工程师的 SEO / GEO 入门指南（2026版）

面向负责网站架构、渲染与发布流程的工程师。本文优先引用搜索引擎和协议维护方的官方资料，并把已确认规则与实验性建议分开。

0. 为什么工程师需要懂 SEO / GEO

SEO（Search Engine Optimization）不只是运营工作。网站能否被稳定抓取、正确索引，首先受到工程实现影响：

• 渲染方式决定爬虫何时能获得正文；
• HTML、链接与结构化数据帮助搜索引擎理解页面；
• HTTP 状态码和 canonical 帮助判断页面是否有效、哪个 URL 是主版本；
• sitemap、内链和缓存更新机制影响内容发现效率；
• 性能、移动端适配与安全性影响真实用户体验。

因此，与其说“SEO 的 70% 是工程问题”，不如说：技术 SEO 是内容获得搜索可见性的基础设施；它不能替代好内容，却能决定好内容是否有机会被发现和正确理解。

GEO（Generative Engine Optimization）通常指提高内容在 AI 搜索或 AI 答案中被发现、理解和引用的机会。它目前不是各平台共同定义的统一标准。Google 对 AI Overviews 和 AI Mode 的官方口径是：无需额外的 AI 专用文件或特殊 schema，原有 SEO 基础仍然适用。¹

下面我们从最基础的问题讲起：搜索引擎究竟是怎样工作的。理解了这条主线，后面的很多优化手段就不再是需要死记的规则，而是顺理成章的结论。

1. 搜索引擎怎样工作

所有 SEO 优化，本质上都是在搜索引擎处理内容的几个环节上做文章。以 Google 为例，整个过程可以简化为：

发现与抓取（Crawl） → 渲染与索引（Render / Index） → 提供结果（Serve）

1. 发现与抓取：Googlebot 通过链接、sitemap 等方式发现 URL，并请求页面及必要资源。
2. 渲染与索引：Google 分析文本、图片、视频等内容；依赖 JavaScript 的页面还可能进入渲染流程。抓到页面不等于一定会索引。
3. 提供结果：搜索系统根据相关性、质量、可用性、语境等信号选择结果。

Google 官方强调：抓取、索引和展示都不是保证行为。²

1.1 关于Crawl budget 的误解

抓取容量和抓取需求确实存在，但 Google 表示，大多数网站不需要专门担心 crawl budget；它主要值得大型、更新极快，或存在大量重复/参数 URL 的网站重点管理。小型内容站应先解决内链、sitemap、状态码和内容质量。³

到这里，关于“搜索引擎工作过程”的简单描述就讲完了。接下来是工程师最容易踩坑的地方：你的页面是客户端渲染的，爬虫到底能不能看到正文？

2. 渲染方式：爬虫何时能看到内容

关于这个话题，网上流传很广的一种说法是“爬虫只抓 HTML、不执行 JS，所以 JS 渲染的内容搜索引擎看不见”。这个结论过于绝对。更准确的说法是：

• Google 能执行 JavaScript，并把 JavaScript 应用的处理分为抓取、渲染、索引等阶段；渲染可能不是即时完成。⁴
• 不同搜索和 AI 产品的抓取、渲染能力不同，也不会全部公开。
• 因此，让关键正文、标题和链接在服务器返回或预渲染的 HTML 中即可获得，是兼容性更高、故障面更小的策略；但 CSR 页面并非必然无法被 Google 索引。

讲到这里，就不得不提现代前端渲染技术的不同流派，渲染这个话题之所以容易把人绕晕，正是因为 SPA、CSR、SSR、SSG 几个术语总被混在一起说。想理清楚，我们先来思考两个不同的问题：

1. 用户打开或切换页面时，浏览器究竟拿到了什么？
2. 页面中的 HTML 内容是在什么时候、什么地方生成的？

前一个问题引出传统多页网站与 SPA；后一个问题才引出 CSR、SSR、SSG、ISR等渲染模式。它们彼此有关，却不是同一套分类。

2.1 一次页面请求中发生了什么

浏览器显示一个网页，通常需要三类资源：

• HTML：正文与结构，例如标题、段落、链接和图片位置；
• CSS：颜色、字号、间距和布局等视觉样式；
• JavaScript：交互、状态管理、客户端路由和动态数据请求。

