claude-seo 首页改写提示词实战：基于 FLOW 框架生成可执行的本地 SEO 交付物
【免费下载链接】claude-seoUniversal SEO skill for Claude Code. 26 sub-skills + 19 sub-agents covering technical SEO, E-E-A-T, schema, GEO/AEO, agent readiness (Lighthouse Agentic Browsing, WebMCP, llms.txt), backlinks, local SEO, e-commerce, international SEO, Google APIs, and PDF/Excel reporting. 9 optional extensions for live SEO data.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-seo
本篇技术指南围绕 claude-seo 仓库中 Prompt: Rewriting Existing Homepage 这一 FLOW 提示词文档展开，讲解如何用一份结构化提示词，把「观察、假设、建议动作、待验证声明」分离，产出团队可直接执行的本地 SEO 首页改写交付物。读完本文，你将掌握该提示词的完整调用方式、六要素分析框架、输出文档结构，以及它在 claude-seo 的seo-flow技能中与本地 SEO 分析的协同用法。
一、这份提示词的定位：FLOW 提示词库中的 local 阶段成员
claude-seo 将 FLOW（Find → Leverage → Optimize → Win）证据驱动型 SEO 操作模型集成进seo-flow技能，内置 41 个分阶段提示词（CC BY 4.0），分布在 find、leverage、optimize、win、local 五个阶段，完整索引见 Prompt Library 索引。其中 local 阶段共 11 个提示词，本主题文档 prompt-rewriting-existing-homepage.md 是其中之一，专用于已有本地业务首页的改写。
同一目录下还有配套的 服务页改写提示词、AI 首页改写提示词、标题标签生成提示词、GBP 类目提示词 等。它们共享同一套「观察—假设—建议—验证」输出纪律，本文拆解的六要素结构在这 11 个提示词中通用。
从同步机制看，这些提示词并非手工维护：仓库根目录的 scripts/sync_flow.py 会从上游 FLOW 仓库拉取docs/09-prompts/{stage}下的 Markdown 文件，重写其中的相对链接后写入skills/seo-flow/references/prompts/，并依据 flow-prompts.lock 中的 SHA-256 基线生成漂移报告（ADDED / CHANGED / REMOVED）。这意味着本文讲解的提示词文本会随上游更新而演进，使用时以仓库当前同步版本为准。
二、何时使用：结构化交付物与事实分离
原文档「Use This When」一节明确了适用场景：
Use this prompt when you need a structured local deliverable and want the model to separate observations, assumptions, recommended actions, and claims that need verification.
翻译成实操语言：当你需要一份结构化本地交付物，并且希望模型把以下四类信息明确区分时使用：
| 信息类别 | 含义 | 处理要求 |
|---|---|---|
| Observations（观察） | 来自输入证据的客观事实 | 直接引用输入，不加工 |
| Assumptions（假设） | 模型推断、数据缺失处的补全 | 必须显式标注为假设 |
| Recommended actions（建议动作） | 按优先级排序的改动 | 给出执行顺序 |
| Claims needing verification（待验证声明） | 发布前需核实来源的论断 | 单独列入验证清单 |
这正对应 FLOW 框架的质量标准（见 FLOW Framework）：公开论断要么使用已验证来源、要么保持定性表述；示例必须是通用的或为本仓库新建的；私有编辑笔记只能用于识别候选概念，绝不能作为公开文案。首页改写是最容易引入「拍脑袋数据」的场景，这条纪律防止交付物污染。
三、完整提示词：六要素分析骨架
原文档给出的提示词模板是整份文档的核心，必须原样继承。将其复制进任意支持长上下文的推理模型即可使用：
Act as a senior SEO strategist using the FLOW model. Task: create a local deliverable for: [BUSINESS OR ASSET]. Use only the supplied inputs and clearly label any assumption. Do not invent statistics. Do not reuse private examples. Build the answer around: 1. Searcher or buyer intent. 2. Evidence available now. 3. Gaps that block trust, extraction, or conversion. 4. Recommended changes in priority order. 5. Measurement events and review cadence. 6. Claims that require source verification before publication. Return a concise working document the team can execute.逐条拆解这六要素在首页改写场景下的含义：
