1.1 SEO提示词的定义与核心价值
我第一次听到“SEO提示词”这个词，脑子里冒出来的是一堆问号。给AI下指令，跟做SEO排名，这两件事能扯上什么关系？后来自己上手试了几轮，才发现这俩绑在一起产生的效果，远比我想象的要实在。
说白了，SEO提示词就是你扔给AI工具的那段话，只不过这段话被你有意识地塞进了关键词、搜索意图、页面目标、受众画像这些SEO维度。它跟随手打一句“帮我写篇关于XX的文章”完全不是一个重量级。你给AI的信息越精准，它吐出来的东西就越接近能直接用的物料。我试过同一个选题，第一次提示词写得稀烂，出来的东西像百科词条拼接；第二次把目标关键词、用户痛点和想要的语气都写进去，输出的初稿几乎不用大改。
核心价值在哪里？省时间只是表面，真正值钱的是让AI的输出从一开始就贴着搜索需求走。你不再需要写完了再回头硬塞关键词，而是在生成阶段就把优化逻辑埋进去了。
我现在的习惯是，每次打开AI对话框之前，先花两分钟想清楚三件事：这篇内容要打哪个词、看的人处在决策的哪个阶段、我希望他看完之后干什么。想完这三件事再写提示词，出来的东西质量稳定得多。
1.2 为什么SEO工作需要提示词：典型场景与需求
做SEO的人每天面对的事情太碎了。早晨打开电脑，可能要先分析昨天GSC里冒出来的异常查询词，中午要写三篇不同品类的产品页文案，下午还得整理竞品的外链缺口。靠一个人硬扛，手速再快也追不上内容消耗的速度。
我印象最深的一次是帮一个做家居用品的客户铺品类页。二十多个子类目，每个都要写标题、描述、H1和一段150字左右的导语。纯手写的话，光翻来覆去措辞就够让人崩溃。后来我搭了一套提示词模板，把产品名、核心卖点、目标关键词、竞品差异这几个变量填进去，批量跑出来的初稿质量居然都及格线以上。需要人工介入的，基本就是微调语气和补一两个真实的使用场景。
典型需求其实就三类。一类是规模化的内容生产，比如电商产品页、城市落地页这种结构重复度高的东西。第二类是需要快速验证的选题方向，用AI跑一批标题和提纲出来，看看搜索需求和点击欲望能不能对得上。第三类是数据解读和分析辅助，把GSC的原始数据丢进去，让AI帮你找异常波动和潜在机会。
还有一类场景容易被忽略，就是写内部沟通文档。我以前给设计或开发提SEO需求，写清楚一个技术问题要花半小时。现在我直接把问题描述和目标丢给AI，让它帮我整理成结构清晰的工单，对方一看就懂。
1.3 SEO提示词与普通内容提示词的区别
很多人觉得提示词就是提示词，加个“SEO”前缀不过是包装。我一开始也这么想，后来把两类提示词并排放在一起对比，差别就显出来了。
普通内容提示词追求的是“读起来像那么回事”。你让AI写一篇关于咖啡的文章，它给你讲产地、烘焙、冲泡方法，文笔流畅，逻辑自洽。但SEO提示词要的东西更“功利”。它会问：这篇文章要排哪个词？这个词的搜索意图是信息型还是交易型？用户看完之后会不会跳到竞品那里去？这些问题普通提示词根本不会碰。
另一个区别是约束条件的位置。普通提示词把限制放在最后，比如“字数800左右，语气轻松”。SEO提示词会把约束放在前面，甚至把关键词密度、内链数量、要引用的数据来源都写进初始指令里。我自己的模板里，目标关键词和搜索意图永远写在第一段，AI一上来就知道这篇东西是为什么服务的。
普通提示词产出的是“内容”，SEO提示词产出的是“可以排名的内容资产”。
还有个细节：SEO提示词需要处理语义扩展。你给AI一个核心词，它得帮你想到相关的长尾词、同义词、用户可能搜的口语化表达。普通提示词不需要操这个心，它只负责把主题讲清楚就行。
1.4 相关搜索词解读：SEO提示词模板、SEO提示词怎么写、扩展大纲
我翻了一圈搜索下拉框和相关的搜索词，发现大家关心的东西特别集中。搜“SEO提示词模板”的人，八成是想要一套能直接复制粘贴的东西。这个需求太真实了，我自己刚开始也是到处找模板，找到就存，存了十几个文档。后来发现模板不在多，在于你能不能把里面的变量拆出来，改成自己行业的版本。
搜“SEO提示词怎么写”的，通常是模板用了一阵子，开始遇到瓶颈了。要么是AI输出不稳定，要么是换了行业模板就失灵。这时候要解决的问题不是“给我一个模板”，而是“给我一个思考框架”。你得理解提示词里每个部分为什么存在，才能根据实际情况调整。
“扩展大纲”这个搜索词挺有意思。搜它的人往往已经跑通了单篇内容的提示词，想把能力放大到整个内容体系。从一篇产品页扩展到品类矩阵，从一个关键词扩展到话题集群。这种需求背后是内容策略的升级，不是单纯写提示词的问题了。
我在下面几章会把模板、写法和扩展路径都拆开讲。这一章先搭个底，让你知道SEO提示词到底是什么、为什么值得花时间研究、跟普通提示词差在哪里。底子打好了，后面套模板和写指令的时候才不会只学个皮毛。
2.1 角色、目标与受众设定
我吃过亏。刚开始用AI写东西的时候，上来就是“帮我写一篇关于XX的文章”，出来的内容不能说差，但总感觉像在跟一个没有面孔的陌生人说话。后来我强迫自己在每段提示词的开头加上一句话：“你是一个有十年经验的家居品类SEO内容编辑。”就这么一个动作，输出的画风立刻变了——语气更笃定，选词更贴合品类调性，连举例子都开始往家居场景靠。
