claude-seo 的 FLOW Optimize 阶段提示词实战：用 AI Detector Test Follow-up Prompt 产出证据驱动的结构化优化方案

本文以 claude-seo 仓库中 FLOW 提示词库的 optimize 阶段文档 ai-detector-test-follow-up-prompt.md 为骨架展开：它是一份面向"结构化优化交付物"的系统提示词，核心价值在于强制模型把观察、假设、建议行动、待验证声明四类内容分开输出，并围绕搜索意图、现有证据、信任缺口、优先级改动、测量计划与发布前验证六条主线组织结论。读完本文，你将掌握该提示词的完整用法、每个输入项与输出要素的实战含义，以及它在 claude-seo 的 FLOW 框架中如何被编排、同步与测试验证。

这份提示词解决什么问题

在 AI 搜索时代，搜索引擎、AI 摘要与 LLM 引用构成多重发现面，页面优化不再是"改几个标题标签"那么简单。AI Detector Test Follow-up Prompt 是 FLOW 提示词库中 optimize 阶段 21 个提示词之一，它解决的是两类典型问题：

1. 输出混杂：模型把主观推测与客观证据混在一起输出，团队无法区分"哪些可以直接执行、哪些需要先核实"；
2. 优化失焦：只围绕关键词密度、标题写法等表面技巧打转，忽略搜索者意图、信任证据与转化测量。

该提示词通过固定输出契约（六要素 + 六个输出小节），把优化任务收敛成一份"团队可以直接执行的工作文档"（working document the team can execute）。它在本仓库中的完整定义为 ai-detector-test-follow-up-prompt.md，与同目录的 basic-prompt.md、follow-up-prompt.md 等构成 optimize 阶段的提示词家族。

何时使用：Use This When 与 AI 兼容性

原文档明确了两条使用边界：

适用场景：当你需要一份结构化的优化交付物（structured optimize deliverable），并且希望模型区分"观察、假设、建议行动、需要验证的声明"四类内容时使用。典型场景包括：

• 本地服务页转化率低，需要重写建议；
• 企业档案（如 Google Business Profile）信息不一致，需要核对事实；
• 内容页存在信任缺口，需要补 E-E-A-T 证据；
• 某个查询集覆盖不佳，需要按优先级排序改动项。

AI 兼容性约束：该提示词面向长上下文推理模型设计。对于上下文窗口较小的模型，原文档给出的策略是：

• 缩小输入范围（提供更聚焦的输入子集）；
• 一次只请求一个输出小节（one output section at a time），避免模型在长输出中丢失约束。

这与 flow-framework.md 中"review the finished work against three readers: the buyer, the search engine, and the AI agent"的要求一脉相承——提示词本身也要能被不同能力的模型稳定执行。

输入准备：五类输入项的含义

原文档列出了五类输入项，它们的质量直接决定输出质量：

注意第四类输入在实践中的权重：原文档强调 "Use only the supplied inputs"，即模型不得引入输入之外的数据来源。这意味着团队在调用前应先完成证据盘点——这与 FLOW 操作工作流的第二步"inventory the evidence already available"（flow-framework.md）完全对应。

核心提示词全文与逐条解析

原文档给出的提示词正文如下（在 Claude Code 中可原样使用）：

Act as a senior SEO strategist using the FLOW model. Task: create a optimize 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.

逐条拆解其六要素的实战含义：

1. 搜索者或购买者意图（Searcher or buyer intent）：先回答"用户在找什么、带着什么决策风险来"，再谈页面怎么写。这是把优化从"公司视角"切换到"买方视角"的锚点；
2. 当前可用证据（Evidence available now）：只引用输入中实际提供的分析、评论、档案事实等证据，杜绝"听起来合理但无出处"的数据；
3. 阻碍信任、提取或转化的缺口（Gaps that block trust, extraction, or conversion）：缺口要分类——信任缺口（缺少证明、评论、案例）、提取缺口（结构不清晰、实体不明确、AI 难以总结）、转化缺口（缺少明确的下一步动作）；
4. 按优先级排序的建议改动（Recommended changes in priority order）：交付物必须是可排序的行动清单，而非平铺直叙的罗列；
5. 测量事件与复盘节奏（Measurement events and review cadence）：为改动绑定可测量的转化事件（电话、表单、询盘）并给出复盘周期；
6. 发布前需要来源验证的声明（Claims that require source verification before publication）：所有带数字或事实性断言的内容，必须单列待验证清单。

