claude-seo 集成 Google Cloud Natural Language API 实战指南：用实体、情感与分类信号驱动 E-E-A-T 内容优化

claude-seo 集成 Google Cloud Natural Language API 实战指南用实体、情感与分类信号驱动 E-E-A-T 内容优化【免费下载链接】claude-seoUniversal SEO skill for Claude Code. 25 sub-skills 18 sub-agents covering technical SEO, E-E-A-T, schema, GEO/AEO, backlinks, local SEO, maps intelligence, semantic clustering, e-commerce SEO, international SEO, Google APIs, and PDF/Excel reporting. Optional DataForSEO, Firecrawl, and Banana extensions.项目地址: https://gitcode.com/gh_mirrors/cl/claude-seo本篇技术指南聚焦 claude-seo 开源仓库中 NLP API 参考文档 所讲解的 Google Cloud Natural Language API 集成方案覆盖实体提取Entity Analysis、文档情感分析Sentiment、内容分类Classification与文本审核Moderation四大能力以及它们如何服务于 E-E-A-TExperience、Expertise、Authoritativeness、Trustworthiness评分中的实体覆盖度、内容语气与主题相关性验证。读完本文你将掌握该 API 的端点路由、配额计价模型、在 claude-seo 中的一键调用方式/seo google nlp与/seo google entities以及底层nlp_analyze.py的实现细节与可用性边界。一、为什么 SEO 工作流需要 Google 自己的 NLP 分析claude-seo 是一个面向 Claude Code 的通用 SEO 技能仓库包含 25 个子技能与 18 个子 Agent。在其 seo-google 技能 中NLP 分析被定位为用 Google 自己的分类体系与实体识别能力增强 E-E-A-T 评分的引擎相比第三方爬虫式的内容分析直接调用 Google 的实体库与知识图谱Knowledge Graph元数据可以得到与搜索引擎自身视角一致的实体覆盖度、内容情感走向与主题归类结果。对照仓库中的 E-E-A-T 评估框架 可以看到Expertise专业度维度的核心信号之一就是技术准确性、深度与受众匹配而 Google NLP 返回的 700 分类体系与实体 salience 分数恰好提供了可量化、可复验的客观证据供审计流程引用。因此本模块与 seo-content、seo-audit 等技能形成了先量化分析、后内容优化的闭环。二、双端点架构v1 实体提取与 v2 全文标注根据 NLP API 参考文档claude-seo 的 NLP 集成采用两个不同的 REST 端点用途端点说明实体提取POST https://language.googleapis.com/v1/documents:analyzeEntities返回实体、salience 分数与知识图谱元数据情感 / 分类 / 审核POST https://language.googleapis.com/v2/documents:annotateTextv2 多特性标注接口一次请求完成多个分析鉴权方式API key 必须放在X-Goog-Api-Key请求头中传递而不是拼在 URL 查询参数里。这一点在源码中有直接体现——google_auth.py 中的google_api_key_headers()函数统一返回{X-Goog-Api-Key: api_key}规范请求头nlp_analyze.py的所有requests.post调用都通过该函数携带凭证。从源码结构看之所以实体走 v1、其余特性走 v2是因为 v1 的analyzeEntities能够稳定返回 Knowledge Graph 的mid实体 ID与 Wikipedia 元数据对实体优化与品牌验证价值更高而情感、分类、审核在 v2 的annotateText中一次请求即可完成。这一路由策略在 tests/test_nlp_analyze.py 中有专门的测试用例验证test_entity_extraction_uses_v1_and_other_features_use_v2断言实体请求打到 v1 端点、其余特性请求打到 v2 端点且 v2 请求体中的features不含extractEntities。