SEO 中的 Agentic AI：用于构思的 AI 代理和工作流程（第 1 部分）
Posted: Sun Mar 23, 2025 10:16 am
两年多以来，出现了一个名为 Agentic SEO 的新概念。
其想法是使用基于语言模型 (LLM) 的代理来执行 SEO，这些代理可以自主或半自主地执行复杂任务，从而节省 SEO 专家的时间。
当然，人类仍然在指导这些代理并验证结果。
如今，随着ChatGPT、Claude、Gemini和其他强大的 LLM 工具的出现，使用代理实现复杂流程的自动化变得非常容易。
因此，Agentic SEO 是使用 AI 代理来优化 SEO 效率。它不同于生成式引擎优化 (GEO)，后者旨在改善 SEO，使其在由 LLM 支持的搜索引擎上可见，例如 SearchGPT、Perplexity 或AI Overviews。
这一概念基于三个主要杠杆：构思、审核和生成。
在第一章中，我将重点讨论构思，因为有很多内容需要探索。
在我们的下一篇文章中，我们将看到如何将此概念应用于审计（完整的网站分析并进行实时更正），以及如何使用“人在环”——或者更确切地说是“SEO专家在环”——方法生成缺失的内容。
AI代理和工作流程
在介绍有关构思的详细用例之前，必须解释代理的概念。
人工智能代理
图片来自作者，2025 年 2 月
人工智能代理至少需要五个关键要素才能发挥作用：
工具：这些是代理可用的所有资源和技术功能。
内存：用于存储所有交互，以便代理可以记住之前在讨论中分享的信息。
说明：定义其限制和规则。
知识：这是包含代理可以用来解决问题的概念的数据库；它可以使用 LLM 或外部数据库的知识。
角色：定义了它的“个性”和它的专业水平，特别是它的互动方式。
工作流
工作流允许将复杂的任务分解为更简单的子任务并以逻辑方式链接在一起。
它们在 SEO 中很有用，因为它们有助于收集和处理执行特定 SEO 操作所需的数据。
此外，近几个月来，人工智能提供商（OpenAI、Claude 等）已经从简单地提供模型转向丰富用户体验。
例如，ChatGPT 或 Perplexity 中的深度研究功能并不是一个新模型，而是一种允许通过几个步骤执行复杂搜索的工作流程。
这个过程如果由人类来做的话需要几个小时，而人工智能代理只需几十分钟就能完成。
图片来自作者，2025 年 2 月
上图说明了一个简单的 SEO 工作流程，它从“数据和约束”开始，为名为“工具 SEO 1”的工具提供数据以执行特定操作（例如 SERP 分析或抓取）。
接下来，我们有两个 AI（IA 1 和 IA 2）进行干预以生成特定内容，然后是“HITL”（Human In The Loop，人机循环）步骤，然后才到达可交付成果。
尽管人工智能和自动化发挥着核心作用，但人类的监督和专业知识对于确保质量结果仍然至关重要。
用例：构思
让我们从构思开始。如你所知，人工智能擅长开拓各种可能性。
通过正确的方法，可以推动人工智能探索有关某个主题的每一个可以想象的想法。
然后，SEO 专家将根据他们的经验选择、改进并优先考虑最佳建议。
大量实验已经证明了人类创造力与人工智能之间的这种协同作用的积极影响。
下面是 Ethan Mollick 在 X（推特）上发布的图表，展示了有无 AI 情况下创作过程的基准：
图中展示了分配给不同来源的创造力分数（从 0 到 10）的分布：ChatGPT、Bard（现为 Gemini）、人类控制组（HumanBaseline）、与 AI 合作的人类组（HumanPlusAI）以及另一个对抗 AI 的组（HumanAgainstAI）。
横轴表示感知的创造力水平，纵轴表示每个分数的频率（密度）。
我们可以看到，HumanPlusAI对应的曲线总体 阿富汗电话号码数据 向右移动，这意味着评估者认为这种人机协作是最具创造性的方法。
相反，ChatGPT和Gemini的平均分数虽然较高，但仍低于人机协同所获得的分数。
最后，HumanBaseline 组（仅有人类）的表现略低于 Human+AI 二人组，而 HumanAgainstAI 组创造力最差。
人工智能本身就能产生令人印象深刻的成果，但只有与人类的专业知识和敏感性相结合，才能实现最高水平的创造力。让我给你举几个具体的例子。
深度研究等工具
在现有的工具中，深度研究因其通过几个步骤进行深入研究的能力而脱颖而出，为创意提供了宝贵的灵感来源。
我建议使用这个开源版本；如果您愿意，您也可以使用 OpenAI 或 Perplexity 版本。
它是如何工作的？
该图描述了开源深度研究工具的操作。
