我如何在2026年使用Claude Code进行SEO审计：工作流程

我在Deluxe Astrology上运营着有91,000个页面的有机搜索，在HostList.io上有28,000个程序化SEO页面，以及遍布Seahawk Media更广泛客户组合的审计工作。曾经每个网站需要我整整一天的审计工作，现在在Claude Code内只需90分钟，而且输出的严谨度高于手工版本。这是我实际运行的工作流程、其背后的MCP栈、我使用的提示词，以及Claude Code在SEO审计中仍然无法很好处理的部分。

如果你在权衡AI辅助审计是否真实可靠，这篇文章给出了操作者的答案：是的，前提是要有纪律性，而且只有当你把Claude视为资深工程协作者而非资深策略师时才行得通。

为什么Claude Code在无聊的70%工作上胜过传统审计工具

传统的技术性SEO审计涉及Screaming Frog爬取网站、从Search Console提取索引性和CWV视图、在代表性模板上运行多次Lighthouse、手工对比验证程序检查schema标记，最后由人工将所有这些汇总成优先级排序的修复清单，包含严重程度和流量影响。爬取和解析大约占总时间的70%。判断层面占剩余的30%。

Claude Code配合正确的MCP栈可以压缩这70%的工作。爬取执行、解析、去重、schema验证和报告起草全部在针对你的代码库或托管网站的单一会话中进行。需要资深判断的30%工作（哪些问题对这个具体业务真正重要、考虑到时间和团队能力该优先处理什么）仍由人工完成。整体耗时大约降低6倍，同时保持相同或更高的质量。

这就是整个核心。下面的内容都是如何实际交付的具体细节。

我实际使用的 MCP 堆栈

其他关于使用 Claude Code 进行 SEO 审计的文章通常只使用一个 MCP（通常是 Puppeteer），就到此为止了。严肃审计工作的实际堆栈要宽泛得多：

Filesystem MCP

在 Claude Code 中默认内置。我用它将审计输出转储到工作目录，然后让 Claude 在同一会话中对它们进行推理。Filesystem MCP 也是我给 Claude 提供现有报告、网站地图、robots.txt 和任何预先存在的技术文档的方式。

Puppeteer MCP

浏览器自动化。爬行网站，截取代表性模板的屏幕，为 JavaScript 密集型页面提取渲染的 HTML，通过 Performance API 捕获 Core Web Vitals。Puppeteer 驱动的渲染最接近 Google 实际看到的内容，比静态 HTML 解析更准确。Core Web Vitals via the Performance API. The Puppeteer-driven render is the closest thing to what Google actually sees, more accurate than static HTML parsing.

Postgres MCP（或针对较小工作的 SQLite）

对严肃审计至关重要。从 Search Console 导出的 CSV 数据被加载到 Postgres 表中。Claude 随后对其运行 SQL 查询：哪些 URL 的流量逐月下降，哪些查询有所转变，哪些页面从索引中消失。在 Excel 中需要花费 20 分钟的聚合工作在 SQL 中只需要 30 秒。

Brave Search 或类似服务

当前SERP对比。审计排名下降时，比较目标查询词当前的排名结果与被审计网站发布的内容是诊断的一半。一个能抓取SERP的MCP将这个过程从手动标签页切换变成单一工具调用。

Bash / shell

Claude Code运行Lighthouse CLI、curl测试重定向链，以及我为项目编写的任何自定义脚本。将shell视为另一个工具而非独立环境很重要；审计在一个持续的会话中完成。

审计前准备：90秒的上下文

在任何爬虫运行之前，Claude需要了解这是什么类型的网站以及审计的目的。我在项目目录（或审计外部网站时在新目录）打开Claude Code，并用一份简短的概述来启动会话：

关于业务的三句话：他们卖什么、目标受众是谁、未来12个月的自然流量目标是多少。关于网站结构的两句话：技术栈、页面数量、可索引性情况、内容更新频率。关于审计交付物的一句话：审计结束时什么应该是真实的，而今天还不是。

那90秒的上下文加载是Claude生成通用检查清单审计与生成针对特定业务校准的审计之间的区别。跳过它，你会得到其他每个Claude Code SEO文章都展示的相同通用输出。

第一阶段：技术爬虫

Claude使用Puppeteer对网站进行爬虫，跟随内部链接到可配置深度（我默认设为3），并捕获：每个URL的渲染HTML、响应码、重定向链、canonical标签、hreflang注解、schema标记块、可索引性信号（robots元标签、X-Robots-Tag、robots.txt）和Core Web Vitals。

输出被导出到./audit-output/crawl/，每个URL一个JSON文件，加上一个跨全体语料库的summary.json。对于500页以下的网站，这在10分钟内完成。对于更大的网站，我将爬虫限制在1,000个代表性URL，并对其余部分进行采样。

爬虫立即识别的常见问题：超过2跳的重定向链、指向非规范URL的规范标签、hreflang互惠性破坏、结构化数据验证错误。这些问题中的任何一个在大规模上都需要数小时的手动工作才能找到；爬虫在前10分钟内就能找到它们。

第二阶段：Search Console数据分析

我将Search Console数据导出为CSV（查询、页面、日期、点击次数、展示次数、排名），并通过Postgres MCP加载。Claude随后运行一系列查询来回答特定的操作员问题：

按绝对点击损失排序，哪些页面的流量月环比下降最多。

过去90天内哪些查询跌出了前20名。

哪些页面-查询对有展示次数但点击率接近零（CTR机会）。

哪些页面已编入索引但在过去30天内获得零展示次数（可能是内容不足或质量关卡候选项）。

哪些页面在索引中有多个相互竞争的规范信号。

这些曾经是Excel中的单独数据透视表标签。现在它们是Claude生成、运行和综合为报告单个部分的一系列SQL查询。

第三阶段：结构化数据标记审计

Claude 获取第 1 阶段捕获的 schema 块，根据每个页面原型（Organization、BreadcrumbList、Article、BlogPosting、Product、FAQPage、HowTo、LocalBusiness）对照 schema.org 预期类型进行验证，并标记问题：