三、四大核心特性与 SEO 用途映射原文档给出四个可用的分析特性这里结合 nlp_analyze.py 的 FEATURES 常量表 一并说明其内部映射关系特性API 行为SEO 用途内部映射键extractEntities提取人物、机构、地点、事件并给出 salience 分数主题覆盖深度评估、实体优化entities/categoriesextractDocumentSentiment文档级 句子级情感得分与强度内容语气评估、品牌情感监测sentimentclassifyText将内容映射到 700 Google 分类主题相关性验证、内容定位校准classifymoderateText内容安全 / 审核类目判定内容质量红旗标记、合规自查moderate需要特别注意的是源码中的别名设计categories与classify都映射到classifyText见 nlp_analyze.py因此命令行中写--features classify或--features categories效果等价。默认特性集为entities,sentiment,classify即默认调用会覆盖实体、情感、分类三个维度。四、实体类型与实体字段详解原文档列出的实体类型全集为PERSON人物、LOCATION地点、ORGANIZATION机构、EVENT事件、WORK_OF_ART艺术作品、CONSUMER_GOOD消费品、OTHER其他、PHONE_NUMBER电话号码、ADDRESS地址、DATE日期、NUMBER数字、PRICE价格。每个返回的实体包含以下字段字段含义SEO 解读name实体文本可直接对照页面关键主题词type实体类型上表枚举判断页面是否覆盖人物 / 机构 / 地点等权威信号salience重要性分数0~1越高越相关实体覆盖深度核心实体 salience 是否突出sentiment该实体维度下的情感score magnitude品牌 / 竞品实体情感正负metadataWikipedia URL、MIDKnowledge Graph ID品牌实体是否被知识图谱收录、可关联权威来源mentions实体在文本中的出现次数重复提及度、实体密度源码在归一化这些字段时做了一次质量排序nlp_analyze.py 在收集完实体后按salience降序排列保证输出中最重要的实体排在前面便于审计 Agent 直接取前 N 条做 E-E-A-T 实体覆盖评估同时 salience 被四舍五入保留 4 位小数mention_count取 mentions 列表长度见 nlp_analyze.py。五、情感评分体系Score 与 Magnitude 的组合解读原文档对情感评分的核心规则如下Score-1.0负面到 1.0正面代表情感极性Magnitude0 到正无穷代表情感强度值越大情绪越强烈中性内容score 接近 0、magnitude 低——内容平铺直叙几乎没有情感表达混合内容score 接近 0、magnitude 高——同一文档中同时存在大量正面与负面表述是有争议 / 双面评价的典型信号。仓库实现在此基础上进一步加工出可直接消费的结论nlp_analyze.py 会将 score 以 ±0.25 为阈值划分为positive/negative/neutral三档语气tonemagnitude 以 0.5 与 2 为界划分为 low / moderate / high 三档情感强度并拼装出人可读的interpretation描述串当 API 返回句子级情感时还会计算sentence_count、most_positive与most_negative给出文档内部情感波动范围。这比单一文档级 score 更利于内容审计例如一篇评分接近 0 但句子级跨度大的文章可能意味着论据摇摆、语气不一致。六、配额与定价模型原文档给出的计费表1 unit 1,000 字符免费额度按月重置特性免费额度每月付费每 1K 字符Entity Analysis实体分析5,000 units$0.001Sentiment Analysis情感分析5,000 units$0.001Content Classification内容分类30,000 units$0.002Text Moderation文本审核50,000 units$0.0005这意味着每月约可免费分析 500 万字级的实体 / 情感请求5,000 × 1,000 字符。配额相关的异常处理在源码中同样完整——nlp_analyze.py 对 HTTP 403 返回需在 GCP 控制台启用 API 且项目必须开启结算的指引对 429 返回免费额度为每月 5,000 units的明确提示错误信息中还会通过redact_google_api_key()清洗掉可能泄露的 API key。七、启用 API 与凭证配置前置条件原文档给出的启用步骤为打开 Google Cloud 控制台的 API 库页面APIs Services Library搜索 Cloud Natural Language API点击 Enable 启用项目必须开启结算Billing——即使使用免费额度未绑定结算账户的项目也无法调用该 API。凭证共用说明NLP 分析与 PSI / CrUX 共用同一个 API key属于 seo-google 技能 中的Tier 0仅 API Key能力即不需要服务账号、不需要 OAuth配置好api_key即可使用。完整配置方式见 auth-setup.md在 GCP 控制台创建 API key 后写入配置文件~/.config/claude-seo/google-api.json{ service_account_path: ~/.config/claude-seo/service_account.json, api_key: GOOGLE_API_KEY, default_property: sc-domain:example.com, ga4_property_id: properties/123456789 }NLP 只需要其中的api_key字段。