内容结构

AI 理解网页的第一步，是读懂你的信息层级。

为什么内容结构对 AI 如此重要？

大语言模型在浏览网页时，首先解析的是 语义结构 而非视觉样式。 清晰的 HTML 结构告诉 AI：什么是标题、什么是段落、什么是列表、什么是导航。 如果内容结构混乱，AI 的理解就会出现偏差甚至完全错过关键信息。

语义 HTML 的核心原则

• 正确的标题层级 — 使用 <h1> 到 <h6> 构建内容大纲，不跳级。每个页面只有一个 <h1>。
• 语义化标签 — 使用 <nav>、<main>、<article>、<section>、<aside> 标记页面区域。
• 链接描述性文本 — 避免"点击这里"，使用能独立描述目标内容的锚文本。
• 干净的 URL 结构 — 使用有意义的路径：/ai-ready/#content 优于 /page.php?id=3。
• Alt 文本 — 所有图片提供有意义的替代文本，帮助 AI 理解图像内容。

标题层级示例

Clean URL 设计

Schema — Schema.org 结构化数据

结构化数据是 AI 理解实体关系的通用语言。

什么是 Schema.org？

Schema.org 是 Google、Microsoft、Yahoo 和 Yandex 联合推出的结构化数据词汇表。 它用统一的 JSON-LD 格式描述人、组织、产品、事件、文章等实体及其关系。 大语言模型在训练和推理时大量依赖 Schema.org 数据来理解实体和关系。

AI Ready 网站必加的 Schema 类型

• Organization — 组织/公司信息：名称、描述、Logo、联系方式
• Person — 个人品牌/创始人信息
• WebSite — 网站基本信息：名称、描述、语言、搜索功能
• WebPage — 每个页面的类型标注
• BreadcrumbList — 面包屑导航，帮助 AI 理解站点结构
• FAQPage — 常见问题（下一节详述）
• Article / BlogPosting — 文章和博客内容

完整 JSON-LD 示例

以下是一个组织+网站+面包屑的完整 JSON-LD 示例 — 本页面也使用了类似的模式。

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "Organization",
      "@id": "https://zkoner.com/#organization",
      "name": "zkoner",
      "description": "AI 时代企业数字基础设施构建者",
      "url": "https://zkoner.com",
      "logo": "https://zkoner.com/logo.png",
      "email": "243922774@qq.com",
      "address": {
        "@type": "PostalAddress",
        "addressLocality": "成都",
        "addressCountry": "CN"
      },
      "founder": {
        "@type": "Person",
        "name": "张明夷"
      }
    },
    {
      "@type": "WebSite",
      "@id": "https://zkoner.com/#website",
      "url": "https://zkoner.com",
      "name": "zkoner",
      "description": "AI 时代企业数字基础设施构建",
      "inLanguage": "zh-CN",
      "publisher": { "@id": "https://zkoner.com/#organization" }
    },
    {
      "@type": "BreadcrumbList",
      "@id": "https://zkoner.com/ai-ready/#breadcrumb",
      "itemListElement": [
        { "@type": "ListItem", "position": 1, "name": "首页", "item": "https://zkoner.com" },
        { "@type": "ListItem", "position": 2, "name": "AI Ready Website", "item": "https://zkoner.com/ai-ready/" }
      ]
    }
  ]
}
</script>

Schema 验证工具

• Schema.org Validator — 官方结构化数据验证工具
• Google Rich Results Test — 验证富媒体搜索结果
• Google 结构化数据文档 — 官方指南

FAQ — 结构化 FAQPage

FAQ 是 AI 最常引用的信息来源之一。用 Schema 标记后，AI 可以精确提取问答对。

为什么 FAQ 是 AI 可见度的关键？

当用户在 ChatGPT 或 Claude 中提问时，AI 会优先查找权威来源的结构化问答信息。 标注了 FAQPage Schema 的页面，AI 能够精确定位问题与答案的对应关系， 大幅提升被引用的概率和准确性。

FAQPage Schema 示例

以下是 zkoner.com 使用的 FAQPage JSON-LD 模式：

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "@id": "https://zkoner.com/ai-ready/#faqpage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "什么是 AI Ready Website？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "AI Ready Website 是指信息结构清晰、使用语义化 HTML、包含完整 Schema.org 结构化数据、提供机器可访问接口，并能持续更新的网站。这样的网站能被大语言模型准确理解、引用和推荐。"
      }
    },
    {
      "@type": "Question",
      "name": "Schema.org 和 SEO 有什么关系？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Schema.org 结构化数据同时服务传统搜索引擎（如 Google 的 Rich Snippets）和生成式 AI 引擎（如 ChatGPT 的引用检索）。它为 AI 提供了理解页面内容的实体关系框架。"
      }
    }
  ]
}
</script>

FAQ 最佳实践

• 真实问题 — 基于实际用户询问或搜索数据编写 FAQ，不要编造问题
• 完整答案 — 每个答案提供充分的上下文，不要只有一句话
• 定期更新 — 产品和行业变化后及时更新 FAQ
• 内链关联 — 答案中链接到相关内容页面，形成知识网络
• 每个页面一至多个 FAQ — 不要把全站所有 FAQ 放在一个页面里