在最传统的网页中，用户访问 URL 后，服务器直接返回包含正文的 HTML。浏览器即使暂时没有执行 JavaScript，也能显示主要内容；爬虫拿到同一份 HTML，也能直接解析标题、正文和链接。

现代 Web 应用为了提供即时搜索、拖拽编辑、无刷新切换等体验，开始把更多工作交给 JavaScript。服务器最初返回的 HTML 可能只含页面框架，正文要等浏览器下载并执行 JavaScript、调用 API 后才出现。搜索引擎需要处理的核心差异由此产生：关键内容是在首次响应中已经存在，还是必须执行 JavaScript 后才能得到。

这也是为什么工程师讨论 SEO 时不能只问“是否用了 React/Vue”，而要继续追问：服务器实际返回了什么 HTML？内容何时生成？页面切换时是否请求了新文档？

2.2 从传统多页网站到 SPA

先看“页面怎样切换”。传统网站通常采用多页应用（Multi-Page Application，MPA）方式：每个 URL 对应一份页面文档，用户点击链接后，浏览器向服务器请求新的 HTML，并整页刷新。

传统多页网站（MPA）：
点击链接 → 请求新的 URL → 服务器返回新的 HTML → 浏览器整页刷新

这种方式直观、可靠，但在交互复杂的网站里，每次切换都重新加载文档，客户端状态也较难连续保留。于是出现了 SPA（Single-Page Application，单页应用）：浏览器首次加载应用后，后续导航主要由 JavaScript 在当前文档中更新内容和 URL，通常不再整页刷新。

单页应用（SPA）：
点击链接 → JavaScript 获取数据或代码 → 更新当前页面 → 同步修改 URL

这里的“单页”不是说网站只有一个业务页面，而是说多个路由通常复用当前浏览器文档。用户仍然可以看到首页、分类页和详情页，也可以拥有不同 URL，只是切换过程发生在客户端。

SPA 的优势是切换流畅、客户端状态容易保留，适合管理后台、邮箱、在线编辑器等复杂应用。但如果公开内容完全依赖客户端 JavaScript，就会增加首屏等待、运行失败和爬虫渲染的不确定性；通配路由处理不当时，不存在的 URL 还可能统一返回 200，形成 soft 404。

不过，SPA 描述的是导航方式，不是内容的渲染位置。 最容易混淆的几组术语实际回答不同问题：

因此，“用了 SPA 就等于纯 CSR、SEO 一定差”这种推断并不成立。一个网站完全可以首次访问时通过 SSR 返回完整 HTML，之后使用 SPA 式导航。Next.js、Nuxt 等框架经常采用这种组合：既在首个响应中提供内容，又保留应用内切换的流畅体验。React、Vue 或 Angular 只是开发工具，使用它们不代表网站必然采用纯 CSR。

理解了导航方式之后，再来看 HTML 究竟在哪里、何时生成。

2.3 五种常见渲染模式

把“页面怎样切换”和“内容在哪生成”这两件事分开之后，下面这五种模式就很好理解了——它们的核心区别只有一个：HTML 是在什么时候、什么地方带着内容生成好的。

静态 HTML

服务器直接返回已经包含内容的 HTML 文件。交付简单、缓存友好，但更新通常需要重新生成或发布，适合文档、博客和变化不频繁的详情页。

CSR（Client-Side Rendering）

服务器先返回 HTML 壳，浏览器执行 JavaScript、请求 API 后生成主要内容。它适合高度交互的应用，但 JavaScript 错误、资源被阻止、渲染超时或路由错误都可能影响内容发现。