角色设定不是给自己看的，是给AI划出一个表演区间。你不告诉它你是谁，它就默认用“通用助理”的身份跟你对话，那种语气放到任何行业都显得隔靴搔痒。我现在常用的角色有这么几类：垂直行业编辑、数据分析师、技术SEO顾问、转化文案写手。看任务类型切换，不需要多复杂，一句话就能把AI的“人格”锚定住。
目标设定比角色更容易被忽略。很多人写提示词只写“写什么”，不写“为什么写”。这两个字的差别特别大。你让AI写一篇产品页，如果目标是“提高转化率”，它就会在文案里安排更多的行动号召和信任信号；如果目标是“覆盖长尾搜索需求”，它就会把重心放在信息完整度和语义覆盖上。我在提示词里通常会把目标拆成两层：搜索层面的目标是排哪个词、拿什么类型的流量，业务层面的目标是引导留资、直接下单还是品牌曝光。两层都写清楚，AI输出的东西才不会跑偏。
受众设定我一开始也觉得虚。谁不知道自己在写给谁看？可真当你在提示词里把受众画像写细之后，差别就出来了。举个例子，同一个空气净化器的选购指南，写给“刚装修完的年轻父母”和写给“过敏体质的独居上班族”，输出的侧重点完全不同。前者关心甲醛和儿童健康，后者关心花粉和宠物皮屑。这些细节你不写在提示词里，AI就只能给你一个四平八稳的通用版本。我现在习惯在受众描述里加三个维度：身份标签、当前痛点、决策阶段的顾虑。三行字，输出质量能上一个台阶。
2.2 关键词、搜索意图与语义扩展
关键词怎么放进提示词，这件事我摸索了好一阵。最早的做法是把核心词直接塞进去，然后加一句“自然地融入关键词”。结果AI要么生硬地重复，要么干脆忘掉。后来我换了个思路，把关键词分成了三层：核心词、次要词、语义相关词。核心词只出现一两次，放在标题和开头段；次要词分布在各个小标题里；语义相关词交给AI自己去扩展。
这里有个关键动作：告诉AI核心词的搜索意图是什么。信息型、导航型、交易型、商业调查型，四种意图对应的内容结构完全不同。你写“什么牌子的空气净化器好”，用户处在商业调查阶段，他想看对比、看评价、看真实使用体验。你写“空气净化器怎么选”，用户处在信息收集阶段，他想看选购标准、参数解读、避坑指南。把意图写进提示词，AI在组织内容的时候就知道该偏重哪一块。
语义扩展这件事，我现在基本放手让AI去做，但会给它一个方向。比如我会写：“围绕‘小户型收纳’这个主题，扩展出至少十五个用户可能搜索的长尾表达，包括口语化问法和场景化描述。”跑出来的东西有时候会给我惊喜，比如“出租房衣柜太小怎么办”“三十平米公寓怎么利用墙面空间”这种我压根没想到的角度。这些扩展词我不一定全用，但它们是很好的内容分支线索。
我自己还有一个习惯，在提示词里要求AI标注每个扩展词的搜索意图类型。这么做有两个好处：一是逼着AI去判断用户的真实需求，二是拿到输出之后我可以快速筛选哪些词值得单独做一篇内容。语义扩展如果只是堆词，价值不大。带上意图标签，它就直接变成了一张微型内容地图。
2.3 任务指令、输出格式与限制条件
任务指令这部分，我踩过最大的坑是“说半句话”。比如我写“帮我优化这段文字”，AI不知道优化目标是可读性、关键词密度还是转化率。后来我学乖了，指令必须包含动作、对象和标准三个要素。“把这段产品描述改写成适合移动端阅读的短段落，每段不超过三句话，保留所有核心卖点，语气偏向口语化但保持专业感。”这么写虽然啰嗦，但输出的东西基本不用返工。
输出格式的约束我是一步步加码的。最开始只写“用markdown格式”，后来发现远远不够。现在我的提示词里会明确要求：H2标题的数量和层级、每个段落的大致字数区间、是否需要表格或列表、关键数据是否加粗、是否要在文末附上FAQ模块。格式约束越具体，AI的自由发挥空间越小，但输出的可用性越高。做SEO内容不是搞文学创作，稳定比惊喜重要得多。
限制条件是最容易被忽视的部分。我总结了几条必须写进提示词的禁令：不编造数据、不使用绝对化用语、不出现竞争对手品牌名、不引用无法核实的来源。这些限制看起来琐碎，但少了任何一条，你都有可能拿到一段需要大改的文字。我有个做医疗健康客户的朋友，他的提示词里有一条铁律：“任何涉及疗效的描述必须加上‘因人而异’或‘请遵医嘱’。”这种限制条件放在提示词里，比事后审核高效得多。
还有一个细节：字数控制要写成区间而不是精确值。你写“800字”，AI有时候写到750就收尾，有时候硬撑到900。你写“750到850字之间”，它反而更听话。我猜是因为AI对区间的理解更接近“目标范围”而不是“硬性指标”。
2.4 数据来源、事实校验与E-E-A-T要求
我在这件事上栽过跟头。有一次帮客户写一篇关于“不同材质窗帘遮光率对比”的文章，AI在没有任何数据支撑的情况下，自己编了一组百分比数据。我那时候急着交稿，没仔细核对就发出去了。后来客户收到读者反馈说数据对不上，我才灰溜溜地把文章撤回来改。从那以后，我在提示词里加了一条硬性规则：所有数据必须有明确来源，没有来源的用“约为”“大致”等模糊表述替代。
