第一组：页面能否正常访问？
- 正式网址使用 HTTPS。
- HTTP、非 www 和重复
index.html跳转到唯一规范网址。 - 正式页面返回 200，失效页面返回 404，不使用伪 200。
- 重要正文无需用户点击或执行复杂脚本即可出现在 HTML 中。
- 手机和桌面页面没有横向溢出、遮挡或不可操作内容。
第二组：robots.txt 是否符合策略？
robots.txt 应区分传统搜索、AI 搜索引用与模型训练用途，并阻止接口、后台及其他非公开路径被抓取。具体规则应以网站目标和各平台公开文档为依据。
OpenAI 说明 OAI-SearchBot 用于 ChatGPT 搜索发现、摘要和引用，GPTBot 用于潜在训练控制。来源：OpenAI Publishers and Developers FAQ，适用范围：OpenAI 爬虫，查阅日期：2026-07-13。
Perplexity 建议允许 PerplexityBot，并提示网站防火墙可能还需要根据官方 IP 范围放行。来源：Perplexity Crawlers，适用范围：Perplexity 搜索抓取，查阅日期：2026-07-13。
第三组：Sitemap 是否只包含规范页面？
Sitemap 应只列出可以公开访问、返回 200、允许索引的 Canonical 页面。lastmod 应反映实质内容变化，不能每次构建都伪造为当天更新。
检查 Sitemap 中是否存在跳转网址、404、测试页面、接口、重复路径或未完成内容。
第四组：Canonical 和内部链接是否一致？
每个页面只声明一个绝对 Canonical。导航、面包屑、正文相关链接和 Sitemap 应尽量指向同一个规范网址，避免同时出现带 .html、不带斜杠、大小写不同等多个版本。
第五组：结构化数据是否可信？
- 企业名称、运营主体和网址与页面可见信息一致。
- Article 的标题、作者和日期真实展示在正文中。
- Service 只描述页面已经公开的服务范围与限制。
- 不添加虚假 Review、AggregateRating、案例或 FAQ。
- 生成结果通过 Schema 和搜索平台工具检查。
Google 要求结构化数据与可见文本一致，并说明 AI 搜索不需要特殊 Schema。来源：Google Search Central，适用范围：Google 搜索，查阅日期：2026-07-13。
第六组：上线后如何确认真实抓取？
检查服务器访问日志、Google Search Console 和 Bing Webmaster，确认爬虫实际请求了正确页面，且没有被 CDN、安全组、WAF、频率限制或错误重定向拦截。
llms.txt 可以作为公开内容导航，但目前不能替代 robots、Sitemap、Canonical 或搜索索引。
完成检查后，再使用GEO 测量方法建立平台基线。