SSR（Server-Side Rendering）

服务器在请求时生成含有内容的 HTML。现代框架通常还会在客户端进行 hydration：复用服务器生成的 DOM，绑定事件和状态，使页面可交互。

SSR 适合频繁变化的公开页面，但服务器计算、缓存和故障处理更复杂。

SSG（Static Site Generation）

构建期生成 HTML，发布后由 CDN 或静态服务器提供。它快、稳定、易缓存，但更新需要重新构建或配合局部发布。

ISR / 增量再生成

在静态交付基础上，按时间或事件更新部分页面。ISR 是 Next.js 推广的术语；其他技术栈也能通过缓存失效、后台生成和原子替换实现类似语义。

ISR 不一定是“数据一变就更新”，也不保证固定的分钟级时效；实际行为取决于框架模式、缓存、触发方式和部署平台。⁵

2.4 动态渲染与 cloaking

Google 目前把 dynamic rendering（对特定爬虫返回预渲染版本）视为临时绕行方案，而非长期推荐方案，并建议改用 SSR、静态渲染或 hydration。⁶

但给爬虫和用户返回的 HTML 不完全相同，不会自动构成 cloaking。Google 所说的 cloaking，关键在于意图欺骗搜索系统，并展示实质不同的内容。⁷ 无论采用何种方案，主要内容与页面意图都应一致。

渲染解决的是“爬虫拿不拿得到内容”的问题。拿到内容之后，它还会读取页面自己发出的一系列信号——这就是接下来要讲的元信息与 HTTP 状态码。

3. 页面元信息与 HTTP 信号

<title>工程师的 SEO / GEO 入门指南 | CodeLog</title>
<meta name="description" content="从渲染、状态码、sitemap、结构化数据到 AI 搜索，系统理解技术 SEO。">
<link rel="canonical" href="https://codelog.me/seo-beginner-guide/">
<meta name="robots" content="index,follow">

• title：应准确、简洁且能区分页面。Google 可能根据查询和页面内容改写结果标题，因此它不是“必然显示的蓝色标题”。⁸
• description：不是直接排名信号。Google 主要从页面内容生成摘要，有时采用 meta description；应提供独特、准确的概述，不要迷信固定字符数。⁹
• canonical：表达首选 URL，但属于信号而非强制指令。重定向、canonical、sitemap 与内链应尽量一致。¹⁰
• robots：noindex 表示不希望页面进入索引；nofollow 表示不跟踪本页链接。index,follow 是默认行为，通常可以省略。

关键陷阱：robots.txt 如果阻止 Google 抓取某页，Google 就看不到该页 HTML 中的 noindex。若目标是退出索引，应允许抓取并返回 noindex，或对已删除页面返回 404/410。¹¹

3.1 社交分享元数据

Open Graph 和 X Card 元数据主要控制社交分享预览。它们有助于分享体验，但没有可靠证据表明它们是通用 GEO 排名或引用信号，也不能假定所有 AI 答案卡片都会读取这些字段。

3.2 状态码与重定向

“302 权重不转移”是过度简化。Google 把永久重定向视为强 canonical 信号，把临时重定向视为较弱信号，并会结合其他信号处理。¹²

不存在的路由若仍返回 200 和“Not Found”文案，搜索引擎可能判断为 soft 404。这在 SPA 通配回退路由中尤其常见。

上面说的都是单个页面层面的信号。再站到整个站点的视角，还有两个小文件会直接影响爬虫的行程安排：robots.txt 告诉它哪些地方别去，sitemap 则递给它一份应该去的清单。

4. robots.txt 与 sitemap

一句话概括这两者的分工：robots.txt 管“拦”，sitemap 管“引”。

4.1 robots.txt 管理抓取，不负责保密

User-agent: *
Disallow: /admin/

User-agent: GPTBot
Disallow: /

Sitemap: https://example.com/sitemap.xml

• robots.txt 是受支持爬虫遵循的抓取规则，不是安全控制；敏感内容必须使用登录鉴权。
• Disallow 阻止抓取，不保证 URL 不出现在结果中。若目标是不索引，应使用能被爬虫读取的 noindex 或正确删除状态码。¹³
• OpenAI 将 OAI-SearchBot 用于搜索结果中的发现与展示，将 GPTBot 用于模型训练控制；两者可分别配置。¹⁴
• AI user-agent 的名称与用途可能变化，上线前应检查各平台最新官方说明，并核对 CDN/WAF 是否另有拦截。

