做了10年独立站SEO，我见多了一上来就对着网页版AI聊天框输入“帮我写一篇关于某某产品的文章”的新手。这种做法最大的问题是：上下文容易丢失、Prompt（提示词）越写越长导致模型变傻，最后产出的全是带有极强“AI味”的同质化废话。

真正能形成降维打击的玩法，是脱离网页版，在 VS Code 中通过代码和命令行构建一个“结构严密、职责分明、带自动纠错功能”的虚拟内容生产工厂。

下面我为你详细拆解如何在 VS Code 中搭建这套 Claude SOP（标准操作程序）文件目录，以及它的底层运转逻辑。

一、 在 VS Code 中一秒建好目录架构

不要手动去新建文件夹，直接在 VS Code 按 `Ctrl + `` 打开终端（Terminal），复制这行命令并回车，一秒钟搭好底层框架：

cd /d/home/工作资料/Claude/SEO

Windows

# 1. 强制创建所有多层级文件夹
mkdir seo-workflow\inputs -Force
mkdir seo-workflow\references -Force
mkdir seo-workflow\templates -Force
mkdir seo-workflow\scripts -Force
mkdir seo-workflow\rules -Force
mkdir seo-workflow\outputs\v1 -Force
mkdir seo-workflow\outputs\v2 -Force
mkdir seo-workflow\outputs\final -Force
mkdir seo-workflow\.claude\agents -Force

# 2. 进入项目主控根目录
cd seo-workflow

# 3. 批量生成所有各司其职的空文件
New-Item -ItemType File CLAUDE.md -Force
New-Item -ItemType File inputs\product-spec.md -Force
New-Item -ItemType File inputs\company-facts.md -Force
New-Item -ItemType File inputs\target-keywords.md -Force
New-Item -ItemType File references\nlp-word-list.txt -Force
New-Item -ItemType File references\competitor-analysis.md -Force
New-Item -ItemType File references\knowledge-gaps.md -Force
New-Item -ItemType File templates\seo-plan-template.md -Force
New-Item -ItemType File templates\html-page-template.html -Force
New-Item -ItemType File scripts\seo-audit.py -Force
New-Item -ItemType File scripts\export-html.py -Force
New-Item -ItemType File scripts\wp-deploy.py -Force
New-Item -ItemType File rules\anti-patterns.md -Force
New-Item -ItemType File .claude\agents\seo-specialist.md -Force

mkdir -p seo-workflow/{inputs,references,templates,scripts,rules,outputs/{v1,v2,final},.claude/agents}
cd seo-workflow
touch CLAUDE.md inputs/product-spec.md inputs/company-facts.md inputs/target-keywords.md
touch references/nlp-word-list.txt references/competitor-analysis.md references/knowledge-gaps.md
touch templates/seo-plan-template.md templates/html-page-template.html
touch scripts/seo-audit.py scripts/export-html.py scripts/wp-deploy.py
touch rules/anti-patterns.md
touch .claude/agents/seo-specialist.md

二、 为什么要这么建？每个文件夹的作用与冷门打法

这套架构的核心逻辑是**“按需读取”和“解耦”**。不要把几千字的背景资料全塞进一个提示词里，那样会撑爆 AI 的内存。

1. CLAUDE.md（项目总控大脑）

• 作用：它不是长篇大论的提示词，而是“调度枢纽”和“交通规则”。
• 用法：在里面写明：“需要产品参数去读 inputs/；需要查词频去读 references/；如果报错必须停止并反思”。AI 在执行时会自动去对应文件夹拉取信息，极大节省系统内存。

2. rules/（系统灵魂：“记仇本”）

• 作用：业内极少有人用的顶级防错机制。AI 昨天犯的错，今天不能再犯。
• 用法：里面放一个 anti-patterns.md。在总控里定下铁律：如果脚本报错（比如漏掉了某个关键词），AI 必须自己分析原因，并把“防范规则”永久写入这个文件。下次写新文章前，系统强制它先读错题本，绝对不踩第二次坑。

