原文：https://moz.com/blog/vibe-coding-seo-tools-whiteboard-friday
大家好，我是Gus Pelogia，SEO产品经理，今天来和大家聊聊如何通过“沉浸式编程”打造你自己的SEO工具。
首先开门见山，我并不是要承诺你能打造出下一个革命性的AI SaaS产品并赚大钱。这其实是关于制作一些小工具，帮你节省日常时间，摆脱一堆枯燥的任务，从而加速工作流程。或许它能为你提供一个良好的初稿，供你自行审阅调整，最终变成属于你自己的东西。
开始“沉浸式编程”需要什么
你需要三样东西来开启沉浸式编程，打造自己的工具。第一，你需要一个大语言模型。我从ChatGPT开始。你也可以试试其他的。
你可能需要一个API来连接你的大语言模型和代码运行环境。你的代码可以放在Google Colab上，这是一个在浏览器中运行的Python环境，无需安装任何东西。你基本上就是把代码从大语言模型复制粘贴过去，神奇的事情就会发生。或者，如果你想在更熟悉的环境中运行工具，也可以选择像Google Sheets这样的地方。两种方式都可以。
用来自Moz API的实时SEO数据，为你的洞察提供燃料
如何撰写你的提示词
现在，让我们简单了解一下这个过程。我不会给你读一整段提示词，这些可以放在随视频发布的博客文章里。但有几条规则你需要遵循。你可能会找到不同的方法，这是我的偏好，对我来说很有效，所以我很乐意分享。
我总是在提示词开头说明，我想要一个用于Google Colab或Google Sheets的代码，这样它就知道需要用什么语言和格式。它知道Google Colab上预装了哪些东西，所以你不用担心代码会出错或不如预期运行。
然后，你确保调用你需要的API。以我为例，我使用OpenAI的API。接着，确保你要求输出CSV格式。对我来说，我总是上传CSV文件，并且希望返回的也是包含我所要求代码输出的CSV文件。
最后，对你表格中的元素要非常直接和明确地说明。例如，A列是URL，B列是向量嵌入，C列是标签。无论是什么，都要确保声明每一列的内容，这样AI就能很容易地理解信息在哪里，以及应该放在哪里。
需要了解的核心概念
在这种情况下，有一些核心概念学习起来很重要，这些与我即将展示给你们的一些工具，以及我尝试和测试过的一些想法有关。你们完全可以自己去创造，这完全没问题。这正是本意所在。
但简单来说，向量嵌入本质上是将词语转化为数字，并为你的页面创建一个语料库。因此，页面上的所有词语在组合在一起时具有特定含义。嵌入将从你的页面中提取所有这些信息。然后是余弦相似度，它会查看页面A、页面B和页面C的语料库，或者甚至是不同列中的标签或任何其他信息，然后通过余弦相似度进行匹配，以说明A的信息与B的信息有多接近。
你可能也会尝试其他一些API。我用Google知识图谱API做过一些事情。这样你可以从谷歌获取一些信息，但你只需要知道你需要调用这个特定的API。所以，你可能需要知道API的名称之类的。你仍然需要获取自己的API密钥。有些是按使用付费的，比如OpenAI。有些可能有免费额度限制。如果你使用Gemini或Google知识图谱，至少在尝试一段时间内，你不会花任何钱。
提示词示例
我需要一个Google Colab代码，使用OpenAI来：
- 检查C列中现有的向量嵌入。
- 使用余弦相似度与每个地区（地区标识在A列）的两个建议进行匹配。
目标是找出每个地区的哪些页面彼此最相似，以便我们可以在这些页面之间添加hreflang标签。
我将上传一个包含这些列的CSV文件，并期望返回一个包含答案的CSV文件。
知识图谱
编写一个Google Apps脚本，调用Google知识图谱API，搜索特定查询（例如“泰勒·斯威夫特”），并打印@id、name、@type、description、url和resultScore字段。
如果查询未返回有效结果，请打印消息“查询不存在于知识图谱面板中”。
指导我如何将其添加到Google Sheets中，以每日触发更新。
使用来自Moz API的批量SEO数据和指标扩展你的研究
你可以通过沉浸式编程实现的工具创意
那么，让我们来看看沉浸式编程时你可以尝试的实际工具创意。
这些都是我亲自尝试和测试过的东西，我对结果感到满意。你总是可以做得更好，进行改进。但这确实能让你很好地体验到沉浸式编程可以做什么。这些东西我大概花了15分钟或半小时就做出来了。迈出第一步并发现“哦，这可行”是相当简单的。也许你想做些改进，然后完善代码和你的期望。
但我总是直接问ChatGPT。所以，如果某个页面的代码不工作，我会说：“我遇到了这个错误。你能帮我修复吗？”然后你会得到一段新代码，你再尝试新的，如此循环往复。
标签匹配
第一个是标签匹配。我想将某些行动号召与特定页面匹配起来。
我当时只是有大量的页面，不知从何入手。所以，我把标签上传到一列，把URL和向量嵌入上传到另外两列，然后让ChatGPT去匹配它们。嗯，我是把代码上传到Google Colab，通过向量嵌入和余弦相似度来实现的。
实体置信度追踪器
也许你想构建一个实体置信度追踪器。我们都知道如今谷歌是围绕实体运行的。谷歌有一个工具，你可以输入任何单词或短语，它会给出答案，告诉你谷歌是否将其理解为一个实体，以及对该实体的置信度有多强。
也许你想追踪你的品牌名称。或者以我为例，有段时间我痴迷于追踪自己的名字，检查我的知识面板是否存在，以及置信度是否在增加。于是我在Google Sheets上构建了一个东西，每天进行一次查询，并将置信度直接保存到我的Google Sheets中。
我只做了一次设置，它已经自动运行了一年。
Hreflang匹配
也许你不想手动进行hreflang匹配，或者至少不想从头开始。你也可以通过沉浸式编程构建一个工具，只需上传原始来源的向量嵌入，以及我想要匹配的页面的向量嵌入。
结果相当不错。就我而言，有很多不同语言的页面，它确实有效。它不局限于英语或同一种语言。它能给我一个很好的初稿。然后我可以去抽查，看看“这个页面和那个页面连接起来是否有意义？”这样你就能省去好几个步骤。
内容衰减追踪器
也许你想追踪内容衰减。
最近似乎每个人都在遭受流量下降的困扰。也许你想看看哪些页面随着时间的推移流失了更多流量。这样，你就不必一页一页地去查看，比如两年前有多少流量，现在有多少流量，你可以一次性批量处理，找出哪些页面表现更好，哪些表现更差，以及它们在一定时期内表现得更差或更好的程度。
这只是手动劳动，就像是处理数据。真正的工作，令人兴奋的部分，是你如何想办法让这些页面或内容重回正轨。
寻找相关页面
最后，也许你想寻找相关页面，这也是向量嵌入和余弦相似度的结合应用。
你可以上传你的页面列表和向量嵌入，它会找到很多匹配项。Moz博客上有一篇文章解释了如何做到这一点，我们也可以在帖子中提供链接。
这就是我们今天要分享的全部内容。我是Gus Pelogia，希望你也对沉浸式编程打造自己的SEO工具感到兴奋。
这将为你节省大量时间，无论是星期五还是一周中的任何一天，让你有更多时间去做真正重要的事情。谢谢。