4.2 sitemap 提供 canonical URL 清单

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://example.com/game/sumo-shove/</loc>
    <lastmod>2026-08-20</lastmod>
  </url>
</urlset>

• 只放希望被索引的 canonical URL；
• lastmod 应反映页面主要内容的最后一次重要修改，而不是生成 sitemap 的时间；Google 会在确认该字段长期准确后将其用于抓取调度。¹⁵
• 提交 sitemap 只是提示，不保证抓取或索引。¹⁶
• Search Console 的 URL Inspection 可为少量页面请求重新抓取。
• Google Indexing API 不是普通网页的批量提交接口；官方只允许用于带 JobPosting 或直播视频 BroadcastEvent 的页面。¹⁷
• IndexNow 可通知支持该协议的搜索引擎 URL 已新增、更新或删除，但不保证抓取或索引。¹⁸

至此，爬虫能找到内容、也能看到内容了。我们还可以再往前走一步：帮它“理解”内容——这就是结构化数据的角色。

5. 结构化数据：JSON-LD 与 Schema.org

结构化数据用标准词汇描述实体与关系。Schema.org 提供词汇；JSON-LD、Microdata 和 RDFa 是常见格式。Google 通常推荐 JSON-LD，因为较易维护。

结构化数据可帮助搜索引擎理解内容，并让合格页面获得特定富结果，但不保证展示富结果，也不等于进入知识图谱或被 AI 引用。¹⁹

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "VideoGame",
      "name": "Sumo Shove",
      "description": "Push opponents out of the ring.",
      "genre": ["Arcade", "Physics"],
      "image": "https://example.com/images/sumo-shove.jpg",
      "url": "https://example.com/game/sumo-shove/"
    },
    {
      "@type": "BreadcrumbList",
      "itemListElement": [
        {"@type": "ListItem", "position": 1, "name": "Home", "item": "https://example.com/"},
        {"@type": "ListItem", "position": 2, "name": "Arcade", "item": "https://example.com/games/arcade/"}
      ]
    }
  ]
}
</script>

这里没有默认加入 FAQPage。自 2023 年起，Google 的 FAQ 富结果一般只对知名、权威的政府与健康网站展示；普通站点即使标记写得再规范，也基本拿不到这种富结果展示。²⁰ 页面若确实有用户可见 FAQ，可以按语义标注，但不要把 FAQ schema 当作 GEO 捷径。

三条规则：

1. 只标注页面上真实存在并符合对应类型要求的内容；
2. 标记必须代表该页主要可见内容，不能误导；
3. 用 Rich Results Test 检查 Google 富结果，用 Schema Markup Validator 检查更广泛的 Schema.org 语法。

结构化数据帮机器读懂页面，但页面值不值得排到前面，最终还是回到两个朴素的问题：内容好不好？体验好不好？

6. 内容质量与页面体验

6.1 正确理解 E-E-A-T

E-E-A-T 指 Experience、Expertise、Authoritativeness 和 Trustworthiness，其中信任最重要。

但 E-E-A-T 本身不是可查询分数，也不是单独的排名因子。Google 的自动系统使用多种信号尝试识别这些特征；质量评估员用于评估系统效果，不直接给网页调整排名。²¹

可落实为：清楚标明作者和更新日期；链接一手来源；展示真实测试、方法和限制；提供可验证的站点与纠错信息；对健康、金融、安全等 YMYL 主题进行更严格的专业审核。

6.2 Core Web Vitals

判断应基于真实用户数据，并看移动端和桌面端各自第 75 百分位。²²

SSR/SSG 不保证 CWV 达标。慢 TTFB、大图、阻塞 CSS/JS、hydration、字体和广告位都可能拖累指标。应以 CrUX、Search Console、PageSpeed Insights 或自己的 RUM 数据为准。