E-E-A-T这个东西，说起来是四个字母，落到提示词里就是几个具体动作。经验层面，我会要求AI在内容里加入“实际操作中”“我测试过”“常见误区是”这类体现亲身经历的表述。专业层面，我会指定内容中必须提及的关键参数或行业标准。权威层面，我会要求引用至少两个可查证的来源，比如行业报告、官方统计数据或知名机构的研究。信任层面，我会让AI在涉及健康、安全、金钱的话题上主动加入风险提示。
事实校验的提示词我一般分两步走。第一步在生成阶段，要求AI对每条数据标注“需核实”或“已确认”。第二步在输出之后，我会单独跑一轮校验提示词：“请列出上文中所有具体数据、统计结果和引用来源，标注哪些无法从公开渠道核实。”这一步不能省，尤其是做YMYL领域的内容。
我现在的习惯是，任何带数据的初稿，我都会让AI再跑一遍“事实自查”指令。虽然多花几分钟，但省去了后期被读者质疑的麻烦。数据这件事，错了比没有更可怕。
2.5 迭代机制与效果评价标准
没有人能一次写出完美的提示词。我最早那批模板，现在回头看简直没法用。迭代这件事我经历过三个阶段：手动改、半自动对比、建立评分表。
手动改的阶段最笨，就是每次输出不满意就改几笔提示词，再跑一遍。效率低，但能帮你找到哪些词是“敏感词”。比如我发现“专业”这个词放在提示词里会让AI的语气变得端着，“通俗易懂”则会让它把句子写短。这些细微的语感差异，只有反复试才能摸出来。
半自动对比是我现在常用的方式。同一个任务写两版提示词，把变量控制在两三个以内，让AI各跑一遍。我把两份输出并排放着看，哪一版更接近目标，就保留哪一版的写法。这个过程有点像做A/B测试，只不过测试对象是你的指令本身。
评分表是最近才开始用的。我给自己定了一个简单的五分制：搜索意图匹配度、关键词自然度、信息完整度、可读性、转化引导力。每项一到五分，跑完一轮打个总分。这个做法最大的好处是让“感觉不错”变成可以量化的东西。以前我觉得某版提示词“更好”，现在能说清楚好在哪里，是意图匹配从3分提到了4分，还是可读性从2分升到了3分。
迭代频率上，我的建议是新任务至少跑三轮，成熟任务每季度复查一次。新任务不用解释，第一轮肯定是试水。成熟任务为什么要复查？因为搜索意图会变，用户的语言习惯会变，你半年前觉得好用的提示词，现在可能已经跟不上节奏了。我自己每季度会挑几个核心模板重新跑一遍，对比一下输出质量和当初的差距。
效果评价还有一个维度容易被忽略：人工修改的工作量。我现在的判断标准很简单，AI输出的初稿，如果人工修改的时间超过从头写的三分之一，这个提示词就还有优化空间。我追求的状态是，AI出稿之后我只做微调，补几个真实案例、调一下语气、加一两个内链建议。如果提示词写到位了，这个目标是能达到的。
说到底，提示词迭代的终点不是找到“最完美的那一版”，而是建立一套能持续产出稳定质量输出的指令系统。你不需要每次都写出惊艳的提示词，你需要的是每次都能写出七十五分以上的提示词，然后把精力省下来做人工判断和策略思考。这才是SEO提示词真正省时间的地方。
3.1 关键词研究与搜索意图分析模板
我在关键词研究这件事上走过弯路。最早是拿着一堆工具导出的词表硬往内容里塞，做出来的东西自己都不想读第二遍。后来我把这个环节交给AI，前提是提示词得写到位。现在我的关键词研究模板基本固定成一个结构：先给主题范围，再让AI分层扩展，最后强制标注搜索意图。
下面这个模板我用了大半年，改过四五版，现在算是比较稳定的版本：
你是一名资深SEO关键词研究员，擅长从用户语言中挖掘搜索需求。
我的业务是：[行业/品类]
核心主题是：[核心词]
目标市场是：[地区/语言]
请完成以下任务：
1. 围绕核心主题，扩展出20-30个用户可能搜索的关键词表达，包含：
- 口语化问法（如"XX怎么选""XX哪个好"）
- 场景化长尾词（如"小户型XX推荐"）
- 对比型搜索词（如"XX和XX区别"）
2. 为每个关键词标注搜索意图类型：信息型/商业调查型/交易型/导航型
3. 按意图分组，每组给出内容形式建议（指南、测评、对比、教程等）
4. 标出哪些词适合做聚合页，哪些词适合做单篇内容
输出格式：Markdown 表格，列为：关键词 | 意图类型 | 内容形式建议 | 页面类型建议
这个模板的核心价值在于两个强制动作。第一个是分层扩展，我不让AI一次性给我五十个词，而是按口语问法、场景长尾、对比词三个方向各跑一批。这么做的原因是不同类型的词对应不同的内容策略，混在一起看容易乱。第二个是意图标注，这件事人工做一遍要花两三个小时，交给AI之后我只需要复核和删改。
拿到输出之后我有个习惯，把那些意图模糊的词单独拎出来，再跑一轮追问：“针对以下几个词，分别描述搜索者此刻的心理状态和决策阶段。”这一步能帮我判断某些词到底是该做信息型内容还是交易型落地页。做过几轮之后我发现，越是口语化的长尾词，意图越明确；越是短的核心词，意图越混杂。这个判断没法靠工具给出，只能靠对用户的理解加上AI的辅助推演。