3. inputs/ 与 references/（专治 AI 幻觉的紧箍咒）

• 作用：inputs/ 放你的第一手硬核物料（产品参数、公司真实年份、CE认证等）；references/ 放竞品基准（比如从 NeuronWriter 导出的 TF-IDF 词频表，以及竞品没写透的知识缺口）。
• 用法：立下规矩：参数表里没有的数据，严禁瞎编，必须标出 [需补充真实数据]。同时在商业段落，强制 AI 扫描模糊形容词（如“很多年”），替换为 inputs/ 里的真实数据（如“15年工厂直销”）来拉升谷歌看重的 E-E-A-T 信任信号。

4. scripts/（冷血的 Python 裁判）

• 作用：依靠 AI 自己检查自己，它一定会盲目自信。必须用代码卡死质量下限。
• 用法：写完初稿后，系统自动调用 seo-audit.py 统计词频覆盖率。如果 Content Score 算出来不到 91 分，脚本直接在终端抛出红字 Error，强制打回重写。

5. .claude/agents/（防止精神分裂的外包审核员）

• 作用：让同一个 AI 既写文章又当 SEO 审核员，它会严重消耗上下文并陷入逻辑混乱。
• 用法：利用 Subagents（子代理）功能，建立一个 seo-specialist.md。主线写完稿子后，直接发包给这个拥有完全独立、干净上下文的子代理去冷酷挑刺，审完只退回修改意见。

--------------------------------------------------------------------------------

三、 支柱页 (Pillar Page) 与主题群 (Topic Clusters) 的实战落地

在独立站后期，单篇文章是撑不起权重的。你必须建立一个“支柱页 + 主题群”的矩阵。

1. 什么是支柱页与主题群？ 支柱页是一篇全面、宽泛覆盖某个大话题的深度指南（比如：“结构钢机器人焊接终极指南”）。而主题群则是围绕这个大话题展开的多个具体、细分的子文章（比如：“焊接机器人前期投资成本是多少？”、“如何维护焊接设备？”）。集群文章需要全部内链指回支柱页，形成极强的拓扑权重网络。

2. 怎么让主题群的内容包含真正有用、不重叠的各个话题？

这里有一个反常识的打法：不要靠脑袋去猜话题，也不要单纯依赖关键词工具的搜索量（那都是滞后指标）。

• 第一步：用 Perplexity 挖真空区。让 Perplexity 去扫描 Reddit 和 Quora，找出用户天天在抱怨、但目前排名前三的竞品根本没有回答的“知识缺口”。
• 第二步：用 NotebookLM 玩矛盾提问法。把搜集到的竞品PDF和网页塞进 NotebookLM（确保它不联网瞎编），问它：“如果我要给新手讲透这个话题，目前的资料还有哪些明显的信息空白？它们遗漏了什么非主流视角？”。这找出来的，就是你主题群要写的核心子话题。
• 第三步：用买家旅程 (Buyer Journey) 强制覆盖。在生成大纲时，使用极其苛刻的 35/30/20/15 搜索意图矩阵：
  • 35% 信息型 (Informational)：给刚了解概念的小白（科普、定义）。
  • 30% 商业调研 (Commercial Investigation)：给在对比产品的客户（优缺点、竞品对比）。
  • 20% 评估型 (Evaluative)：给找服务商的客户（真实案例、ROI计算）。
  • 15% 交易型 (Transactional)：给准备询价的客户（价格透明度、售后保障）。

3. 在 VS Code 中的执行指令 当你理清了上面的逻辑，你就可以在你的 seo-workflow 目录下调用子代理，用这样一个高阶指令来生成集群规划：

“读取 references/knowledge-gaps.md。基于现有缺口，设计一个关于 [核心话题] 的支柱页与主题群结构。

1. 规划 1 篇支柱页和 8-10 篇集群文章。
2. 必须覆盖买家旅程的四个阶段（信息、商业调研、评估、交易）。
3. 为每篇集群文章提供：核心长尾词、搜索意图，以及它该如何自然地内链回支柱页。”

最后，在你的工作流中执行 9f 博客矩阵反思检查点，让 AI 自己审查：话题覆盖有没有缺口？集群拓扑结构是否合理？是否存在两个集群页面互相抢流量（关键词蚕食）的风险？。

这种工程化的流程跑通后，你产出的就不是孤立的文章，而是一张谷歌无法拒绝的专家级内容网。