6.3 其他基本项

• 移动端：Google 已全面采用移动优先索引，主要依据移动版内容；移动版不要缺少桌面版的重要正文、图片 alt、结构化数据和 robots 指令。²³
• HTTPS：是安全基础，也是轻量排名信号，但不能弥补内容质量问题。²⁴
• 内链：使用可抓取的 <a href="..."> 和描述性锚文本。重要页面不应成为孤岛页。

到这里，“经典” SEO 的主线就完整了。而这两年真正的新变量是 AI 搜索：GEO 到底要做些什么？先说结论——要做的事情，远比营销文章大肆宣传的少。

7. GEO：已确认规则与实验做法

7.1 已确认：传统 SEO 仍是基础

Google 对 AI Overviews / AI Mode 的官方建议是：

• 页面需可被索引，并符合在普通搜索中显示摘要的条件；
• 不需要新的机器可读文件、AI 文本文件或特殊 schema；
• robots.txt、noindex、nosnippet、data-nosnippet、max-snippet 等现有控制仍适用；
• 有帮助、可靠、以用户为先的内容、良好页面体验、可抓取内链、文本形式的重要内容和准确结构化数据仍是基础。¹

对 ChatGPT 搜索，OpenAI 官方说明可通过 OAI-SearchBot 控制搜索发现，通过 GPTBot 单独控制训练使用。允许抓取不等于保证被展示或引用。¹⁴

7.2 稳健的内容做法

• 标题和开头直接回答页面要解决的问题；
• 分清定义、结论、证据与限制；
• 为数字、研究和易变化事实提供一手来源及日期；
• 用清晰的小标题、列表和表格组织复杂信息；
• 明确实体名称，避免大量无指代对象的“它”“这个”；
• 提供只有你能提供的一手经验、数据、工具或分析。

这些做法有利于读者和机器抽取，但不应包装成“保证被引用”的算法公式。“AI 天生偏爱某种段落长度”“FAQ 一定更容易被引用”等说法，目前缺乏跨平台、稳定的官方证据。

7.3 llms.txt：可以实验，不要高估

llms.txt 是 2024 年提出的社区提案，建议在站点根目录放置 Markdown 导航文件，帮助 LLM 找到更适合阅读的内容版本。²⁵

截至本文更新时，它不是 robots.txt 或 sitemap 那样的正式互联网标准，也没有可靠证据表明 Google、OpenAI、Anthropic、Perplexity 等主流产品会普遍读取它并据此提高排名或引用概率。维护成本低时可以实验，但优先级应低于可抓取 HTML、内链、sitemap、准确内容与真实外部认可。

7.4 不要混淆训练与搜索引用

训练爬虫、搜索索引爬虫和用户触发抓取可能使用不同 user-agent 与规则。制定策略时应分别考虑：

1. 是否允许模型训练使用内容；
2. 是否允许搜索产品发现与展示；
3. 是否允许用户主动请求工具访问页面；
4. 是否允许传统搜索生成摘要。

原则和规则讲了不少，落到实际发布时，逐条过一遍清单往往更实用。

8. 上线前验证清单

curl 看到的是服务器响应，不等同于 Google 最终索引内容；URL Inspection 更适合验证 Googlebot 获取和渲染后的结果。反过来，“查看源代码”没有正文也不代表 Google 必然无法渲染，只说明页面依赖后续 JavaScript，工程风险更高。

最后再往远看一眼：vibe coding 正在让建站变得空前廉价，生成一个网站可能只需要几分钟。但供给爆炸的另一面，是新的网站越来越难被发现。正因如此，SEO 的价值在这个时间点反而更加凸显——它不是玄学，而是一整套让内容被抓取、被理解、被呈现的工程接口。只要握住本文这条主线——抓取、渲染、索引、展示结果的流水线——并把它落到自己站点的架构与发布流程里，SEO 就会成为你日常工作的自然延伸，而不是额外的负担。

作为附录，我把正文出现过的缩写和术语整理成一张速查表，方便回查。

9. 术语速查表

参考资料

以下资料按正文首次涉及的主题整理，正文中的脚注标记与各条目一一对应，点击标记即可跳转到对应来源。

• Tags:
• SEO
• Beginner
• Web Development