jev-seo：一条命令的全站 SEO 活审计

SEO 审计现在分两派：订阅制工具按月收费，吐出来的报告常常是换了个 logo 的模板；手工审计则要一页页核对 robots、canonical、结构化数据，没人真做。jev-seo（Python，MIT，截至 2026-10-14 622 star）把这件事压成一条命令：给一个首页 URL，它自己爬全站、按 Google Search Central 的 52 条规则检查、量 Core Web Vitals，再让 TypeSafe 的 Jev 模型逐页做语义判断，最后输出带出处的修复清单——而且同时给 PDF、Excel 和 Markdown 三种格式。

核心功能

• 52 条规则对着官方文档：robots.txt、sitemap、重定向、死链、canonical、结构化数据、纯 JS 页面，在真实站点上活爬一遍，约一分钟；要审计 JS 渲染后才出现的内容，可选装 playwright。
• 语义层交给 Jev：每个页面向 TypeSafe 的 System One 模型 Jev 问一组结构化问题——页面类型、搜索意图、重要性、内容帮助度、具体性、可信度、可引用性、标题与 meta 贴合度，还有哪些页面在同一批搜索里互相竞争；每个答案都保留概率。
• 修复逐条带出处：每条 action 有 ID、优先级、影响、工作量、证据、修法和官方来源链接；启发式得出的判断会明确标注是启发式。
• 数字诚实：缺的数据留空不编，分数只用来排工作先后、不预测排名和流量；PDF 里的文字摘要渲染前会对照审计数据复核。
• 一份数据三种格式：PDF 给客户、XLSX 是可编辑的行动清单、Markdown 能直接贴 GitHub 和 Obsidian，全部从同一份 audit.json 生成。
• 成本摆在明面：标准模式不需要任何 SEO 数据订阅，单站约 1 美分（Jev 调用费）；--full 模式加 DataForSEO 的排名、关键词和外链，约 0.30 美元一次。

典型使用场景

• 接手新客户站的顾问：先跑一遍拿到带出处的修复清单，方案讨论从「我觉得」变成「第 17 条」。
• 独立开发者上线新站：上线当天跑一次，死链、canonical、结构化数据一次清完。
• 日常在 Claude Code 里工作的人：把仓库当 skill 装，/jev-seo https://example.com 直接出报告，Markdown 版可以进 PR 一起评审。
• 网站改版前后的站长：改版前后各跑一次，两份清单对着看，改没改到点上一目了然。

快速上手

git clone https://github.com/AgriciDaniel/jev-seo.git
cd jev-seo
python3 -m venv .venv && . .venv/bin/activate
pip install -r requirements.txt
cp .env.example .env                           # 填入 TYPESAFE_API_KEY
bin/jevseo doctor                              # 检查依赖与密钥，不打印密钥值
bin/jevseo run https://example.com

PDF 由 WeasyPrint 生成，需要 Pango：macOS brew install pango，Debian/Ubuntu 装 libpango-1.0-0 和 libpangoft2-1.0-0。报告落在 jev-seo-reports/<域名>-<时间戳>/；离线测试不花任何调用费，python -m unittest discover -s tests -v。

小结

适合自己管站、接客户站、想把审计从「凭感觉」变成「凭清单」的人；想不花钱拿排名和外链数据的用不上——那部分是 --full 模式里 DataForSEO 的活，单次约 0.30 美元。Python 3.10+，MIT，截至 2026-10-14 是 622 star，版本 0.1.1，最近推送 2026-09-22。

两个使用前要知道的点：语义判断全部走 TypeSafe 的 Jev，这是一实打实的第三方 API 依赖——模型换版或者服务变动，报告的语义层跟着变；官方示例报告是 2026-09-22 用 --full 跑的，标准模式不含排名与关键词部分。Jev 生态里我们写过 jev-ultrafast：同一个模型在浏览器智能体里负责「点哪」，jev-seo 把它用在了「这条 SEO 修复值不值得做」的判断上。