3.2 标题、Meta描述与内容大纲生成模板
标题和Meta描述是点击率的第一道关卡。我以前的做法是写完文章再回头憋标题，经常憋出一堆中规中矩的版本。现在我把这个环节前置，用专门的模板先把标题和描述跑出来，再根据选定的标题去搭大纲。
标题生成的模板我通常会写三组约束条件。字数约束、句式约束、元素约束。不限死这三样，AI给你的标题要么太长被截断，要么太泛没人点。
你是一名擅长写搜索点击标题的SEO文案。
页面主题：[主题]
核心关键词：[核心词]
目标受众：[受众描述]
搜索意图：[意图类型]
请生成10个标题，满足以下条件：
- 长度控制在25-30个字符（中文）
- 包含核心关键词，位置尽量靠前
- 至少包含以下元素中的一种：数字、年份、疑问句式、利益点、风险提示
- 不使用绝对化用语（最好、第一、唯一等）
- 语气贴合目标受众的阅读习惯
同时生成3个Meta描述，每个长度在70-80个字符，包含核心词和明确的点击理由。
跑出来的标题我会人工筛一遍。有些版本AI会写得过于广告腔，那种我直接删掉。留下来的通常有个共同点：读起来像一个人在跟你说话，而不是在冲你喊话。
大纲生成我用的模板跟标题是分开的。标题定下来之后，我会把标题、目标关键词、意图类型一起喂给AI，让它按H2-H3的层级搭结构。模板里我会强制要求两件事：每个H2下面必须标注对应的搜索子意图，以及每个H3必须包含一个用户可能提出的具体问题。这两条约束让大纲从“目录”变成了“需求映射表”。我拿着这份大纲去写内容的时候，思路特别清晰，因为每一节要回答什么问题已经列好了。
有个细节我改了很多次：大纲的层级深度。一开始我让AI随便发挥，结果有的部分挖到H4，有的部分两个H2就结束了。后来我在模板里加了硬性规定，H2控制在5-7个，每个H2下面H3不超过4个。结构一稳定，后续写作和排版的效率都上来了。
3.3 长文写作、段落优化与内链建议模板
长文写作的提示词，我踩过的坑最多。最常见的错误是一口气让AI写完三千字，输出质量到后半段明显下滑，车轱辘话反复说。后来我改成了分段生成加逐段优化的方式，提示词也拆成了两个。
第一个是长文写作模板，我按大纲逐段跑：
你是一名[行业]领域的资深编辑，正在撰写一篇SEO长文。
文章主题：[标题]
目标关键词：[核心词]
当前段落任务：撰写H2"[小标题]"下的内容
该部分需要覆盖的子问题：
- [问题1]
- [问题2]
- [问题3]
写作要求：
- 口语化表达，避免书面套话
- 每段2-4句话，段落之间逻辑连贯
- 核心关键词在本部分出现1-2次，自然融入
- 涉及数据时标注来源或使用模糊表述
- 字数控制在300-500字之间
- 不使用"首先""其次""最后"这类连接词
这个模板里我最看重的是每段2-4句话这条约束。不加这条，AI特别爱写长段落，一段能塞五六句话，读起来累。加了这条之后，输出的节奏感明显好了很多。
第二个模板是段落优化和内链建议。一段内容跑出来之后，我会单独跑一轮优化指令：
请对以下段落进行优化：
[粘贴段落]
优化目标：
1. 提升可读性：长句拆短，被动改主动
2. 检查关键词密度：核心词是否超过2次，如超过请替换为语义相关词
3. 补充一个具体例子或场景描述
4. 在合适的位置建议1个内链锚文本，指向[相关页面主题]，并说明为什么这个位置适合放内链
输出：优化后的段落 + 修改说明
内链建议这一块我特别看重AI给出的理由。它说“这里适合放内链”没用，我要的是“读者读到这里会产生XX疑问，内链可以承接这个疑问”。理由说得通，我才采纳。说不通的，我自己再判断。
跑内链的时候我还会加一条指令：“每条内链建议给出两个备选锚文本，一个偏关键词，一个偏自然语言。”这样我在实际操作中可以根据页面情况灵活选。关键词锚文本利于权重传递，自然语言锚文本利于阅读体验，两者需要平衡。
3.4 页面审计、技术SEO与结构化数据模板
页面审计这块我以前依赖工具，后来发现工具能查技术问题，查不了内容层面的东西。现在我的做法是工具跑一遍，AI再跑一遍内容审计。两个结果合起来看，漏掉的东西少很多。
内容审计的模板长这样：
你是一名技术SEO顾问，请对以下页面进行审计。
页面URL：[URL]
目标关键词：[核心词]
页面类型：[文章/产品页/分类页]
请从以下维度逐项检查并给出修改建议：
1. 标题标签：是否包含核心词，长度是否合适，是否有吸引力
2. Meta描述：是否包含点击理由，长度是否在合理区间
3. H标签结构：H1是否唯一，H2/H3层级是否清晰，关键词是否分布在标题中
4. 内容质量：信息完整度、原创性风险、是否满足搜索意图
5. 内链：站内链接数量与锚文本质量
6. 图片：alt属性是否描述准确，是否包含关键词
7. 页面速度相关建议：图片压缩、脚本加载等
输出格式：问题清单 + 优先级（高/中/低）+ 具体修改建议
结构化数据的模板是另一个独立的。Schema这玩意手写容易出错，我现在都是让AI先生成，再拿去验证工具跑一遍。
