基于 Gemini 模型做 SEO Agent 简单实战

当 SEO 不再是“关键词 + 外链”的老三板，而是“Agent + 多模态 + 策略协同”的新范式，你准备好了吗？这篇文章不仅是一场技术实战，更是一种关于 AI 如何重构内容价值链的思维演练。

上上周去上海参加了 Google I/O 大会，会上介绍了 Gemini 2.5 系列模型，开源 Gemma 模型，以及好多 AI 开发者工具，还有站台上很多有意思的实践案例。

我们就想，能不能基于 Google 的模型也做点有价值的尝试。

刚好最近看到一个视频，一位名为 James 的营销人用 Claude Code，仅用 24 小时就让一个全新卡车维修网站冲上谷歌多个核心词前三，并立刻带来 3000 美金收入。

想在谷歌上获得排名，传统 SEO 往往要半年时间，靠关键词研究、内容铺设和外链建设一步步积累。

他的方法论是 AI 驱动的 SEO 新逻辑：用 AI 完成关键词分析、生成深度本地化内容矩阵、自动化技术诊断和修复，再加上多 Agent 并行优化和性能提升，把原本漫长的流程压缩到极致。

对于出海企业而言，这样的逻辑意义尤其突出。相比国内市场，海外用户的搜索习惯高度依赖 Google，排名直接决定了产品和品牌的可见度。SEO 不仅是获取自然流量的长期手段，更是跨境获客的性价比最高的渠道之一。能否在 Google 上快速建立权重，往往直接决定了一个出海项目能否脱颖而出。

因此我们想到，是不是可以制作一个 SEO 的智能体。

其中该 Agent 整体分为两个部分：

一是基础数据的获取；

二是对数据情况的分析以及策略生成。

基于已有的 SEO 经验，再借助 AI 的辅助能力，我们大致可以梳理出，要让一个智能体真正具备 SEO 执行力，需要掌握的数据类型主要包括以下几类：

对于一些基本信息和网页结构以及关键词密度的相关数据，我们可以使用 playwright 这个库进行爬取并解析整理。

而对于 SERP 和 Traffic 这样的数据，则可以通过开源项目和 API 获取，如使用 OpenSerp 获取 SERP 的相关数据，以及使用
https://data.similarweb.com/api/v1/data?domain={域名} 获取。

而关于 SEO 分析和优化策略方面，则交由 Gemini 2.5 Pro 来完成（Gemini 在 SEO 的理解和策略方面，经过我们的测试，发现比其他几家要来的更优秀一些，或许 Google 家的模型天然就带有出海基因）

那么万事具备，我们就可以着手开发了，这里我们选择一个非常轻量的 Agent 开发框架，核心代码仅 700 行，相比于主流但大且抽象的 LangChain 等框架，它非常适合项目的 Demo。

https://github.com/JiayuXu0/ZipAgent

接下来就是具体的数据获取思路和分析，这里会涉及到一些 SEO 相关的知识，如果不了解的小伙伴也可以询问 AI。

首先是 Title – Description – Keywords 的获取，也就是常说的 TDK，这里我们可以直接通过访问网页获取，然后解析对应的标签就可以得到。访问网页方面，我们统一使用 playwright。

然后是 robots.txt，sitemap.xml，这两个也非常重要，有利于搜索引擎爬虫探索网站。robots.txt 控制爬虫访问权限，sitemap.xml 提供网站页面结构化列表帮助快速索引。其中，robots.txt 会直接在网站根目录下被访问，并一般带有 sitemap.xml 文件路径的说明。

接下来则是对网页结构的分析，优秀的网页结构会有利于搜索引擎爬虫去理解，这里主要是 HTML 的语义化标签，如