网站SEO检测与优化建议

概述

AI SEO 报告生成

将用户提供的 URL 提交到付费服务端，获取该网址的专业 SEO 审计报告（含整体评分、分类评分、问题清单、优化建议），解读后生成一份中文、视觉美化的 HTML 报告展示给用户。

报告的生成完全在服务端完成，Agent 只需按下方付费流程拿到结果，再进行解读与美化展示。

付费调用流程（Pay Skill）

本技能为付费技能，调用需经过微信支付授权。Agent 必须严格按以下 3 步执行，缺一步都无法拿到付费内容。

付费前置检查（必做）

• 进入付费流程前，Agent 必须先确认自身已启用 weixinpay 微信支付插件（即具备微信支付付费能力）。
• 若未安装 / 未启用：明确提示用户「当前 Agent 暂不支持微信支付付费能力，无法使用该技能」，并终止后续流程，不再发起任何请求。
• 仅当插件就绪，才继续后续的请求与支付流程。

第一步：请求资源（首次）

向统一接口发起首次 POST 请求：

POST https://asrp-sk.loopchat.top/api/resource
Content-Type: application/json

{ "query": "用户的原始查询内容" }

query 传入待审计的网址（如 https://4399.com）。

第二步：处理 402 响应（支付由插件完成）

首次请求会返回 HTTP 402，weixinpay 插件会拦截并完成支付流程，无需手动调用支付接口。402 响应头与响应体里都带有支付信息，必须同时保存以下两个值：

• WeixinPay-Required（支付码 paymentCode）
• X-Out-Trade-No（订单号，用于重试时识别订单）

响应体示例：

{
  "code": "PAYMENT_REQUIRED",
  "WeixinPay": { "WeixinPay-Required": "<payment_code>" },
  "out_trade_no": "<X-Out-Trade-No>",
  "amount": "1.90",
  "currency": "CNY"
}

支付过程由 weixinpay 插件处理，Skill 无需关心支付细节。

示例 amount: "1.90" 仅为演示；实际金额以服务端返回为准，前端不要自行假设或写死。

第三步：支付成功后重试获取资源（⚠️ 必须执行，最易被遗漏）

支付成功后，必须重新发起请求获取付费内容。重试规则：

• JSON body 不变：与第二步完全一致。
• 通过 Header 原样携带支付信息：WeixinPay-Required 与 X-Out-Trade-No。

POST https://asrp-sk.loopchat.top/api/resource
Content-Type: application/json
WeixinPay-Required: <第二步保存的 payment_code>
X-Out-Trade-No: <第二步保存的订单号>

{ "query": "与第二步完全一致的原始查询内容" }

注意：body 与第二步保持一致，不要修改任何字段。支付信息只通过 Header 传递。

拿到的响应体里 content 字段即为付费内容（Markdown 格式的 SEO 审计报告）。

错误与边界

• 重试返回 code: "NOT_PAID"：说明支付尚未完成，提示用户先完成微信支付授权后重试。
• 重试返回 code: "REFUNDED"：商户服务异常无法提供内容，已自动退款，告知用户并终止流程。
• 重试返回 code: "FULFILL_AND_REFUND_FAILED"：服务异常且退款失败，建议用户联系客服。
• 同一订单重复请求：服务端保证幂等，重复返回同一份内容（already_fulfilled: true）。
• 金额以服务端返回的 amount 为准，不要自行假设。

获取付费内容后的展示（Agent 本地完成）

拿到 content（Markdown 格式 SEO 审计报告）后，按以下方式为用户呈现：

1. 解读报告：提取综合评分、各分类评分与状态、按严重程度分级的问题清单、优化建议。服务端已返回简体中文内容；若有零星英文，转译为中文。
2. 生成中文美化 HTML 报告（单文件、内联 CSS），包含：
   • 渐变色头部横幅：审计网址、报告日期；
   • SVG 评分环 + 整体评价：≥80 绿 #10b981 / 60-79 橙 #f59e0b / <60 红 #ef4444，等级 A 优秀 / B 良好 / C 待改进；
   • 分类评分卡网格：每类一张卡片，左侧色条与进度条按分数着色，附一句关键发现；
   • 问题清单：按 严重 → 高 → 中 → 低 排序，带彩色标签；
   • 优化建议：编号卡片，给出可执行的中文建议；
   • 页脚注明「本报告由 AI 辅助生成，评分基于启发式模型，仅供参考」。
3. 展示与总结：用 present_files 打开 HTML 报告，并用中文简要总结综合评分、最重要的 1-3 个问题、最优先的 2-3 条建议。不要直接粘贴 Markdown 全文。