 → 决定文章开头的写作结构

四种 Framework 的结构差异：

Framework A （榜单型）：快速对比表格放在前面（ Featured Snippet 候选）→ 评选标准 → 逐一评测（每个工具结构不重复）→ 如何选择矩阵 → FAQ

Framework B （教程型）：前置直接回答 → TL;DR → 前置条件 → 分步操作（每步含"为什么这样做"和"常见错误"）→ FAQ → 总结+下一步行动

Framework C （评测型）：开头给出明确结论 → 核心功能逐项评分（ Strong/Adequate/Weak ）→ 真实优缺点 → 与竞品对比表格 → 适合谁/不适合谁 → FAQ

Framework D （对比型）：确立对比框架 → 逐一介绍替代品（每个角度不重复）→ 横向对比表格（ FS 候选）→ 选择决策矩阵 → FAQ

四种框架的共同原则：PAA 问题插入文章中间，不全堆在末尾；差异化缺口要在独立段落深写； Featured Snippet 格式必须在文章开头体现。

Step 5：四块标准化输出一次生产，四份交付

文章写完后，Skill 会把内容打包成四个可以直接用的模块。

Block 1 SEO 元数据：三个备选 Title 、Meta Description 、关键词列表、URL slug 、搜索意图分类。直接填进 CMS ，不用再想。

Block 2 完整正文：Markdown 格式，包含目录、TL;DR 、完整标题层级、数据引用和外链。输出前会自动做一次验证清单，确认所有硬性要求都达标，再交付。

Block 3 FAQ + Schema 代码：FAQ 的问题来自 Step 3 的 PAA ，不是 AI 瞎编的。Schema 代码直接粘贴到页面就能用，不需要二次处理。

Block 4 GEO 优化版本：专门为 AI 引用设计。核心定义段、独立数据句、Q&A 结构、对比表格，覆盖 ChatGPT 、Perplexity 、Google AI Overview 的引用偏好。各 AI 引擎的引用偏好不一样：

所有数据来自 Block 2 ，四块内容保持一致，不会自相矛盾。

三、我怎么用 OpenClaw 跑完整流程？

OpenClaw 的角色：执行多步任务、理解规则和上下文、维持步骤间的信息传递。

Skill 的角色：Agent 的具体能力模块，把完整的 SEO 决策流程封装成一个可以反复调用的技能包。

完整自动化流程

第一步：封装或调用 Skill

你可以把上面描述的整套流程自己封装成 OpenClaw Skill ，也可以直接使用我已经封装好的版本：

https://github.com/GEO-SEO/programmatic-seo

第二步：准备关键词 Backlog

在 Google Sheets 里维护一个关键词表格，两列：Keyword （关键词文本）和 Status （ pending = 未写 / yes = 已发布）。可以附加目标受众、文章类型、特殊说明等备注列。 如果想进阶做 GEO 优化，可以用我们的工具 Dageno AI 直接拿长尾关键词，例如 XIAOMI:

100.0% (0/43 responses)