缺少必需属性（Organization 上的 sameAs、BlogPosting 上的 image、没有实际评分数据的 aggregateRating）。

类型不匹配（在非本地商户页面上使用 LocalBusiness schema，在分类页面上使用 Product schema）。

陈旧引用（sameAs URL 指向已删除的社交资料，image URL 返回 404）。

过时的实体关系（about 和 mentions 数组缺少页面实际涵盖的实体）。

我用这个方法在那些以为自己的 schema 没问题的网站上发现了 30 多个 schema 错误。验证器找出语法错误；Claude 找出语义错误。

第 4 阶段：通过 Lighthouse 检测核心网页指标

Lighthouse 作为 CLI 命令由 Claude 调用。我默认在每个网站的 8-12 个代表性模板上运行，而不是单个 URL。输出 JSON 文件进入 ./audit-output/lighthouse/，Claude 将其综合为核心网页指标部分，显示模板集中位数 LCP、CLS、INP 和 TTFB，加上每个指标性能最差的单个页面。

综合分析是手工审计容易出错的地方。单次 Lighthouse 运行是时间点噪声；12 次跨模板运行才是真实的性能图景。Claude 在数秒内完成聚合。

第 5 阶段：报告综合

经过四个阶段，Claude 大约识别出 30 到 80 个问题。综合提示要求 Claude：

按严重程度对问题进行聚类（红色阻止发布，琥珀色影响排名，绿色为优化调整）。

使用 Search Console 数据估计每个聚类的流量影响。

按流量影响除以工程成本的结果对修复进行排序。

以单页一个问题的格式输出前 10 个问题：严重程度、受影响的流量 URL 数量、纯英文解释、具体修复方案、预计 90 天的指标改进。

这就是交付物。10 个问题，一个资深团队可以在 4 到 8 周内修复，按影响力排序，准备交给工程部门。手工审计通常会产生 200 行的电子表格，没人去修复；而这份 10 项优先级清单会被修复。

我实际使用的审计提示

在 90 秒背景简报后运行的单一提示。我在大约 12 个月内通过数十次审计迭代了这个提示：

"你是一名资深技术 SEO 审计员，负责审计上面简报中描述的网站。按以下顺序运行 5 阶段审计：通过 Puppeteer 进行技术爬行、通过 Postgres MCP 进行 Search Console 分析、Schema 验证、通过 Lighthouse CLI 进行 Core Web Vitals 检测，以及优先级报告综合。将输出保存到 ./audit-output/。综合阶段后，以单页一个问题的格式呈现前 10 个问题。对每个问题：严重程度（红色/琥珀色/绿色）、受影响的 URL 数量、纯英文解释、具体修复方案、预计 90 天的指标改进。在生成修复补丁前等待我的批准。使用英式拼写。避免使用破折号。"

没有 John Wick 的框架设定，没有"你是一名付费专家"的戏份。指令是直接的，结构是明确的，输出格式与客户和工程团队阅读的内容一致。

Claude Code 在这里无法做到的事

诚实列表——AI 辅助审计的天花板在哪里：

跨业务背景的战略优先级排序。Claude 可以按流量影响力对问题排名；但它无法告诉你，营销页面上 5,000 流量损失的问题为什么比公司正在逐步淘汰的已弃用产品页面上 50,000 流量损失的问题更重要。

竞争定位。Claude 可以机械地将你的 SERP 与竞争对手进行比较；但它无法告诉你，竞争对手赢是因为你在数据中看不到的品牌活动。

内容质量的编辑判断。Claude 可以统计标记内容过薄的问题。是否应该删除这些内容、扩展内容还是将其作为低价值但利基相关的页面保留，这是人类的决定。

利益相关者沟通。审计的成败取决于如何向客户团队呈现。这种呈现方式是人类的工作。

将 Claude Code 视为审计中的高级工程协作者，而不是高级策略师。审计中那 30% 的判断工作仍然是你的。

诚实的成本

一次 1,000 页审计的 Claude API 成本在 Sonnet 级别定价下大约是 8 到 25 美元。Puppeteer 爬虫、Lighthouse 运行和 Postgres 查询是免费的；成本完全来自模型 token。传统的人工审计按代理商费率计算需要 5,000 到 25,000 美元。成本差距是真实的，也是这个工作流将在 18 个月内成为标准的原因。

劳动力转移了，没有消失。审计仍然需要高级 SEO 人员来运行提示、解释输出并拥有战略优先级。消失的是那 6 小时的爬虫、解析和聚合工作——这些是高级人员永远不应该花时间做的事。

底线

Claude Code 配合真实的 MCP 堆栈，能将 SEO 审计的 70% 工作压缩到 90 分钟内完成。剩余的 30%（判断、优先级排序、沟通）仍然是人工工作，而且收益比以往任何时候都高，因为那 70% 的繁琐工作成本已经降到接近零。

在 12 个月内，采用这一工作流的代理商将在定价上超越那些没有采用的公司。学会这套方法的资深 SEO 会变得更有价值，而不是更少，因为他们的判断力成为了输出量的瓶颈。

在 Seahawk Media，我们在客户项目中使用这套工作流运行技术 SEO 审计，起价为 2,500 美元。首次咨询免费，审计交付物是同样的 10 项优先级排序清单，无论你选择哪个代理商服务等级都一样。

Pick your view

我如何在2026年使用Claude Code进行技术性SEO审计