我将它构建为一个开源替代方案，用于可重复的技术 SEO 审计。它会爬取网站，发现元数据、canonical、hreflang、内部链接和结构化数据问题，可用 Playwright 渲染 JavaScript 较重的页面，用 CrUX 和 Lighthouse 数据丰富结果，并生成可在 CI 中对比的 JSON、HTML、文本和 PDF 报告。
问题
SEO 团队拼凑 crawler、Lighthouse、Search Console 和 GA4 来诊断为什么站点没有排名。他们手动把流量与技术问题对应起来，漏掉内部链接权重问题，在没有流量的页面上误报，并且在两次审计之间无法做回归测试。SEO Audit 把这些都装进一个 CLI 里。
方案
一个基于 Playwright 和 Lighthouse 的 TypeScript CLI。Crawler 处理 sitemap、重试、重定向和针对 SPA 的 JS 渲染。五十多项检查覆盖元数据、canonical、结构化数据、Core Web Vitals、链接权重和内容重复。CrUX、Search Console 和 GA4 的可选增强按真实流量影响对发现项排序。
关键决策
- 自动持久化 crawl。每次运行会写入 ~/.config/seo-audit/crawls/<host>/，用于 diff 和回归检查。
- PageRank 计算（damping 0.85，20 次迭代）会暴露那些只获得一个内部链接的核心页面。
- 基于 MinHash 的近似重复检测（Jaccard >= 0.85）跨页面聚类内容。
- 日志分析子命令解析访问日志，通过反向 DNS 验证爬虫，并与持久化的 crawl 关联，得到孤立页面和过期缓存的发现项。
- GitHub Action 与 --fail-on 标志，在 CI 中对回归进行门槛拦截。
状态
已发布到 npm，包名 @davo20019/seo-audit。v0.8.0 于 2026 年 4 月发布。近期工作集中在日志分析、GA4 支持、内容去重和链接图 PageRank。
Want similar work for your team?
AI-native senior engineering for AI, cloud, and web. Open to consulting engagements and full-time roles.