Prompt	Priority	Platforms	Competitors	Metric A	Metric B
Best smart home hub for automation?	High	Grok, ChatGPT, Gemini, Perplexity	Apple Inc., Samsung Electronics	100.0% (0/52 responses)	100.0% (0/8 responses)
Smart home compatibility with voice assistants?	High	ChatGPT, Grok, Perplexity, Gemini	Samsung Electronics, Apple Inc.	100.0% (0/57 responses)	100.0% (0/2 responses)
Benefits of high refresh rate displays?	High	Grok, ChatGPT, Gemini, Perplexity	Samsung Electronics	100.0% (0/7 responses)	100.0% (0/18 responses)
Smartwatch water resistance rating technical details	High	Grok, Gemini, ChatGPT, Perplexity	Apple Inc., Samsung Electronics, Huawei	100.0% (0/42 responses)	100.0% (0/15 responses)
Smart home gateway hardware technical specifications	High	Grok, Gemini	Tesla, Inc., Apple Inc., Samsung Electronics	100.0% (0/20 responses)	100.0% (0/6 responses)
Smart home API documentation for developers	High	ChatGPT, Grok, Gemini	Apple Inc., Samsung Electronics	100.0% (0/8 responses)	100.0% (0/2 responses)
Electric vehicle battery hardware warranty terms	High	Grok, ChatGPT, Gemini	Tesla, Inc.	100.0% (0/16 responses)
Buy smart home starter kit online	High	Perplexity, Gemini, ChatGPT, Grok	Samsung Electronics, Apple Inc.	100.0% (0/31 responses)	100.0% (0/2 responses)
What is smart home ecosystem integration?	High	Grok, ChatGPT, Perplexity, Gemini	Apple Inc., Samsung Electronics	100.0% (0/53 responses)	100.0% (0/5 responses)
Buy electric vehicle hardware accessories online	High	ChatGPT, Grok, Gemini	Tesla, Inc., vivo	100.0% (0/9 responses)	100.0% (0/2 responses)
How do fitness trackers measure sleep?	High	ChatGPT, Gemini, Perplexity, Grok	Apple Inc., Samsung Electronics	100.0% (0/43 responses)	100.0% (0/3 responses)
Smart home hub pricing and features	High	ChatGPT, Grok, Gemini, Perplexity	Samsung Electronics, Apple Inc.	100.0% (0/44 responses)	100.0% (0/11 responses)
Smart home device firmware update instructions	High	Grok, Gemini, ChatGPT, Perplexity	Apple Inc., Huawei, Samsung Electronics	100.0% (0/39 responses)	100.0% (0/26 responses)
EV charging speed vs battery capacity?	High	Grok, ChatGPT, Gemini	Huawei, Tesla, Inc.	100.0% (0/18 responses)	100.0% (0/1 responses)
Smart kitchen appliances for energy saving?	High	Gemini, ChatGPT, Grok	Apple Inc., Samsung Electronics	100.0% (0/42 responses)	100.0% (0/7 responses)

第三步：启动，全流程自动执行

输入一个关键词（或者让 Skill 自动取第一个 pending 词），OpenClaw 会按顺序执行全部五步：

1. 读取 Sheets ，确认关键词 pending 状态

2. 六维矩阵扩展，建立关键词结构

3. SERP 分析，选择 Framework ，识别内容缺口和 PAA 问题

4. 套用 Framework 写文章，覆盖所有必要角度

5. 输出四个可发布 Block

第四步：直接使用输出，无需人工修改

Skill 的目标是输出 可直接发布的成品内容。

Block 1 生成的 元数据（ Title / Description / Keywords ） 可以直接填入 CMS ； Block 2 的 正文内容 可以直接发布到网站； Block 3 的 Schema 结构化数据代码 可以直接嵌入页面； Block 4 的 GEO 优化版本 可以单独用于 AI 搜索场景（如 ChatGPT 、Perplexity 、Gemini 等）。

文章发布后，你还可以将文章链接提交或提供给 LLM 进行读取，帮助 AI 更好地理解你的产品信息、品牌内容以及文章的核心主题，从而提高在 AI 搜索结果中的引用概率与品牌可见度。

规模化之后，这个差距会继续放大。手动流程里最耗时的部分（ SERP 分析和写作决策）在 Skill 里是最稳定的部分，因为决策规则已经固化，不需要每次重新判断。

最后说一句

这套系统的核心逻辑只有一句话：把每次都要重新想的决策，提前写进流程里，变成固定执行的步骤。

效率提升来自两个地方：一是消除了重复判断（关键词怎么扩展、SERP 用什么结构、GEO 怎么处理，这些只需要想一次）；二是消除了信息损耗（每一步的输出精确传给下一步，没有遗漏，没有走样）。

Skill 文件和完整流程文档都在 GitHub ，可以直接取用，也可以按照自己的内容策略修改规则。

https://github.com/GEO-SEO/programmatic-seo