引言
人访问你的网站，看到的是渲染好的页面：横幅、配色、按钮。
但 AI agent 爬你的站时，它直接解析代码，扫描结构化事实、API 路由，以及机器可读的产品定义。
为了让站长能针对这类机器受众做优化，搜索分析师 Marie Haynes 发表了一篇关于 Google Open Knowledge Format（OKF，开放知识格式） 的指南，标题是 "How to Build an OKF Brain Like Mine"。
与此同时，Backlinko 也推出了 Agentic Browsing Readiness Checker，用来审计网站是否对自动化代理开放。
这些动向凸显了网页标准的一个关键转变：AI agent 时代已经来了，网站必须调整技术架构才能保持可见性。
本文会讲解 OKF 的结构，详细说明 Agentic Browsing 审计的各项参数，介绍 Search Engine Journal 的 GA4 Measurement Framework（GA4 测量框架）用于追踪机器转化，并回顾 2026 年 4 月的 Yoast SEO 更新。
第一部分：Google 的 Open Knowledge Format（OKF）是什么？
Open Knowledge Format（OKF） 是一种结构化数据格式，目的是让 AI agent 能直接解析和索引网站内容，省掉处理长篇叙述段落的计算开销。
Traditional Web: [Narrative Copy] ──> [Visual Rendering] ──> [Human Reading]
OKF Architecture: [Fact Triples] ──> [Semantic Mapping] ──> [LLM Citation Index]
传统内容 vs. OKF 结构化知识
| 维度 | 传统网页内容 | OKF 结构化知识 |
|---|---|---|
| 目标读者 | 人类用户 | 自主 AI agent 和 LLM 爬虫 |
| 信息结构 | 叙述流（段落、讲故事） | 事实三元组（主语-谓语-宾语） |
| 提取难度 | 低（AI 必须解析文本才能定位事实） | 高（AI 直接提取和引用事实） |
| 互操作性 | 低（因设计布局而异） | 高（标准化机器 schema） |
Marie Haynes 的 OKF 构建框架
Marie Haynes 提出了一个四步框架，把叙述性网站内容转成 OKF 就绪的结构：
- 识别核心知识领域：提炼关于品牌、服务和产品规格的关键事实。
- 将上下文转化为事实三元组：把叙述文案转换成语义三元组：
[主语] - [谓语] - [宾语]。 - 构建关系图谱：用 schema 标识符定义这些三元组之间的关联。
- 以标准化格式发布：用 markdown 文件或 JSON-LD schema 块来呈现这些关系。
OKF 实体三元组模板（Markdown 语法）
把你的技术文档或 /llms.txt 文件整理成干净的三元组式 markdown 区块：
# Entity: Apex Alpine Parka (APX-JACK-002)
## Factual Triples
* **Subject**: Apex Alpine Parka | **Predicate**: manufacturedBy | **Object**: Apex Gear (https://example.com/#organization)
* **Subject**: Apex Alpine Parka | **Predicate**: hasInsulationRating | **Object**: 800-fill down insulation
* **Subject**: Apex Alpine Parka | **Predicate**: hasPrice | **Object**: $299.99 USD
* **Subject**: Apex Alpine Parka | **Predicate**: hasAvailabilityStatus | **Object**: InStock
* **Subject**: Apex Alpine Parka | **Predicate**: hasMaterialComposition | **Object**: 100% recycled ripstop nylon
第二部分：Agentic Browsing 就绪度：你的网站能过吗？
Backlinko 的 Agentic Browsing Readiness Checker 会审计网站是否针对自动化代理做了优化。这个工具从五个技术维度评估站点：
- Schema 覆盖率：检查核心实体（产品、作者、组织）是否用 JSON-LD schema 做了映射。
- LLM 指令：验证根目录是否存在
/llms.txt文件。 - 语义布局：审计标题（H1 -> H2 -> H3）是否干净，没有嵌套样式。
- Robots.txt 配置：验证是否允许 AI agent（如
GPTBot、Claude-Bot、PerplexityBot）爬取站点。 - JS 独立加载：审计页面详情在客户端 JavaScript 执行前，是否能在原始服务器渲染的 HTML 中直接看到。
3 个立即可做的优化步骤
- 审计 robots.txt：确认
robots.txt文件没有误拦 AI 爬虫访问产品详情或 schema 端点。 - 用 Rich Results Test 验证 Schema：用 Google 的 Rich Results 工具检查 JSON-LD 标签是否有验证错误。
- 审计 JavaScript 依赖：在浏览器设置中禁用 JavaScript，确认价格、规格和描述在原始 HTML 中仍能渲染。
第三部分：GA4 测量框架：先设计策略，再配置
要衡量 AI 流量对收入的影响，得用 Search Engine Journal 的测量策略：在配置 Google Analytics 4（GA4）之前，先设计好测量框架。
┌────────────────────────────────┐
│ GA4 Measurement Strategy │
└──────────────┬─────────────────┘
│
┌───────────────────────┴───────────────────────┐
▼ ▼
┌──────────────────┐ ┌──────────────────┐
│ Business Goals │ │ User Metrics │
│ │ │ │
│ Revenue, lead │ │ Custom events, │
│ conversions, │ │ API checkouts, │
│ agent queries. │ │ referrer metadata│
└────────┬─────────┘ └────────┬─────────┘
│ │
└───────────────────────┬───────────────────────┘
│
▼
┌──────────────────────────────┐
│ Strategic Attribution │
│ Identify organic lift driven│
│ by conversational queries. │
└──────────────────────────────┘
设计 AI 时代测量框架的 5 个问题
- 业务目标是什么？：聚焦购物 agent 完成的转化或 AI 搜索带来的推荐，而不是原始自然流量。
- 哪些行为能体现进展？：追踪"API 产品查询"或"llms.txt 下载"等自定义事件，监控 agent 参与度。
- 这些行为怎么追踪？：在 GA4 中设置自定义维度，捕获机器 user-agent 的 referrer 元数据。
- 谁需要看这些数据？：产品研发团队需要技术性能数据；营销负责人需要 Share of Voice（声量份额）指标。
- 决策频率是多少？：API 性能指标每日监控，Share of Voice 趋势每月回顾。
第四部分：2026 年 4 月 Yoast SEO 更新回顾
Yoast 2026 年 4 月的更新强调了结构化数据和 AI 索引的重要性：
- 集成 llms.txt 支持：Yoast 内置自动化工具，用于生成和更新
/llms.txt和/llms-full.txt目录。 - AI 专用 Schema 节点：插件更新页面 schema，加入针对 AI 语义匹配优化的参数。
- 爬虫预算优化：XML sitemap 的更新让站长能优先为 AI 爬虫配置内容，同时减少爬虫带宽消耗。
参考文献
- [1] Marie Haynes（2026-07-15）："Build an OKF brain like mine!" | 来源
- [2] Backlinko（2026-06-18）："Agentic Browsing Readiness Checker for Enterprise Sites" | 来源
- [3] Search Engine Journal（2026-07-22）："Designing A Measurement Framework Before You Touch GA4" | 来源
- [4] Moz Blog（2026-05-10）："How to Convince Your Boss to Send You to MozCon" | 来源
- [5] Yoast SEO Blog（2026-04-20）："April 2026 SEO Update by Yoast: Preparing for AI Scrapers" | 来源