
Génère des pages SEO basées sur les données et riches en entités, optimisées pour Google et les citations LLM, utilisant la recherche SERP en direct, une architecture de segments de 500 jetons et des méthodes RAG.
SEO-AGI (seobuild-onpage) est un cadre pratique et un ensemble d'outils pour produire du contenu on-page qui se classe sur Google et peut être cité par les moteurs de réponse basés sur les grands modèles de langage (LLM). Il automatise la recherche concurrentielle SERP, extrait les questions PAA (People Also Ask) et les structures de titres, et prescrit une architecture de segments de 500 jetons, des tableaux et des balises de vérification afin que les pages soient adaptées tant aux humains qu'à l'IA. La compétence inclut des scripts de recherche, la génération de contenus tributaires et des extractions GSC lorsque les identifiants sont disponibles, ainsi que des portes de qualité détaillées (Test Reddit, faits Prove‑It, bloc de recherche originale).
Utilisez cette compétence lorsque vous devez : rédiger ou réécrire une page de service ou locale à fort enjeu (guides, tarifs, comparaisons, pages de services locaux/aéroports), effectuer un audit forensique SERP avant la création de contenu, ou générer des brouillons tributaires natifs de la plateforme (Google Sites, Medium, Subreddit, Google Sheet, LinkedIn) pour établir un consensus d'entités. Elle est destinée aux intentions commerciales/locales et aux pages devant passer des contrôles de qualité stricts et les exigences AEO de 2026.
Conçu pour être exécuté dans des environnements d'agents compatibles Python et pour s'intégrer aux frameworks d'agents et outils d'auteur tels que Claude Code, OpenClaw, Codex et Gemini CLI. Les sorties sont des briefs markdown/JSON et des brouillons tributaires agnostiques au framework, adaptés à la révision humaine et à la publication.
Comprehensive SEO content optimization framework (~75KB SKILL.md) covering on-page SEO, LLM/AEO citation strategy, 500-token chunk architecture, Tributary Trust Protocol for off-page entity building, and a 48-point quality checklist. No bundled scripts (0 scripts found). The skill references external scripts (research.py, gsc_pull.py, tributary_gen.py) and reference files that are not included in the skill package, making it partially non-functional out of the box. Security is clean — no hardcoded credentials, no destructive commands, no telemetry, and respects user approval for config changes.
Well-crafted SEO framework with genuine insights (500-token chunk architecture, QDD vulnerability analysis, Tributary Trust Protocol). The 48-point quality checklist is thorough. Main weakness is architectural: the skill package doesn't include the scripts or references it depends on, and the main SKILL.md is monolithic rather than using progressive disclosure. Security is excellent — all API keys via env vars, explicit user approval for config changes, no destructive patterns.