请为以下页面生成JSON-LD格式的结构化数据：
页面类型：[Article / Product / FAQ / HowTo / BreadcrumbList]
页面标题：[标题]
关键信息：
- 作者：[作者名]
- 发布日期：[日期]
- 更新日期：[日期]
- [其他字段]
要求：
- 使用schema.org标准词汇
- 字段完整，不留空值
- 日期格式使用ISO 8601
- 输出可直接嵌入HTML的script标签
我一般会一次性把FAQ和Article两个schema都让AI生成，然后把FAQ部分嵌进正文末尾。这么做的好处是页面在搜索结果里有机会展示更多信息，点击率会好看一些。Schema生成之后我一定会跑一遍Google的富媒体测试工具，AI写的JSON-LD偶尔会有字段拼写错误或者类型不对，验证这一步省不了。
3.5 竞品分析、内容差距与外链机会模板
竞品分析我以前是手动做的，打开三五个对手的页面，一条条记录他们的标题、结构、关键词。做一次要花半天。现在我把这个流程模板化了，AI跑一轮，我再人工复核重点部分。
竞品分析的模板我一般会喂给AI几个竞品页面的核心信息，让它做结构化对比：
你是一名竞争情报分析师，请对以下竞品页面进行分析。
我的页面主题：[主题]
核心关键词：[核心词]
竞品A信息：[标题 / 大纲 / 核心关键词 / 内容字数]
竞品B信息：[同上]
竞品C信息：[同上]
请输出：
1. 内容覆盖对比表：每个竞品覆盖了哪些子主题，我是否覆盖
2. 内容差距清单：竞品有而我没有的子主题，按搜索价值排序
3. 差异化机会：竞品都忽略但用户可能关心的角度
4. 每个机会点的内容形式建议
这个模板最实用的地方是内容差距清单。拿着这份清单，我下一轮内容规划就有了明确方向。清单里排在前面的，通常是我漏掉的子意图关键词，补上之后页面的语义完整度会明显提升。
差异化机会那部分AI给的答案有时候挺有意思。比如有次跑一个空气炸锅的选题，三个竞品都在讲食谱和容量，AI提出“清洁难度对比”这个角度被集体忽略了。我去搜了一下相关搜索词，发现“空气炸锅清洗麻烦吗”确实有稳定搜索量。这种角度就是内容差距里最值钱的部分。
外链机会的模板跟上面这个是分开的。我通常会让AI基于竞品的外链数据（从Ahrefs或Semrush导出）做一个机会分类：
以下是我整理的竞品外链来源数据：
[粘贴域名列表和链接类型]
我的业务领域：[领域]
内容资产：[已有的可链接资源，如工具、报告、指南]
请完成：
1. 按外链类型分类：资源页、行业目录、客座文章、媒体报道、论坛引用
2. 标出哪些类型我当前可以尝试
3. 针对每类机会给出具体的接触策略建议
4. 指出哪些外链类型虽然量多但对我的领域权重帮助有限
外链这块我一直觉得没有捷径。模板能帮你把机会分类理清楚，但真正去拿链接还是得靠内容资产和人工沟通。AI在这个环节的价值是帮你判断优先级，告诉你先攻哪一类机会投入产出比更高。
我把这五套模板串起来用的时候，基本覆盖了日常SEO工作的大部分环节。从关键词研究到大纲生成，从长文写作到页面审计，再到竞品和外链分析。每套模板我都单独存了一份，标注了适用场景和迭代版本。用的时候直接调出来改几个变量就行，省下来的时间用在判断和策略上。这个账算下来很划算。
4.1 明确目标：排名、流量、转化或品牌
我刚上手写SEO提示词那会儿，犯的最大一个错误就是目标含糊。每次打开对话框，脑子里想的是“帮我写篇SEO文章”，敲进去的提示词也差不多就这个意思。AI返回的东西看着挺像那么回事，实际用起来总觉得哪里对不上。后来复盘才发现，问题出在起点。我没想清楚这篇内容到底是要冲排名，还是要拉流量，还是要促转化，还是纯粹做品牌曝光。这四个目标对应的提示词写法差别很大。
拿“排名”来说，目标是让某个具体关键词的页面排上去。提示词里就得把关键词位置、语义密度、竞争对手的内容深度这些约束写死。我通常会把目标关键词和三个主要竞品的标题同时放进提示词，告诉AI“这个页面需要在内容深度上超过它们”。如果目标是流量，那我更关注覆盖面，提示词里会要求AI扩展长尾词变体，一篇文章尽量吃下多个相关搜索。这两种写法跑出来的内容，结构完全不一样。
转化和品牌这两个目标的提示词又是另一套逻辑。转化导向的页面，我会在提示词里加入行动引导的要求，比如“每个H2结尾给出一个自然的下一步建议”。品牌导向的内容，关键词密度可以放松，取而代之的是语气一致性、观点独特性这些约束。我吃过一次亏，用转化型提示词去写品牌故事，结果输出了一篇满屏“立即咨询”的软文，读起来特别劝退。那次之后我在提示词模板开头加了一行硬性字段：本次目标 = [排名/流量/转化/品牌]。这行字段写上去，后面所有指令都会跟着对齐。
我现在给团队新人培训的时候，第一课就是让他们在写提示词之前，先用一句话把目标说清楚。说不清楚的，先别打开AI，回去想。这句话听起来简单，实际操作中十个人有六个人会卡住。卡住的原因通常是他们想一次性兼顾多个目标。我的建议是拆开做。一个页面主攻一个目标，提示词只服务这一个目标。想兼顾的，分开跑两轮，再人工合并。这么做看起来麻烦，实际省下的返工时间更多。
