via https://moz.com/blog/vibe-coding-seo-tools-whiteboard-friday
准备好学习如何使用 ChatGPT 和 Google Colab 随心编程打造定制化 SEO 工具了吗？
Gus Pelogia 分享了 5 个自动化创意，包括实体追踪和 hreflang 匹配，帮你节省时间。
（白板数字化版本，概述了随心编程打造自有 SEO 工具的想法和步骤）
点击上方白板图片可打开高清大图！
大家好。我是 Gus Pelogia，SEO 产品经理。今天我要跟大家聊聊如何随心编程打造你自己的 SEO 工具。
开门见山地说，我不是在保证你能构建出下一个革命性的 AI SaaS 产品并赚大钱。这里讨论的是制作一些小工具，帮你节省日常工作时间，也许能让你摆脱一堆无聊的任务，加快工作流程，或者给你提供一个不错的初稿，供你自己审阅后加以完善。
开始随心编程需要什么
（白板局部放大图，显示开始随心编程所需的条件）
要随心编程打造自己的工具，你需要三样东西。第一，你需要一个大语言模型（LLM）。我会从 ChatGPT 开始。你也可以尝试其他模型。
你可能需要一个 API 来连接你的 LLM 和代码运行的环境。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，你什么都不用安装。你只需要把代码从 LLM 复制过来，粘贴进去，然后奇迹就会发生。或者你也可以选择 Google Sheets 这类你更熟悉的环境来运行工具。两种方式都可以。
如何编写你的提示词
现在，我们来稍微过一下这个过程。我不会在这里给你读一整个提示词。我们可以把它们放到这个视频对应的博客文章里。但你需要遵循几个原则。你可能会找到不同的做法，这是我喜欢的做法，它对我有效，所以我很乐意分享。
我始终在提示词的开头说明：我想要一段用于 Google Colab 或 Google Sheets 的代码。这样 AI 就知道它需要用哪种语言和什么格式来输出。它也知道 Google Colab 上已经预装了哪些东西，所以你不必担心代码出错或运行结果不符合预期。
然后，你要确保调用你需要的 API。以我为例，我使用的是 OpenAI API。接着，一定要要求返回 CSV 格式。我的做法是：我总是上传一个 CSV 文件，并且希望代码处理后的输出结果也以 CSV 格式返回给我。
最后，要非常直接、明确地说明你表格中的各个元素。例如：A 列是 URL，B 列是向量嵌入（embeddings），C 列是标签。不管是什么，只要清楚地声明每一列的内容，AI 就能很容易理解信息从哪里来、要到哪里去。
需要学习的基本概念
（白板局部放大图，显示需要了解的基本概念）
在这样的场景下，有一些基本概念非常重要，这些概念与我接下来要向大家展示的工具——一些我尝试并测试过的想法——密切相关。你也可以直接去创造属于自己的工具，这完全没有问题，这本来就是这里的核心意图。
向量嵌入（Vector Embeddings） 本质上是将单词转化为数字，并为你的页面创建一个语料库。也就是说，该页面上所有的词放在一起时就具有了特定的含义。嵌入会从你的页面中提取出所有这些信息。接下来是余弦相似度（Cosine Similarity），它会查看页面 A、页面 B、页面 C 的语料库，或者标签、或者其他任何你放在不同列里的信息，然后通过余弦相似度来匹配，判断 A 的信息与 B 的信息有多接近。
你也可以尝试使用其他一些 API。我曾经用 Google Knowledge Graph API 做过一些事情，你可以从中获取一些来自 Google 的信息。但你只需要知道你需要调用这个特定的 API，比如你可能需要知道这个 API 的名字等等。你仍然需要自己去获取 API 密钥。有些是按使用量付费的，比如 OpenAI。有些可能有免费额度。如果你使用的是 Gemini 或者 Google Knowledge Graph，至少在试用一小段时间内是不需要花钱的。
示例提示词
相关文章
我需要一段能使用 OpenAI 的 Google Colab 代码，用来：
- 检查 C 列中已有的向量嵌入。