- Searcher or buyer intent（搜索者/买家意图）：先定义搜索表面再动笔。FLOW 框架要求在下笔前明确页面服务的搜索表面——自然结果、AI 答案、本地包（local pack）、社区讨论、付费落地页还是销售辅助页。本地首页通常是「本地包 + 自然结果」双表面，意图往往混合了「找地址电话」（导航型）与「评估服务商资质」（交易型）。
- Evidence available now（现有证据）：只使用供给的输入，不做无依据延伸。可用证据包括分析数据、搜索结果、通话记录、评论、档案事实（profile facts）与来源笔记。
- Gaps that block trust, extraction, or conversion（阻碍信任、抽取或转化的缺口）：这一条是本提示词与 FLOW「Optimize」阶段的衔接点——资产是否难以被搜索引擎抽取（extraction）、是否难以建立信任（trust）、是否难以促成转化（conversion）。首页缺 NAP、缺证明、缺明确 CTA 都属于此类缺口。
- Recommended changes in priority order（按优先级排序的建议改动）：输出必须是可执行的变更清单，而非泛泛建议。
- Measurement events and review cadence（度量事件与复盘节奏）：FLOW 的测量原则是平衡记分卡——既跟踪可见性指标（排名、展示、本地包出现、引用、AI 提及），也连接业务指标（合格线索、来电、表单完成、销售机会、辅助转化、重复出现的反对理由）。若页面无法测量，就先补测量事件再评判绩效。
- Claims that require source verification（发布前需验证来源的声明）：对应 FLOW 常见失败模式第一条——「因为听起来熟悉就发布统计数字，而不是因为来源已被加载并标注日期」。模型不得虚构统计，含数字的论断必须能追溯到 Bibliography 文献表。
模板同时有三条硬性禁令：只用供给的输入（Use only the supplied inputs）、不虚构统计（Do not invent statistics）、不复用私有示例（Do not reuse private examples）——后者与 FLOW 的质量标准「私有编辑笔记不得作为公开散文」一脉相承。
四、输入准备：五类必要输入
原文档「Inputs」列出了五类输入，缺一不可：
- Business or website name（企业或网站名称）：交付物的主语。
- Target page, profile, query set, or campaign（目标页面、档案、查询集或活动）：本次改写作用的对象边界，避免模型越界优化无关页面。
- Audience and geography where relevant（相关受众与地理范围）：本地 SEO 的必备维度——服务城市、服务半径、区域语言习惯直接决定标题与正文措辞。
- Existing evidence（现有证据）：analytics（分析数据）、search results（搜索结果）、calls（通话记录）、reviews（评论）、profile facts（档案事实）、source notes（来源笔记）。证据越充分，模型输出中的假设比例越低。
- Constraints, exclusions, and required sources（约束、排除项与必需来源）：例如「不得改动既有 URL」「必须保留原电话号」「统计必须引用文献表」等硬性边界。
从 claude-seo 的调用入口看，这些输入对应 seo-flow SKILL.md 中/seo flow local [url]的执行逻辑：读取references/prompts/local/全部文件后，将其应用到目标 URL 的本地 SEO 上下文，并交叉引用/seo local <url>与/seo maps进行完整本地分析。也就是说，输入中的「现有证据」通常由 seo-local 技能的分析结果提供。
五、输出结构：六部分可执行文档
原文档「Output」规定了交付物的六部分：
| 输出部分 | 首页改写场景下的具体内容 |
|---|---|
| Executive summary（执行摘要） | 一页纸说明现状、核心问题与本次改写的目标 |
| Priority table（优先级表） | Critical > High > Medium > Low 分级的改动清单，直接映射六要素第 4 条 |
| Recommended copy, structure, or audit findings（推荐的文案、结构或审计发现） | 首页新的标题层级、区块顺序、证明素材摆放位置，或审计发现的缺陷清单 |
| Evidence needed（所需证据） | 尚缺的数据与来源，例如「缺最近 3 个月评论快照」「缺通话转化数据」 |
| Measurement plan（测量计划） | 度量事件定义、工具与复盘节奏，对应六要素第 5 条 |
| Verification checklist（验证清单） | 发布前逐项核对的声明与来源，对应六要素第 6 条 |
这份结构与 seo-local 技能 的输出规范高度一致——后者要求生成LOCAL-SEO-ANALYSIS-{domain}.md，包含本地 SEO 评分（XX/100 与维度分解表）、业务类型（实体门店 / 服务区域型 SAB / 混合型）、行业垂直、GBP 优化清单、评论健康快照、NAP 一致性审计、引用存在性检查、本地 Schema 状态、前 10 项优先动作（Critical > High > Medium > Low）以及局限声明。提示词的输出结构是这一分析流程的「改写阶段」收口：分析给出问题，提示词给出可执行的改写方案。
六、示例解读：从薄弱证明到优先改写简报
原文档「Example」给出了一个高度凝练的场景示例：
Input: a local service page with weak proof and inconsistent profile details. Expected output: a prioritized rewrite brief, facts to reconcile, internal links to add, and the conversion event to measure.
