方法的來源、版本、日期與使用條件，以及可以逐項開啟的公開紀錄。
證據與來源 / 公開紀錄
AK 怎麼判斷，
證據放在這裡。
這裡整理方法、自站實驗、審計樣本與外部提及。每筆資料都附上來源、日期、狀態與適用範圍，方便你沿著原始資料閱讀。
公開紀錄
每筆資料都以文字標示狀態，讓你分清已查核來源、第一方觀察、方法與假說。
第一方觀察
3 筆01
第一方觀察 · 自站改造
AKSEO Labs 自站實體圖與 sitemap 重構
這次改造把人物、組織、網站與服務整理成四個固定識別點，並重新整理網站地圖的正式網址與更新日期。原始頁面、網站地圖與結構化資料都可沿著關於頁查看。
- 狀態
- 第一方工作紀錄
- 相關頁面
- 關於 AK
這筆紀錄呈現 AKSEO Labs 自站的結構化資料與網址整理，可從公開頁面與原始碼回看。
這筆紀錄只涵蓋結構化資料與網址整理；後續排名、流量或 AI 引用需要另外觀察。
改造日期為 2026-07-21，後續變化會受網站內容、搜尋系統與競爭環境影響。
02
審計樣本 · 完全自有站
AKSEO Labs 自站 65 個 URL 技術審計樣本
把網站地圖列出的 69 筆網址逐一比對，實際抓到 65 個不重複網址，記錄發現、正式網址、阻擋、標題、主標、初始內容、結構化資料、導購連結，以及 robots.txt、llms.txt 與八種爬蟲身分的回應。
- 狀態
- 第一方觀察
- 來源
- 第一方說明
- 相關頁面
- AKSEO Labs 公開紀錄
這份清單來自 AKSEO Labs 自站，讀者可以依相同項目回看技術 SEO 檢查範圍。
網站地圖與抓取結果主要呈現頁面可發現與可讀取的狀態；流量、轉換、排名與 AI 引用需要其他資料。
這是 2026-07-21 的抓取快照，後續網站與搜尋系統狀態可能改變。
03
工具觀察 · 伺服器紀錄
llms.txt 爬蟲 log 已知負向觀察
檢視數個自有網站的伺服器紀錄，觀察主流 AI 爬蟲是否請求 llms.txt；在這批紀錄中幾乎沒有看到明顯請求。
- 狀態
- 第一方觀察
- 相關頁面
- AI SEO：抓取到引用的成本
這筆紀錄呈現特定網站與時間範圍內的 llms.txt 請求觀察。
這筆資料聚焦特定網站與時間範圍的 llms.txt 請求；被發現、被抓取、被收錄、排名與引用是不同的觀察層次。
來源為 2026-06-14 的第一方紀錄；不同網站可能有不同結果。
測試紀錄
3 筆01
第一方觀察
一年多跑上百個 AI 測試站的重複結論
一年多觀察上百個使用 AI 產內容的 SEO 測試站，重複看到內容品質、主題與網站條件比生產工具更值得一起檢查。
- 狀態
- 重複觀察
- 相關頁面
- AI 內容 SEO 策略
這是 AK 反覆測試後整理出的第一方觀察與工作立場。
這筆研究以重複觀察與工作立場為主；完整逐站資料與因果驗證需要另外的研究設計。
判斷內容改動時，仍要對照頁面任務、搜尋字、競品表現與觀察時間。
02
第一方實驗
3,000 美元競標 10 個老域名測 KGR
投入約 3,000 美元競標 10 個老域名，搭配自建 AI 文章流程，測試 KGR（低競爭關鍵字）選題法與一般選題策略的差異。
- 狀態
- 研究假說
- 來源
- 第一方說明
- 相關頁面
- SEO 關鍵字研究
這筆紀錄呈現一次實際投入與測試設計。
這筆紀錄呈現一次投入與測試設計；KGR 的效果仍需更多資料與重複測試。
內容工具、題目、版本與檢查方式都會影響結果；完整判讀需回到文章與原始測試資料。
03
第一方自述 · 規模化部署
程式化 SEO 的部署規模與測試紀錄
關於頁與服務頁記錄 AK 自 2016 年投入程式化 SEO；目前可對照的第一方資料包括 50K+ 部署頁面自述與上百個 AI 內容測試站的觀察。
- 狀態
- 第一方自述
- 來源
- 關於 AK
- 相關頁面
- SEO 服務 · 程式化 SEO
這筆紀錄整理 AK 對程式化 SEO 經歷與測試規模的第一方說明。