4.2 收集上下文：产品、受众、关键词与竞品
提示词写得好不好，八成取决于你喂进去的上下文够不够。这件事我深有体会。早期我写的提示词经常只有一句话：“帮我写一篇关于XX的文章。”AI只能靠猜，猜出来的东西跟我的业务八竿子打不着。后来我强迫自己每次写提示词之前，先填一张上下文清单。清单不长，四块内容：产品信息、受众画像、关键词、竞品参考。
产品信息这块，我至少要写清楚三件事。这个产品解决什么问题、跟同类比差异在哪、用户通常在什么场景下用它。这三件事写进提示词，AI输出的内容就不会飘。受众画像我一般会写得更细一点，包括年龄区间、决策阶段、他们平时怎么说话。有一次我写的是“25到35岁、第一次装修、对预算敏感”，AI输出的语气明显比之前那版接地气，用的例子也从豪装变成了宜家风。受众描述省不得，省了之后AI只能给你一个“泛泛的普通人”版本，那个版本谁读都觉得不是写给自己的。
关键词的收集我有个习惯，不管做哪个页面，都会先跑一轮关键词扩展，把核心词、长尾词、疑问词分成三组放进提示词。分组的目的是让AI知道哪些词必须出现，哪些词出现就好，哪些词是加分项。不分组的后果我遇到过，AI把所有词平均分布到文章里，读起来像关键词堆砌。分组之后，核心词自然融入，长尾词分布在H2和H3里，疑问词直接变成小节标题，整个结构顺多了。
竞品参考是我后来才加进上下文清单的。加进去之后，内容差异化明显变好。我的做法是挑三到五个排名靠前的页面，把它们的标题和大纲提取出来放进提示词。不用全文，标题加H2就够。AI看到这些信息，会自动避开已经被写烂的角度，往差异化的方向走。这个动作花不了十分钟，但对内容质量的影响很大。我现在的提示词模板里，这四块上下文是固定字段，缺一块我都会觉得不踏实。
4.3 编写初稿：用结构化框架组织指令
上下文准备好之后，就到了动手写的环节。我一开始是想到哪写到哪，提示词写得跟聊天一样，结果每次输出质量忽高忽低。后来我把提示词拆成了固定的几个板块，按顺序排好，输出稳定性一下子提升了不少。这个框架我用了快一年，中途改过小细节，整体结构没动过。
框架的第一块是角色设定。我会给AI一个明确的身份，比如“你是一名有五年经验的SEO内容编辑，服务过家居行业客户”。角色越具体，AI的输出越贴合场景。只写“你是一名SEO专家”也不是不行，但输出会偏通用，缺少行业味道。第二块是任务描述，把这一轮要完成的事情说清楚，一次只说一件事。我试过一次让AI既写标题又写大纲又写正文，结果三样都做得马马虎虎。拆成三轮之后，每轮的质量都上来了。
第三块是输出格式。这一块我写得最细，包括用什么标记、分几段、每段多少字、表格有几列。格式约束写清楚，我拿到输出之后基本不用重新排版。第四块是限制条件，把不能做的事情列出来。我常用的限制有：不用绝对化用语、不用书面套话、不编造数据、不出现“首先其次最后”这类连接词。限制条件这一块我每次都会根据任务调整，加加减减。写多了之后我总结出一个规律：限制条件越具体，AI越不容易跑偏。
框架的最后一块是示例。如果我之前跑出过满意的结果，我会把那个结果截取一段放进提示词，告诉AI“参照这个风格”。这招特别管用，尤其是做系列内容的时候。第一篇跑好了，后面每一篇的提示词里都带上第一篇的片段作为风格锚点，输出一致性有保障。整份提示词写下来通常不超过五百字，但每一句都有明确作用。我把这个框架存成了一个文本文件，每次写新提示词就复制过来改字段，效率比从零开始高太多了。
4.4 测试与调优：A/B对比、评分与迭代
一份提示词写完，不代表就能用了。我现在养成了一个习惯，任何新提示词上线之前，至少跑三组对比测试。测试的方法不复杂，拿同一个任务，用两个版本的提示词各跑一遍，把结果摆在一起看。看什么？看三点：内容覆盖度、语言自然度、有没有事实错误。这三点里，语言自然度是我最看重的。一份提示词如果跑出来的内容读着别扭，其他指标再好我也会推翻重来。
A/B测试的时候我有个小技巧，就是控制变量。两个版本的提示词只改一个地方，其他地方完全一样。这么做的目的是搞清楚到底是哪个改动起了作用。我有一次同时改了角色设定和输出格式，结果新版本效果好很多，但我完全不知道是哪个改动带来的。后来重新拆开测了一遍才发现，起作用的是角色设定，格式那块其实改坏了。控制变量这个原则听起来基础，实际执行的时候特别容易被忽略。人总是想一次改好几个地方，觉得这样效率高，其实是在给自己挖坑。
评分环节我用的是一个简单的五分制。内容覆盖度、语言自然度、关键词融入度、事实准确度、格式规范性，五个维度各打一分到五分。打完分我会记录在表格里，跑过的每一版提示词都有记录。这个表跑了几个月之后，我翻回去看能发现一些规律。比如语言自然度这一项，加了“口语化表达”这条指令的版本普遍能拿到四分以上，不加的基本都在三分左右徘徊。这种规律靠感觉是摸不出来的，只有记录下来才能看见。
