seo-sitemap

Sitemap 分析與產生

模式 1：分析現有 Sitemap

在回報 sitemap 缺失前，先探索候選項目：

claude-seo run sitemap_discovery.py <url> --json

輔助工具會讀取 robots.txt 中每個有邊界的 Sitemap: 宣告，
透過共享的 SSRF 安全擷取層驗證跨主機目標，
並在宣告的 sitemap 過時或無效時，仍然探查常見路徑。
僅使用 found 中的條目；將宣告失敗保留為發現結果，
而不是僅憑 robots.txt 的一行就證明 sitemap 正常運作。

驗證檢查

• 有效的 XML 格式
• 每個檔案限制：≤50,000 個 URL 且 ≤50MB 未壓縮（以先達到者為準）
• 所有 URL 回傳 HTTP 200
• <lastmod> 準確：必須是有效的 W3C Datetime，且反映最後
  一次重大內容變更（主要內容、結構化資料、連結，非
  版權/範本編輯）。Google 僅在 <lastmod> 持續且可驗證地
  準確時才採納，因此當數值可疑地一致或比頁面實際內容更新時，請提出警告。
• 無已棄用的標籤：Google 忽略 <priority> 和 <changefreq>
• Sitemap 在 robots.txt 中被引用
• 比較爬取頁面與 sitemap；標記遺漏的頁面

品質訊號

• 若超過 50k 個 URL，使用 sitemap 索引檔
• 按內容類型分割（頁面、文章、圖片、影片）
• Sitemap 中無非標準 URL
• Sitemap 中無 noindex 的 URL
• Sitemap 中無重新導向的 URL
• 僅使用 HTTPS URL（無 HTTP）

常見問題

問題	嚴重性	修正方式
單一檔案超過 50k 個 URL	嚴重	使用 sitemap 索引分割
單一檔案未壓縮超過 50MB	嚴重	使用 sitemap 索引分割
非 200 狀態碼的 URL	高	移除或修正損壞的 URL
包含 noindex 的 URL	高	從 sitemap 移除
包含重新導向的 URL	中	更新為最終 URL
所有 lastmod 相同	低	使用實際修改日期
使用了 priority/changefreq	資訊	可移除（Google 忽略）

擴充 Sitemap（圖片 / 影片 / 新聞）

Google 記錄了三種子類型，各有其規則，請依子類型驗證：

• 圖片（http://www.google.com/schemas/sitemap-image/1.1）：僅剩兩個有效
  標籤：<image:image> 和 <image:loc>（每個 <url> 最多 1,000 個 <image:image>）。
  <image:caption>/<image:geo_location>/<image:title>/
  <image:license> 已於 2022 年棄用，標記為資訊層級可移除。
• 影片：必填 <video:video> 搭配 <video:thumbnail_loc>、
  <video:title>、<video:description>，以及 <video:content_loc> 或
  <video:player_loc>；也支援 mRSS。將已棄用/移除的標籤
  （<video:category>、<video:gallery_loc>、<video:price>、<video:tvshow>、
  player autoplay/allow_embed）標記為資訊層級可移除；在引用移除日期前，請重新檢查 Google 文件。
• 新聞：每個檔案最多 1,000 個 <news:news>（非 50,000 個）；僅包含
  最近 2 天內的文章；必填 <news:publication>/<news:name>/
  <news:language>/<news:publication_date>/<news:title>；透過
  Search Console 或 robots.txt/sitemap 索引提交/發現；在相關情況下，僅使用 Publisher Center
  進行出版管理。當偵測到 news: 命名空間時，將通用的 50k 檢查覆寫為 1,000 的上限。

模式 2：產生新的 Sitemap

流程

1. 詢問業務類型（或從現有網站自動偵測）
2. 從 ../seo-plan/assets/ 目錄載入業界範本
3. 與使用者互動規劃結構
4. 套用品質關卡：
   • ⚠️ 30 個以上地點頁面時發出警告（要求 60% 以上獨特內容）
   • 🛑 50 個以上地點頁面時強制停止（需要提供理由）
5. 產生有效的 XML 輸出
6. 以先達到者為準進行分割：50,000 個 URL 或 50MB 未壓縮，並附上 sitemap 索引
7. 產生 STRUCTURE.md 文件

安全的程式化頁面（可大規模使用）

✅ 整合頁面（附有實際設定文件）
✅ 範本/工具頁面（附有可下載內容）
✅ 詞彙表頁面（200 字以上的定義）
✅ 產品頁面（獨特規格、評論）
✅ 使用者個人檔案頁面（使用者產生內容）

有懲罰風險（避免大規模使用）

❌ 僅更換城市名稱的地點頁面
❌ 沒有產業特定價值的「最佳 [工具] 給 [產業]」
❌ 沒有真實比較資料的「[競爭對手] 替代方案」
❌ 未經人工審查且無獨特價值的 AI 生成頁面

Sitemap 格式

標準 Sitemap

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://example.com/page</loc>
    <lastmod>2026-02-07</lastmod>
  </url>
</urlset>

Sitemap 索引（超過 50k 個 URL 時使用）

<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <sitemap>
    <loc>https://example.com/sitemap-pages.xml</loc>
    <lastmod>2026-02-07</lastmod>
  </sitemap>
  <sitemap>
    <loc>https://example.com/sitemap-posts.xml</loc>
    <lastmod>2026-02-07</lastmod>
  </sitemap>
</sitemapindex>

錯誤處理

• URL 無法連線：回報 HTTP 狀態碼，並建議檢查網站是否正常運作
• 找不到 Sitemap：執行 sitemap_discovery.py，僅在其 found 清單在檢查過宣告和常見候選項目後仍為空時，回報「找不到」
• 無效的 XML 格式：回報具體的解析錯誤，附上行號
• 偵測到速率限制：退避並回報部分結果，附上關於重試時機的備註

輸出

分析模式

• VALIDATION-REPORT.md：分析結果
• 問題清單，附嚴重性
• 建議

產生模式

• sitemap.xml（或分割檔案與索引）
• STRUCTURE.md：網站架構文件
• URL 計數與組織摘要