gauto-schemalisted

# GEO Schema 与结构化数据（汽车出口版） ## 目的 结构化数据是告诉 AI"某实体**是**什么、做什么、如何与其他实体关联"的主要机器可读信号。 在 GEO 语境下，它的作用已超出"拿 Google 富结果"：**结构化数据是 AI 理解并信任你实体的方式**。 一个完整的实体图（entity graph）会显著提升各 AI 平台上的引用概率。 ## 使用步骤 1. 用 `fetch_page.py` 抓目标页 HTML（见下方提示） 2. 检测所有现有结构化数据（JSON-LD、Microdata、RDFa） 3. 对照 Schema.org 规范校验 4. 按站点类型识别缺失的**汽车专属推荐 schema** 5. 生成可直接粘贴的 JSON-LD 6. 输出 `GEO-SCHEMA-REPORT.md` --- ## 步骤 1：检测 **重要：** WebFetch 会把 HTML 转 markdown 并剥离 `<head>`，导致 JSON-LD 丢失。请用 `fetch_page.py`： ```bash python3 ~/.workbuddy/skills/geo-auto-export/scripts/fetch_page.py <url> page ``` 输出中的 `structured_data` 数组含全部已解析的 JSON-LD 块。 - **JSON-LD**：找 `<script type="application/ld+json">`，逐块解析。 - **Microdata**：找 `itemscope/itemtype/itemprop`；比 JSON-LD 更难被 AI 解析，建议迁移。 - **RDFa**：找 `typeof/property/vocab`；同样建议迁移 JSON-LD。 **优先级**：JSON-LD 是 GEO 强推荐格式。 --- ## 步骤 2：校验 对每个块校验：① 合法 JSON；② 合法 `@type`；③ 必需属性齐全；④ 推荐属性齐全；⑤ 有 `sameAs`；⑥ URL 可达；⑦ 嵌套正确；⑧ 是否**服务端渲染**（JS 注入的可能被延迟处理，标记出来）。 --- ## 步骤 3：GEO 关键 schema 类型 ### Organization（危急——每个企业站都要） AI 识别"你是什么组织"的基座。 **必需**：`@type`、`name`、`url`、`logo` **GEO 推荐**：`sameAs`（**全部平台 URL**）、`description`、`foundingDate`、`founder`、`address`、`contactPoint`、`areaServed`、`industry`、`knowsAbout`、`award` > 出口商专属模板见 `schema/organization-exporter.json`。 ### Product + Vehicle（汽车出口核心） 用 `@type: ["Product","Vehicle"]` 同时获得商品与车辆的语义。 **Vehicle 关键属性**：`vehicleModelDate`、`bodyType`、`fuelType`、`steeringPosition`（LHD/RHD）、`vehicleTransmission`、`vehicleEngine`（含 `enginePower`）、`mileageFromOdomet