输入侧的两个特征——证明薄弱（weak proof）与档案细节不一致（inconsistent profile details）——分别命中 FLOW 的 Optimize 阶段两大痛点：资产难以建立信任、实体事实彼此冲突。期望输出侧对应四类交付物：
- Prioritized rewrite brief（优先改写简报）：对应六要素第 4 条的优先级表。
- Facts to reconcile（需核对的事实）：这是本地 SEO 特有的动作——NAP（Name, Address, Phone）在页面 HTML、JSON-LD Schema、GBP 档案三处来源出现不一致时必须逐一比对修正。seo-local 技能专门将「页面 vs Schema vs GBP 三方 NAP 对比」列为审计维度，并给出「修补任何 NAP 差异」作为 Quick Win。
- Internal links to add（需新增的内部链接）：对应 seo-local 的 hub-and-spoke 内链架构建议——每个关键页面距首页 3 次点击以内，每 1000 词 2-5 个上下文相关内链且使用描述性锚文本。首页改写必须同步规划指向服务页、位置页的内链。
- Conversion event to measure（待测量的转化事件）：对应六要素第 5 条。对本地业务，典型转化事件是点击呼叫（
tel:链接）、表单提交、路线请求（get directions）。FLOW 框架强调「如果页面无法测量，先补测量事件再评判绩效」。
七、AI 兼容性与适配策略
原文档「AI Compatibility」指出该提示词适用于长上下文推理模型；对较小模型，应提供更窄的输入，并一次只要求输出一个部分。
结合 claude-seo 的编排逻辑，这意味两种适配路径：
- 长上下文模型：一次性供给全部五类输入，要求完整输出六部分交付物，一次跑完全部六要素。
- 小模型：把输入拆窄（例如只给首页 URL + NAP 来源），分六次执行——先要执行摘要，再要优先级表，再要推荐文案……每次只产出独立章节，最后人工拼接。
从源码实现看，这种「按需加载」是 seo-flow 技能的一贯原则：SKILL.md 明确要求运行时不加载全部 41 个提示词，只在用户请求某阶段时加载对应目录文件；optimize 阶段 21 个提示词更是要求先按行业垂直、先前技能输出、URL 信号三个维度筛出 2-3 个最相关的再加载。首页改写提示词也应遵循同样的「上下文节制」哲学——提示词模板只是骨架，输入质量与上下文范围决定输出质量。
八、证据边界：为什么六要素第 6 条如此关键
FLOW 框架文档 flow-framework.md 记录了 2026 年搜索环境的几个关键事实：Ahrefs 2025 年 12 月数据集显示 AI Overview 出现时第一位的平均 CTR 低 58%；seoClarity 抽样显示 ChatGPT 引用最多的前 1000 个 URL 中 25% 在 Google 没有自然可见度。这解释了为什么首页改写必须同时面向「人类读者」和「只拥有本仓库信息的 AI Agent」两重读者——AI 摘要是新的抽取表面。
正因如此，提示词对统计数字采取零容忍：任何含数字的论断必须能追溯到 bibliography.md 中的具体来源（该文件为每个 Web 来源记录检索日期与用途，为每个 PDF 来源记录哈希、页数与处理动作）；无来源的统计一律不得写入交付物。这是原文档「Do not invent statistics」在仓库层面的执行机制。
九、在 claude-seo 中的完整落地工作流
结合原文档与仓库实现，一个完整的「本地首页改写」工作流可以编排如下：
- 数据采集：运行
/seo local <url>获取本地 SEO 分析报告（业务类型、垂直、GBP 信号、评论健康、NAP 差异、Schema 状态、优先动作）。 - 证据整理：将分析报告 + 通话/评论/搜索数据汇总为「现有证据」输入包；需要实时本地包位置或 GBP 数据时，可接入可选的 DataForSEO MCP 工具（
local_business_data、google_local_pack_serp、business_listings）。 - 调用提示词：运行
/seo flow local <url>，加载 local 阶段提示词目录，将本文的首页改写提示词应用于目标 URL，填入企业名称、目标页面、地域、证据与约束。 - 生成交付物：得到执行摘要、优先级表、推荐文案/结构、所需证据、测量计划、验证清单六部分。
- 验证发布：按验证清单逐项核对声明来源，修正 NAP 三方差异，补充内链，定义转化事件，再执行改写。
- 复盘迭代：按测量计划设定的节奏复查排名、展示、本地包出现、来电与表单数据，将新证据回填到下一轮输入。
在跨技能协同上，SKILL.md 的编排逻辑还给出了交叉引用路径：本地分析如需更细粒度，可转/seo cluster做 SERP 聚类、/seo backlinks查外链、/seo geo做 AI 可见性评估、/seo sxo做人物角色评分。首页改写提示词是这条证据链的最终执行端——把散落的分析结论收敛成一份团队能直接执行的改写文档。
十、溯源与再使用
原文档标注「Derived from the Local SEO Knowledge Base structure and rewritten for public use with the repository evidence standard」，即来源于 Local SEO 知识库结构，按仓库证据标准重写为公开用途。提示词库整体版权归 Daniel Agrici（CC BY 4.0），seo-flow 技能每次激活（含任意子命令）都会在分析前输出归属声明，同步时 sync_flow.py 也会在每个文件头部写入来源与许可注释（<!-- Source: github.com/AgriciDaniel/flow | License: CC BY 4.0 | Synced: 日期 -->）。复用或改编本提示词时，请保留这一归属要求。
【免费下载链接】claude-seoUniversal SEO skill for Claude Code. 26 sub-skills + 19 sub-agents covering technical SEO, E-E-A-T, schema, GEO/AEO, agent readiness (Lighthouse Agentic Browsing, WebMCP, llms.txt), backlinks, local SEO, e-commerce, international SEO, Google APIs, and PDF/Excel reporting. 9 optional extensions for live SEO data.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-seo
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