它生成并执行搜索查询，抓取结果页面，然后递归探索有希望的线索，最后以 Markdown 格式生成详细报告。
其想法是使用基于语言模型 (LLM) 的代理来执行 SEO，这些代理可以自主或半自主地执行复杂任务，从而节省 SEO 专家的时间。
当然，人类仍然在指导这些代理并验证结果。
如今，随着ChatGPT、Claude、Gemini和其他强大的 LLM 工具的出现，使用代理实现复杂流程的自动化变得非常容易。
因此，Agentic SEO 是使用 AI 代理来优化 SEO 效率。它不同于生成式引擎优化 (GEO)，后者旨在改善 SEO，使其在由 LLM 支持的搜索引擎上可见，例如 SearchGPT、Perplexity 或AI Overviews。
这一概念基于三个主要杠杆：构思、审核和生成。
在第一章中，我将重点讨论构思，因为有很多内容需要探索。
在我们的下一篇文章中，我们将看到如何将此概念应用于审计（完整的网站分析并进行实时更正），以及如何使用“人在环”——或者更确切地说是“SEO专家在环”——方法生成缺失的内容。
AI代理和工作流程
在介绍有关构思的详细用例之前，必须解释代理的概念。
人工智能代理
图片来自作者，2025 年 2 月
人工智能代理至少需要五个关键要素才能发挥作用：
工具：这些是代理可用的所有资源和技术功能。
内存：用于存储所有交互，以便代理可以记住之前在讨论中分享的信息。
说明：定义其限制和规则。
知识：这是包含代理可以用来解决问题的概念的数据库；它可以使用 LLM 或外部数据库的知识。
角色：定义了它的“个性”和它的专业水平，特别是它的互动方式。
工作流
工作流允许将复杂的任务分解为更简单的子任务并以逻辑方式链接在一起。
它们在 SEO 中很有用，因为它们有助于收集和处理执行特定 SEO 操作所需的数据。
此外，近几个月来，人工智能提供商（OpenAI、Claude 等）已经从简单地提供模型转向丰富用户体验。
例如，ChatGPT 或 Perplexity 中的深度研究功能并不是一个新模型，而是一种允许通过几个步骤执行复杂搜索的工作流程。
这个过程如果由人类来做的话需要几个小时，而人工智能代理只需几十分钟就能完成。
图片来自作者，2025 年 2 月
上图说明了一个简单的 SEO 工作流程，它从“数据和约束”开始，为名为“工具 SEO 1”的工具提供数据以执行特定操作（例如 SERP 分析或抓取）。
接下来，我们有两个 AI（IA 1 和 IA 2）进行干预以生成特定内容，然后是“HITL”（Human In The Loop，人机循环）步骤，然后才到达可交付成果。
尽管人工智能和自动化发挥着核心作用，但人类的监督和专业知识对于确保质量结果仍然至关重要。
用例：构思
让我们从构思开始。如你所知，人工智能擅长开拓各种可能性。
通过正确的方法，可以推动人工智能探索有关某个主题的每一个可以想象的想法。
然后，SEO 专家将根据他们的经验选择、改进并优先考虑最佳建议。
大量实验已经证明了人类创造力与人工智能之间的这种协同作用的积极影响。
下面是 Ethan Mollick 在 X（推特）上发布的图表，展示了有无 AI 情况下创作过程的基准：
图中展示了分配给不同来源的创造力分数（从 0 到 10）的分布：ChatGPT、Bard（现为 Gemini）、人类控制组（HumanBaseline）、与 AI 合作的人类组（HumanPlusAI）以及另一个对抗 AI 的组（HumanAgainstAI）。
横轴表示感知的创造力水平，纵轴表示每个分数的频率（密度）。
我们可以看到，HumanPlusAI对应的曲线总体 阿富汗电话号码数据 向右移动，这意味着评估者认为这种人机协作是最具创造性的方法。
相反，ChatGPT和Gemini的平均分数虽然较高，但仍低于人机协同所获得的分数。
最后，HumanBaseline 组（仅有人类）的表现略低于 Human+AI 二人组，而 HumanAgainstAI 组创造力最差。
人工智能本身就能产生令人印象深刻的成果，但只有与人类的专业知识和敏感性相结合，才能实现最高水平的创造力。让我给你举几个具体的例子。
深度研究等工具
在现有的工具中，深度研究因其通过几个步骤进行深入研究的能力而脱颖而出，为创意提供了宝贵的灵感来源。
我建议使用这个开源版本；如果您愿意，您也可以使用 OpenAI 或 Perplexity 版本。
它是如何工作的？
该图描述了开源深度研究工具的操作。
它生成并执行搜索查询，抓取结果页面，然后递归探索有希望的线索，最后以 Markdown 格式生成详细报告。