頁面數與測試站數量描述經歷；流量、排名、營收與其他網站結果需要各自的資料。
2016 起算年份與部署規模來自第一方公開資料，閱讀時請和自站公開紀錄分開。
方法與模型
9 筆01
方法筆記
內容清單分級法（Content Inventory Triage）
把 sitemap、逐頁內容與 GSC 查詢資料接在一起，讓每個 URL 同時帶有內容、曝光、點擊與排名脈絡，再決定保留、更新、合併還是轉址。
- 狀態
- 方法說明
- 相關頁面
- SEO 稽核方法論
把 sitemap、逐頁內容與 GSC 查詢資料接在一起，讓每個 URL 同時帶有內容、曝光、點擊與排名脈絡，再決定保留、更新、合併還是轉址。
保留、更新、合併或轉址要依頁面資料與搜尋任務決定，完整步驟寫在《SEO 稽核方法論》。
02
方法筆記
決策帳本（Decision Ledger）
把候選網址的曝光、點擊、連結、轉換與頁齡放進同一張表，再依頁面任務決定更新、合併、轉址或保留。
- 狀態
- 方法說明
- 來源
- 第一方說明
- 相關頁面
- SEO 稽核方法論
把候選網址的曝光、點擊、連結、轉換與頁齡放進同一張表，再依頁面任務決定更新、合併、轉址或保留。
帳本呈現多項資料，最後仍要放回頁面內容與網站情境判讀。
03
方法筆記
替換成本模型（Replacement Cost Model）
AK 用來判斷一個頁面在搜尋結果裡有多容易被替換的模型，把排名穩定度拆成內容、連結、實體與行為訊號的組合成本。
- 狀態
- 模型解讀
- 來源
- 第一方說明
- 相關頁面
- SEO 排名因素
AK 用來判斷一個頁面在搜尋結果裡有多容易被替換的模型，把排名穩定度拆成內容、連結、實體與行為訊號的組合成本。
這是 AK 的模型與專利解讀，完整模型寫在《SEO 排名因素》；閱讀時請和 Google 公開文件分開。
04
方法筆記
信任證據矩陣（Trust Evidence Matrix）
把作者主題聚焦、身分一致性與主張出處三個維度組成矩陣，整理網站的信任脈絡。
- 狀態
- 方法說明
把作者主題聚焦、身分一致性與主張出處三個維度組成矩陣，整理網站的信任脈絡。
評估時要把作者角色、主題經驗與內容責任放在一起閱讀。
05
方法筆記
抓取到引用階梯（Fetch to Cite Ladder）
把 AI 取得內容的過程拆成抓取、解析、檢索、驗證、引用五層，逐層觀察內容如何進入回答。
- 狀態
- 方法說明
- 相關頁面
- AI SEO 是什麼
把 AI 取得內容的過程拆成抓取、解析、檢索、驗證、引用五層，逐層觀察內容如何進入回答。
可抓取、可檢索與被引用是不同階段；llms.txt 的作用仍需依實際資料觀察。
06
方法筆記
零點擊分流（0-click Triage）
從 Search Console 看到沒有點擊的頁面時，分流成更新、重寫、合併或保留；判斷會一起看曝光、連結、轉換、頁齡與搜尋任務。
- 狀態
- 方法說明
從 Search Console 看到沒有點擊的頁面時，分流成更新、重寫、合併或保留；判斷會一起看曝光、連結、轉換、頁齡與搜尋任務。
頁面處理方式要由多項資料與頁面角色共同決定。
07
方法筆記
競品網址盤點法（Sitemap URL Inventory）
用競品公開 sitemap 當內容版圖的起點，快速列出對手公開的 URL、頁型與任務分布，再進一步比對。
- 狀態
- 方法說明
- 相關頁面
- SEO 競品分析
用競品公開 sitemap 當內容版圖的起點，快速列出對手公開的 URL、頁型與任務分布，再進一步比對。
Sitemap 是公開 URL 的起點，流量、品質、轉換與完整內容版圖需要其他資料補充。
08
方法筆記
資源組成證據卡（Resource Mix Evidence Card）
診斷爬取與索引時，把網站資源組成（HTML、JS、圖片與其他）記成證據卡，附上分子、分母與觀察時間。
- 狀態
- 方法說明
- 來源
- 第一方說明
- 相關頁面
