1. 项目定位与核心功能
SEO Machine 是一个基于 Claude Code 的专用工作区模板,专为内容营销团队设计,用于系统化创建长篇 SEO 优化的博客内容。项目核心功能包括:自定义命令系统(/research、/write、/rewrite、/analyze-existing、/optimize 等)、专业代理集合(SEO 优化器、元创建器、内链建议器、质量评分器等)、26 项营销技能(涵盖文案、CRO、A/B 测试等)、高级 SEO 分析(搜索意图检测、关键词密度聚类、可读性评分)、三大数据集成(GA4、GSC、DataForSEO)以及上下文驱动的内容生成机制。所有功能通过 Claude Code 环境运行,确保内容既符合搜索引擎要求又保持品牌一致性。
2. 解决的问题与价值主张
SEO Machine 主要解决企业内容团队面临的三大痛点:一是内容生产流程分散,缺乏从研究到发布的标准化工作流;二是 SEO 优化依赖人工经验,缺乏数据驱动和系统化检查;三是品牌一致性难以保障,多作者内容风格不一。项目价值在于将碎片化内容创作整合为自动化流水线,通过专业代理确保每篇文章都经过 SEO 质量审计,同时利用上下文配置文件(品牌声音、风格指南等)强制保持品牌调性统一,最终实现内容可规模化生产且质量可控。
3. 适用场景与目标用户
主要适用场景包括:内容营销团队批量生产符合 SEO 标准的深度博客文章;SEO 专家对现有网站内容进行质量审计与优化;企业建立可复用的内容创作标准操作程序(SOP)和知识库。目标用户为 B2B/B2C 企业的内容运营人员、SEO 专员、数字营销经理以及需要系统化内容产出的创业团队。项目特别适合已有明确品牌定位、需要持续输出高质量博客内容以提升搜索排名的企业,examples/castos 目录提供了播客托管 SaaS 公司的完整配置示例作为参考。
4. 安装与配置步骤
安装过程分为四步:首先克隆仓库到本地(git clone https://github.com/TheCraigHewitt/seomachine.git);其次安装 Python 依赖(pip install -r data_sources/requirements.txt),该文件包含 GA4/GSC 集成、DataForSEO 客户端、NLP 库(nltk、textstat)及机器学习工具(scikit-learn);然后在 Claude Code 中打开项目目录(claude-code .);最后关键步骤是填写 context/ 目录下的所有上下文模板文件,包括 brand-voice.md、writing-examples.md、features.md、internal-links-map.md、style-guide.md、target-keywords.md、competitor-analysis.md 和 seo-guidelines.md,这些文件定义了品牌声音、写作范例、产品特性等核心上下文。
5. 核心命令与工作流程
项目提供三大核心命令形成完整工作流:/research [主题] 执行关键词研究、竞品分析、内容缺口识别,生成研究简报并保存至 research/ 目录;/write [主题或研究简报] 创作 2000-3000 词文章,自动触发 SEO 优化器、元创建器、内链建议器、关键词映射器四个代理进行分析,草稿保存至 drafts/ 目录;/optimize [文章文件路径] 进行综合 SEO 审计,验证所有元素合规性,生成发布就绪评分和优化报告。此外,/analyze-existing [URL 或文件路径] 用于分析现有内容表现,/publish-draft 等命令支持发布流程。
6. 技术架构与数据集成
技术架构采用命令驱动模式,Claude Code 解析自定义命令后调用相应专业代理执行任务。数据集成层位于 data_sources/modules/,包含 20+ 专用模块:google_analytics.py 和 google_search_console.py 处理 Google 数据 API 连接,dataforseo.py 封装第三方 SEO 数据服务,keyword_analyzer.py、readability_scorer.py、seo_quality_rater.py 等实现核心分析算法。上下文驱动机制确保所有生成内容受 context/ 文件约束。项目需要配置 .env 文件(基于 .env.example)以提供 API 凭证,包括 GA4 属性 ID、GSC 站点 URL、DataForSEO 登录信息等。