- 使用余弦相似度，为每个语言区域（语言区域标识在 A 列）匹配出两个建议。
目标是从每个语言区域中找到彼此最相似的页面，以便我们可以在这些页面之间添加 hreflang。
我会上传一个包含这些列的 CSV 文件，并希望返回一个包含答案的 CSV 文件。
知识图谱
编写一个 Google Apps Script，调用 Google Knowledge Graph API，搜索特定查询（例如“Taylor Swift”），并打印出以下字段：@id、name、@type、description、url 和 resultScore。
如果查询没有返回有效结果，请打印消息：“该查询不在知识图谱面板中”。
请指导我如何将其添加到 Google Sheets 中，以每天触发更新。
使用来自 Moz API 的批量 SEO 数据和指标来扩展你的研究。
你可以随心编程打造的工具创意
那么，我们来过一下在实际“随心编程”时可以做的那些工具创意。
（白板局部放大图，显示工具创意列表）
这些都是我自己尝试并测试过的，对结果很满意。你总可以把它做得更好，可以改进。但这些东西确实能让你很好地体会到“随心编程”能做什么。这些工具我大概花了 15 到 30 分钟就做出来了。迈出第一步并说出“哦，这能行”其实非常简单。也许你还想做些改进，优化代码和你的预期结果。
但我始终只是在问 ChatGPT。如果一页代码不能用，我会说：“我收到了这个错误，你能帮我修复吗？”然后你会得到一段新代码，你尝试新代码，然后就这样反复迭代下去。
标签匹配
第一个是标签匹配。我想把某些 CTA（行动号召）匹配到特定的页面上。
我当时有大量页面，不知道从何入手。于是，我把标签放在一列，把 URL 和向量嵌入放在另外两列，然后让 ChatGPT 去匹配它们。嗯，我把代码上传到 Google Colab，然后通过向量嵌入和余弦相似度完成了匹配。
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 Google 是基于实体运行的。他们有一个工具，你只要输入任何单词或短语，它就会告诉你 Google 是否将其理解为一个实体，以及对该实体的置信度有多高。
也许你想追踪你的品牌名称。或者以我为例，有一段时间我痴迷于追踪我自己的名字，检查我的知识面板是否存在，置信度是否在提高。于是我在 Google Sheets 上构建了一个工具，每天 ping 一下查看，并将当天的置信度直接保存到我的 Google Sheets 里。
我只做了一次，它在过去一年里每天都在运行。
Hreflang 匹配
也许你不想手动做 hreflang 匹配，至少不想从头做起。你也可以通过“随心编程”来构建一个工具，只需上传原始来源页面的向量嵌入，以及想要匹配的目标页面的向量嵌入即可。
结果相当不错。以我的情况为例，有很多不同语言的页面，它确实有效。不限于英语，也不限于同一种语言。它给了我一个非常好的草稿。然后我可以去抽样检查，问自己：“这个页面和那个页面关联起来有意义吗？”它直接就帮你省去了好几步的工作。
内容衰退追踪器
也许你想关注内容衰退。
如今似乎每个人都在承受流量下降的困扰。也许你想看看哪些页面随着时间的推移流失了最多的流量。与其一页一页地去看——两年前有多少流量，现在有多少流量——你可以一次性批量完成，直接找出哪些页面表现更好，哪些表现更差，以及在一段时间内它们好或差了多少。
这只是体力活，就是纯粹的数据处理。真正的工作、激动人心的部分，是你如何想办法让这些页面或内容重回正轨。
查找相关页面
最后，也许你想查找相关页面，这同样是向量嵌入和余弦相似度的组合。
你可以上传你的页面列表和向量嵌入，它会找出大量匹配项。Moz 博客上有一篇文章解释了如何做到这一点，我们也可以在这篇文章里加上链接。
今天的内容就是这些。我是 Gus Pelogia，希望你也对“随心编程”打造自己的 SEO 工具感到兴奋。
这能在周五或一周中的任何一天为你节省大量时间，让你可以把更多时间花在真正重要的事情上。谢谢。
编者按： 本视频最初于 2026 年 1 月播出。我们将其重新置顶到博客，因为它对你 2026 年的 SEO 策略仍然是有帮助的参考。