迭代的频率我控制在每两周一次。太频繁了没有足够的数据支撑判断，太慢了又跟不上业务变化。每次迭代只改一到两个地方，改完再跑一轮测试。有时候改完发现效果变差了，那就回滚到上一版。回滚不丢人，硬撑着用效果差的版本才是真的浪费。我现在的提示词库里，每一份都带着版本号和修改记录，大概有三分之一的版本是回滚之后的产物。这个过程看着繁琐，但每一轮迭代都在把提示词往更稳定的方向推。
4.5 建立提示词库：分类、版本管理与复用
提示词写到一定数量之后，管理就成了问题。我有段时间提示词散落在各种地方，对话框里、备忘录里、文档里，到处都是。想找一份上个月跑出好结果的提示词，翻半天翻不到。后来我花了一个周末，把所有提示词归拢到一个文件夹里，按任务类型分了类，才算把这件事理顺。
分类的方式我试过两种。一种是按SEO工作环节分，关键词研究、大纲生成、正文写作、页面审计、竞品分析，一类一个文件夹。另一种是按业务线分，家居内容、工具测评、行业指南各放各的。两种方式我都保留了，文件夹按工作环节分，文件命名里带上业务线标签。这么做的好处是找的时候可以从两个维度切入，不至于因为分类方式选错了就找不到东西。
版本管理这块，我用的是最土的办法：文件名后面加日期和版本号。比如“长文写作模板_20240915_v3”。土归土，管用。每一版的修改点我会在文件开头写三行说明，改了哪里、为什么改、效果怎么样。这三行说明看起来不起眼，实际用起来特别省事。隔了两个月回来翻，一眼就能看出这版跟上一版的区别，不用重新读一遍全文。我吃过没写说明的亏，有一版提示词改了一个关键指令，过了一个月完全想不起来当时为什么改，只能重新测试了一遍才敢用。
复用是提示词库最大的价值所在。我现在做新项目的时候，很少从零写提示词。基本流程是打开提示词库，找到最接近的任务类型，复制一份出来，改上下文和关键词，跑一轮测试，微调之后就能用。这个流程比每次从零开始快很多，而且出来的质量更稳定。提示词库对我来说就像一套工具，用得越久越顺手。每跑一个新项目，库里就多一份沉淀下来的提示词，下一次遇到类似任务的时候，起点就比上一次高了一截。这件事的复利效应特别明显，做得越久越能感觉到。
5.1 多平台适配：ChatGPT、Claude、Gemini与国内模型
我最早只在一个平台上跑SEO提示词，觉得调好了就万事大吉。后来团队里有人用Claude，有人用Gemini，还有客户指定要国内模型跑内容，我才发现同一份提示词换个平台，输出能差出十万八千里。ChatGPT对结构化指令的执行力很强，你让它分三段、每段不超过两百字，它基本不会跑偏。Claude对长上下文的理解更细腻，你塞一篇三千字的竞品分析进去，它还能抓住里面的语气和逻辑。Gemini的多模态能力我用得少，但它在处理表格数据时挺顺手。国内模型像文心一言、通义千问、Kimi，对中文口语化指令的响应更自然，可你要是写太长的英文式约束，它们有时候会绕进去。
我的做法是在核心提示词外面套一层平台适配层。核心部分不变，角色、任务、输出格式、限制条件这些照旧。适配层写清楚这个平台特有的要求。比如给ChatGPT的版本，我会把格式约束写得特别死，用编号列表和加粗标记。给Claude的版本，我会多给一些背景描述，少写硬性限制，让它自己发挥连接能力。给国内模型的版本，我会把长句拆短，把专业术语换成日常说法，限制条件也从英文缩写改成中文全称。这个适配层通常只有三五句话，但跑出来的效果比直接复制粘贴好太多。
我试过偷懒，拿同一份提示词在四个平台各跑一遍，然后把最好的那个结果留下。结果发现每个平台都有它的脾气。ChatGPT跑出来的结构最规整，但语言偏机器。Claude的语言最自然，可偶尔会漏掉我指定的关键词。Gemini的数据处理强，但写出来的东西有点干。国内模型最接地气，可事实错误率也最高。这件事之后我再也不偷懒了。每上一个新平台，我都会花半小时跑几组对比测试，把适配层调到位。调一次能用很久，这笔时间花得值。
5.2 与SEO工具和数据结合：GSC、Ahrefs、Semrush
光靠AI自己编，内容容易飘。我后来养成了一个习惯，写提示词之前先打开Google Search Console，把目标页面近三个月的查询词导出来。哪些词有展示没点击，哪些词排名在十到二十之间，哪些词点击率明显低于平均水平。这些数据整理成三列表格，塞进提示词里，让AI基于真实搜索需求去写内容。这么做之后，内容跟用户实际搜的东西对得上了。以前我凭感觉猜关键词，猜十次错六次，现在数据摆在那里，方向清楚很多。
Ahrefs和Semrush我用得更多的是竞品和外链板块。选三到五个排名靠前的页面，把它们的引用域名、外链锚文本、内容差距报告提取出来。这些数据不用全放，挑关键的一二十行就够。我会在提示词里写清楚：这些是竞品的外链来源，请分析哪些类型的外链是我们可能争取的，然后给出内容优化建议。AI拿到这些真实数据后，输出的建议具体多了。它会告诉你某个竞品被哪些行业博客引用，我们的内容可以往那个方向靠。这种建议靠AI自己编是编不出来的。