知识库 — 机器可读的知识体系

把分散的信息组织成 AI 可以系统学习的知识网络。

从"页面"到"知识体系"

传统网站的信息是碎片化的：每篇文章、每个页面各自独立。AI 需要的却是 互联的知识网络。 一个 AI Ready 网站应该将内容组织为结构化的知识库，让 AI 可以追踪主题之间的关联。

核心实践

1. 内部链接策略

每个页面至少链接到 2-3 个相关主题页面。使用描述性链接文本而非泛泛的"了解更多"。 在 zkoner.com 上，GEO 页面 会链接到 AI Ready， 因为两者主题相关且互相增强。

2. llms.txt — 为 AI 准备的站点地图

llms.txt 是一份纯文本文件，放在网站根目录，为 AI 爬虫提供当前站点的核心信息摘要。 它为 AI 提供了一种无需解析 HTML 就能了解站点结构的途径。

# zkoner — AI Builder

> zkoner 帮助个人和企业构建 AI 可理解的信息结构、自动化工作流和增长系统。

## 核心页面

- [What is GEO](/geo/): Generative Engine Optimization 完整指南
- [AI Ready Website](/ai-ready/): AI 能理解的网站构建指南
- [Knowledge Base](/knowledge-base/): AI 时代知识体系构建
- [FAQ](/faq/): GEO、AI Ready、自动化相关问答
- [Case Studies](/case-studies/): 真实项目案例

3. 主题聚类

围绕核心主题建立内容集群。例如 zkoner.com 的"AI 可见度"主题下包含 GEO、AI Ready、 知识库 和 案例 四个子模块，彼此链接，形成一个完整的知识图。

4. 实体关系建模

在 Schema.org 中使用 @id 引用同一实体的不同关联页面。 例如在整个 zkoner.com 上，所有页面的 Organization 都使用相同的 @id: "https://zkoner.com/#organization"，告诉 AI 这些信息属于同一个实体。

API — 机器可访问的数据接口

让 AI 代理和自动化系统可以直接获取你的数据。

为什么 AI Ready 网站需要 API？

随着 AI Agent 和自动化工作流的普及，越来越多的 AI 系统不再浏览网页，而是直接调用 API 获取数据。 一个提供 机器可读接口 的网站，天然比仅提供 HTML 页面的网站更易被 AI 集成和引用。

推荐的 API 模式

• RESTful JSON API — 标准 HTTP 接口，返回 JSON 格式数据
• Webhook — 实时推送数据更新，适合 n8n 自动化管线
• RSS / Atom Feed — 内容更新通知，AI 训练常用数据源
• sitemap.xml — 提供完整的 URL 索引，帮助 AI 爬虫发现所有页面
• robots.txt — 清晰声明允许和禁止的爬取路径

zkoner.com 的 API 架构

API 设计原则

• 一致性 — 统一的 URL 命名规则和响应格式
• 版本化 — URL 中包含版本号（如 /api/v1/）
• 自描述 — 返回字段使用语义化命名，配合 Schema.org 词汇
• 速率限制 — 保护服务，同时提供合理的调用配额
• 认证可选 — 公开数据无需认证，敏感数据使用 API Key

持续更新 — n8n 自动化管线

AI 喜欢新鲜数据。自动化的内容管线是保持 AI 友好状态的工程保障。

为什么持续更新是 AI Ready 的关键？

AI 模型有数据新鲜度的偏好。同样的内容，更新频率更高的网站往往在 AI 回答中被优先引用。 但手动更新的成本太高，因此需要构建 自动化内容管线。

使用 n8n 构建自动更新管线

zkoner 使用 n8n 构建全自动的内容生成和发布系统。以下是一个典型的数据管线：

自动化更新内容类型

• SEO / GEO 内容 — 每日自动生成 AI 友好内容
• 结构化数据 — 自动生成和更新 JSON-LD
• FAQ 更新 — 基于用户搜索数据自动更新 FAQ
• 案例数据 — 从项目管理系统同步更新
• Sitemap 生成 — 自动生成并提交更新的 sitemap.xml

效果监测 — AI 可见度追踪

建设工作可衡量。用数据跟踪你的 AI 可见度变化。

如何监测 AI 可见度？

AI 可见度监测是 GEO（Generative Engine Optimization）的核心环节。 与传统 SEO 的排名追踪不同，GEO 监测关注的是：AI 在回答中包含了你多少次？引用的语境是什么？

监测维度

如何测试你的 AI 可见度

以下是一些你可以自行测试的场景：

• ChatGPT — 提问"什么是 GEO？"或"[你的公司名] 是做什么的？"，查看引用来源
• Claude — 在 Claude 中询问与你的专业领域相关的问题，检查引用
• Perplexity — 搜索你的品牌词，查看 AI 生成的摘要和引用
• Google AI Overviews — 在 Google 搜索与你业务相关的问题，查看 AI 摘要

本页面实践 — AI Ready 自查

这一页本身就是 AI Ready 的活体示范。以下是本页面遵循的原则。