- 爬取與索引指南
診斷爬取與索引時，把網站資源組成（HTML、JS、圖片與其他）記成證據卡，附上分子、分母與觀察時間。
比例要搭配 numerator、denominator 與觀察時間閱讀，才有比較意義。
09
方法筆記
規模化前置稽核（Programmatic Readiness Audit）
在進行程式化建頁前，檢查資料欄位、模板差異、頁面代表性與爬取資源，讓頁面系統建立在可管理的資料上。
- 狀態
- 方法說明
- 來源
- 第一方說明
在進行程式化建頁前，檢查資料欄位、模板差異、頁面代表性與爬取資源，讓頁面系統建立在可管理的資料上。
這是開始前的準備檢查，不包含產頁流程或流量預測；頁面代表性相關內容來自專利與實務觀察，需用實際查詢資料核對。
媒體與外部提及
2 筆01
獨立媒體
大紀元時報台灣版引用 AK SEO Labs
正式新聞報導以 AK SEO Labs 為演算法研究來源，分析 Threads 推薦與詐騙帳號的擴散機制。
- 狀態
- 獨立第三方 · 媒體
- 相關頁面
- AKSEO Labs 公開紀錄
這筆紀錄涵蓋一則有編輯責任的獨立媒體引用。
內容範圍是這次新聞引用，不延伸到 Threads 原始碼、完整演算法權重或 SEO 成效。
媒體引用可作為身分與角色的外部紀錄，和客戶案例分開閱讀。
02
獨立媒體
鏈新聞 ABMedia 查核 Threads 專利研究
鏈新聞獨立整理 @darkseoking 的 Threads 專利系列並抽查相關專利，將其視為有依據的結構化假說。
- 狀態
- 獨立第三方 · 媒體
- 相關頁面
- AKSEO Labs 公開紀錄
這筆紀錄涵蓋獨立媒體對一篇專利研究的閱讀與評述。
內容不延伸到 Threads 現行程式碼、完整權重或線上系統設定。
專利研究與平台線上實作屬於不同資料層次。
社群與採用
4 筆01
社群提及
Coolkid AI Lab 學習紀錄
- 狀態
- 社群提及
- 相關頁面
- AKSEO Labs 公開紀錄
作者記錄 @darkseoking 曾檢視其 SEO 做法，指出缺少關鍵字研究並提供建議。
這是一則第一人稱學習紀錄，內容範圍是一次公開交流。
02
社群提及
行銷裡的路人甲 比利陳
- 狀態
- 社群提及
- 相關頁面
- AKSEO Labs 公開紀錄
作者表示因 darkseoking 的建議，重新以 Astro 與 GitHub 搭建網站。
這是一篇個人文章，內容範圍是提及與建議採用，不含正式合作或量化成果。
03
社群提及
Luca X. LinkedIn 貼文
- 狀態
- 社群提及
- 相關頁面
- AKSEO Labs 公開紀錄
第三方貼文直接把 AK 與 @darkseoking 串連，可作身分交叉紀錄。
貼文中的流量或互動數字屬作者當時陳述，和核心履歷分開閱讀。
04
第三方採用
fable-soul 被第三方專案採用
- 狀態
- 第三方採用
- 相關頁面
- AKSEO Labs 公開紀錄
第三方 GitHub 專案曾透過 Pull Request 安裝 fable-soul，形成公開採用紀錄。
這筆資料聚焦採用紀錄；工具品質、成效與合作性質需要各自的資料。
來源與專利
1 筆01
來源與專利筆記
Threads 專利解讀系列
AK 以 Meta 專利解讀 Threads 推薦演算法，整理常見問題；這是第一方研究紀錄，並有鏈新聞 ABMedia 做獨立整理。
- 狀態
- 第一方觀察
- 相關頁面
- AKSEO Labs 公開紀錄
這筆紀錄涵蓋一組以專利為基礎的 Threads 推薦系統研究。
這筆資料聚焦專利描述的可能技術方法；Threads 現行線上設定與 Google 的因果機制需要各自的資料。
閱讀時請把貼文中的機制假說與平台現行演算法分開。
/ 從資料到網站
看完公開紀錄，回到你的網站問題。
把方法與來源放回你的網站目標、資料與執行條件，再判斷需要哪一個服務方向。
查看 SEO 服務與合作方式 →