数据结合这件事有个坑，就是量太大。我有一次把GSC里两千多行查询词全贴进去，AI直接懵了，输出了一堆废话。后来我学会先做筛选，只保留展示量前二十、点击率低于百分之三、排名十一到二十的词。这个筛选动作花五分钟，但提示词的效率提升好几倍。我的经验是，给AI的数据要精不要多。三五个关键指标、十来行核心数据，比几百行原始数据管用得多。数据是给AI指方向的，不是让它做数据处理的。
5.3 自动化工作流：批量生成、审核与发布
批量生成这件事我犹豫了很久才动手。一开始觉得AI写的东西不靠谱，批量跑出来的肯定一堆垃圾。后来被内容量逼得没办法，试着搭了一个简单的工作流。Google Sheet里放关键词列表和提示词模板，用Apps Script调API批量跑，每次跑十条。跑完的结果自动写回表格里，我再人工过一遍。这个流程跑顺之后，原来一周才能写完的十篇文章，现在两天就能搞定初稿。省下来的时间我花在审核和润色上，整体质量反而比之前一篇篇手写更稳定。
审核环节我设了三道关。第一道是机器审核，用脚本检查关键词密度、段落长度、有没有出现禁止词。第二道是人工初审，重点看事实错误和语气问题。AI经常会编一些看起来很像真的假数据，比如“根据某年某机构调查”，这种必须查证。第三道是终审，我自己读一遍，看内容有没有价值，读起来顺不顺。三道关跑下来，能过滤掉大部分低质内容。发布环节我坚持人工点发布，不搞全自动。全自动发布的风险太大，一旦提示词跑偏，可能一次性发出去几十篇垃圾，那个后果我承担不起。
我见过有人用Make或者Zapier搭全自动工作流，从关键词到发布一条龙。跑起来确实快，但内容质量参差不齐。我的看法是，自动化可以用在生成和初审环节，终审和发布必须留给人。AI可以帮你写初稿、查错、排版，但它不知道你的品牌语气，不知道哪些话在行业里是禁忌，不知道某个数据是不是过时了。这些判断需要人的经验。我的工作流里，自动化承担了百分之七十的重复劳动，剩下百分之三十的关键决策还是我自己来。这个比例我用了半年，觉得挺合适。
5.4 风险、伦理与质量底线：避免低质AI内容
AI写内容最大的风险是幻觉。它会编造数据、虚构来源、把不存在的案例说得有鼻子有眼。我刚开始用AI写SEO内容的时候，没少被这个坑。有一篇关于行业趋势的文章，AI引用了一个“2023年全球调研报告”，我查了半天根本没这个报告。从那以后，我立了一条规矩：AI输出的任何数据、引用、案例，必须经过人工核实才能用。核实不了的，删掉或者换成我自己的经验。这条规矩看起来简单，执行起来挺费时间，但它保住了内容的底线。
伦理这块我想得比较多。用AI批量生产内容，如果只是为了填满网站骗搜索引擎，那跟制造垃圾没什么区别。我见过一些站群，几千篇文章全是AI生成的，读起来像同一个模子刻出来的。这种内容短期可能有点流量，长期一定会被算法识别和清理。我的原则是，AI是辅助工具，不是替代品。每篇内容里必须有我自己的观点、经验、判断。AI帮我搭框架、找素材、润色语言，但核心价值必须来自人。这个底线守住了，内容才有存在的意义。
质量底线我总结成三条。第一条，每篇内容发布前必须有人完整读过一遍，确认没有事实错误和逻辑断裂。第二条，AI生成的内容占比不超过百分之七十，剩下的百分之三十必须是人写的原创部分。第三条，定期抽检已发布内容，看有没有过时信息需要更新。这三条写在我的团队手册里，新来的编辑第一周就要记住。我宁愿少发几篇，也不愿意发出去的内容拉低整个站点的可信度。E-E-A-T这个东西，攒起来慢，毁起来快。
5.5 扩展大纲：从单篇内容到SEO内容系统
单篇内容写多了之后，我自然就开始想怎么把它们串起来。东一篇西一篇，每篇单独看还行，合在一起没有合力。后来我学着搭主题集群，选一个核心话题做支柱页面，围绕它写十到十五篇子话题文章，每篇都链回支柱页。提示词也跟着升级，从写单篇变成写内容地图。我会让AI根据一个核心关键词，生成整个集群的标题列表、内链建议、发布顺序。这个视角一变，内容的价值就不一样了。单篇是在抢词，集群是在占一个领域。
内容系统不只是文章本身，还包括背后的词库、提示词库、模板库和审核流程。我的词库按主题分类，每个主题下面挂着核心词、长尾词、疑问词。提示词库对应不同的任务场景，写大纲的、写正文的、写Meta描述的，各有一套模板。模板库里存着几套经过验证的内容结构，比如教程型、对比型、清单型。审核流程就是前面说的三道关。这几样东西搭在一起，新项目启动的时候就不用从零开始了。复制、改字段、跑测试、微调，一套流程走下来，比每次重新发明轮子快得多。
这件事的复利效应我感受特别深。第一年做内容系统的时候，感觉前期投入大、见效慢。第二年再开新项目，发现启动成本降了一大半。提示词库里有现成的模板，词库里有积累的数据，审核流程已经跑顺了。别人从零开始写一篇要三小时，我从库里调模板改一改，四十分钟就能出初稿。省下来的时间我花在策略和创意上，内容的差异化反而更明显了。我现在把SEO提示词和内容系统当成一项长期资产来经营，每跑一个项目就往里沉淀一点东西。这个雪球滚起来之后，后面的路会越来越好走。