三条硬性约束同样关键：

• 明确标注任何假设（clearly label any assumption）：主观推断必须打标签，不得伪装成事实；
• 禁止编造统计数字（Do not invent statistics）：呼应 bibliography.md 的证据标准——"Claims with numbers must trace to the bibliography or be removed"；
• 禁止复用私有示例（Do not reuse private examples）：避免把其他客户的案例泄露到公开交付物中，这也是 flow-framework.md 中"Examples are generic or newly created"质量线的体现。

输出结构：六个交付小节

提示词约束模型按以下六个部分组织输出，每部分对应一个交付目标：

这套结构与 SKILL.md 中对 optimize 阶段"select 2-3 most relevant of 21 prompts based on context"的编排逻辑配合使用：先由/seo flow optimize [url]命令按上下文选出最相关的 2-3 个提示词，再逐份执行，最终合并成上述六段式交付物。

实战示例：本地服务页面的优化简报

原文档给出一个可直接复用的示例场景：

输入：一个证据薄弱、档案信息不一致的本地服务页面（a local service page with weak proof and inconsistent profile details）。

期望输出：一份按优先级排序的重写简报（prioritized rewrite brief）、需要核对的事实清单（facts to reconcile）、需要补充的内链（internal links to add），以及要测量的转化事件（the conversion event to measure）。

按本文档的六要素展开后，输出应形如：

1. 意图：该查询的搜索者处于"评估供应商、准备询价"阶段，意图偏向对比与转化；
2. 现有证据：分析数据、现有评论、档案中的矛盾字段；
3. 缺口：信任缺口（评论少、缺少资质证明）、提取缺口（N/A、地址、服务范围未用结构化方式表达）、转化缺口（页面上没有明确的电话/表单 CTA）；
4. 优先级改动：先统一 NAP（名称-地址-电话）与档案事实，再补转化 CTA，最后优化正文证据；
5. 测量：以"电话呼入"或"表单提交"为转化事件，按周复盘；
6. 待验证声明：任何关于"服务区域""年限""资质"的表述必须与档案、营业执照或官方来源核对后再发布。

这个场景也说明了该提示词与本地 SEO 模块的衔接点——文档 Source Note 注明其源自 Local SEO Knowledge Base 结构，因此在 claude-seo 中常与seo-local、seo-maps技能联动。

仓库级支撑：提示词如何在 claude-seo 中运转

FLOW 框架定位

该提示词属于 FLOW 四阶段循环（Find → Leverage → Optimize → Win）的Optimize 阶段。根据 flow-framework.md 的定义，Optimize 阶段负责"让自有资产更易被提取与信任"（optimize owned assets for extraction and trust），操作工作流第 3 步明确指出："If the owned asset is hard to extract or trust, Optimize."——本文档正是这一阶段的落地工具之一。

SKILL 编排逻辑

在 SKILL.md 中，/seo flow optimize [url]命令的编排逻辑为：

1. 读取references/prompts/optimize/下全部文件名；
2. 读取对话中的既有分析上下文（URL、行业垂直、之前技能输出）；
3. 按上下文匹配规则选出2-3 个最相关的提示词，仅加载这些文件（避免一次倾倒 21 个提示词造成噪音）；
4. 应用选中的提示词，其余提示词提示用户通过/seo flow prompts访问；
5. 交叉引用/seo content与/seo geo技能做内容质量与 GEO 深度分析。

上下文匹配规则（SKILL.md 中 Context Matching 一节）建议依据三个维度选提示词：行业垂直（SaaS → 页面+技术；本地 → 引证+GBP；出版 → E-E-A-T+新鲜度）、先前技能输出（seo-technical 报过爬取问题 → 技术类优化提示词；seo-content 报过 E-E-A-T 缺口 → 内容类优化提示词）、URL 信号（产品页 → 转化；博客 → 新鲜度+权威）。

同步与一致性保障

这些提示词并非手工维护的静态文件，而是由 scripts/sync_flow.py 从 FLOW 上游仓库同步而来：

• 脚本按find / leverage / optimize / win / local五个阶段拉取提示词（源码中PROMPT_STAGES常量），本文档对应docs/09-prompts/optimize/目录；
• 每个同步文件头部都会注入 CC BY 4.0 归属注释（attribution_header()函数生成<!-- Source: github.com/AgriciDaniel/flow | License: CC BY 4.0 | Synced: ... -->），本文件第 1 行即是该归属头；
• 同步过程中rewrite_flow_links()会把上游编号目录布局中的相对链接改写到本仓库扁平化布局，保证文档内的 See Also 链接不失效；
• 每次同步会生成 SHA-256 锁文件flow-prompts.lock并输出 added/updated/unchanged 变更摘要。

test_sync_flow.py 进一步验证了这套机制的可靠性：test_dry_run_exits_zero与test_dry_run_does_not_write_files保证 dry-run 只报告不落盘；test_synced_files_have_attribution_headers断言每个同步的提示词文件必须以归属注释开头；test_real_sync_produces_prompts_per_stage断言五个阶段目录同步后都必须包含至少一个提示词文件。这意味着本文档的结构（标题、front matter、正文、See Also）是被测试守护的稳定格式，不是一次性草稿。

提示词家族与索引

本文档在 prompts/README.md 的索引表中登记于optimize阶段，与 basic-prompt、follow-up-prompt、ctr-audit-prompt、technical-audit-prompt 等 21 个 optimize 提示词并列。调用者可通过/seo flow prompts查看完整索引（41 个提示词、5 个阶段）。

进阶使用技巧

小模型降级策略：按原文档建议，把输入切窄、输出切小。例如先只输入"目标页面 URL + 意图描述"跑意图分析小节，再输入"现有证据"跑缺口小节，分多轮拼装最终交付物。

测量优先：FLOW 框架强调"如果页面或档案无法测量，先补测量事件再评判表现"（flow-framework.md Measurement 一节）。在使用本提示词前，应先确认目标资产是否已埋好转化事件（电话、表单、询盘），否则第 5 要素"measurement events"无从落地。

证据纪律：本提示词与 bibliography.md 的证据政策共同构成 claude-seo 的"证据标准"——公开断言必须可溯源，矛盾或无法核实的统计数据不得进入公开建议。这既是内容质量的保障，也是发布安全（合规、客户隐私）的底线。

避免的失败模式（源自 flow-framework.md Common Failure Modes 一节）：

• 因为"数字听起来熟悉"就发布统计，而不是加载并核实来源；
• 把 AI 可见性当成格式化技巧，忽视品牌证据与站外佐证；
• 围绕公司偏好写页面，而非围绕买方问题与决策风险；
• 只为流量而优化，却不定义下一个合格的行动（qualified action）。

相关资源

• Prompt Library 完整索引 — 41 个提示词的阶段、文件名与描述
• FLOW Framework — Find → Leverage → Optimize → Win 方法论全文
• Bibliography 证据来源库 — 公开声明的事实依据与来源政策
• seo-flow SKILL.md —/seo flow命令编排与 optimize 阶段上下文匹配规则
• sync_flow.py 同步脚本 — 提示词同步、链接重写与锁文件机制
• test_sync_flow.py 测试用例 — 对同步流程与归属头的自动化验证

来源说明：本文档衍生自 Local SEO Knowledge Base 结构，并按照仓库证据标准重写为公开可用的提示词；框架与提示词版权归 Daniel Agrici 所有（CC BY 4.0）。