也支持环境变量回退GOOGLE_API_KEY会被 google_auth.py 的 load_config() 作为兜底读取。配置完成后运行python3 scripts/google_auth.py --check校验凭证是否可用。八、在 claude-seo 中调用两个开箱即用的命令seo-google/SKILL.md 为 NLP 分析提供了两个 Agent 命令命令行为底层脚本/seo google nlp url-or-text完整分析实体 情感 内容分类python3 scripts/nlp_analyze.py --url url --json或--text .../seo google entities url-or-text仅实体提取更快、更省配额python3 scripts/nlp_analyze.py --url url --features entities --json直接使用脚本时的完整参数见 nlp_analyze.py main()# 分析一段文本默认特性entities,sentiment,classify python3 scripts/nlp_analyze.py --text 你的正文内容 --json # 分析一个 URL先抓取页面并抽取正文文本再做 NLP 分析 python3 scripts/nlp_analyze.py --url https://example.com --json # 自定义特性组合按需控制配额消耗 python3 scripts/nlp_analyze.py --url https://example.com --features entities --json python3 scripts/nlp_analyze.py --text ... --features entities,sentiment,classify,moderate --json # 覆盖 API key不推荐正常走配置文件 python3 scripts/nlp_analyze.py --text ... --api-key KEY --jsonCLI 默认输出为易读的纯文本摘要 NLP Analysis 头、语气标签、Top 15 实体、分类置信度、审核标记加--json则输出结构化 JSON 供后续报告生成与审计脚本消费。九、源码实现纵深URL 分析链与安全边界analyze_url()的完整调用链nlp_analyze.py体现了本仓库一贯的 SSRF 防护与降级策略URL 校验调用validate_url()底层为 url_safety.py 的实现只接受指向公网主机的 http/https 地址拒绝内网 / 回环地址从源头阻断 SSRF 攻击面安全抓取通过safe_requests_get()抓取页面携带Mozilla/5.0 (compatible; ClaudeSEO/1.7 NLP Analyzer)的 User-Agent若命中 SSRF 保护则直接返回错误正文抽取优先使用 BeautifulSoup 移除script、style、nav、footer、header等噪音标签后抽取纯文本若未安装 bs4 则降级为正则抽取长度校验抽取文本少于 50 字符即判定不足以做有意义的 NLP 分析并中止避免浪费配额文本截断送入 API 的文本被截断到 100,000 字符nlp_analyze.py这是 API 单次请求的输入上限。此外test_nlp_analyze.py 中的test_entities_only_skips_v2_annotate_text_call验证了仅实体模式下只会发出 v1 端点一次请求、完全跳过 v2 调用这正是/seo google entities命令更快、更省配额的底层原因——配额敏感的批量场景下优先用实体模式做覆盖度粗筛需要情感 / 分类时再升级到完整模式。十、与 E-E-A-T 框架的落地衔接回到本模块的定位——NLP 分析增强 E-E-A-T 评分。结合 eeat-framework.md 的评分维度可将 NLP 输出映射为可执行的审计结论E-E-A-T 维度NLP 信号审计动作Expertise专业度实体类型分布 分类置信度核心领域实体是否出现、分类是否精准落在目标主题而非宽泛大类Authoritativeness权威性metadata中的 MID / Wikipedia品牌或核心人物实体是否被知识图谱收录能否关联权威来源Trustworthiness可信度情感 score/magnitude moderation语气是否稳健一致、是否存在被 moderation 标记的内容风险内容覆盖深度salience 排序 mention_count页面是否围绕高 salience 核心实体展开而非实体散乱一句话实践建议对每篇重要页面运行/seo google nlp重点检查分类置信度是否 ≥ 0.7、Top 实体 salience 是否高度集中、情感 magnitude 是否与内容目标一致即可把原本主观的 E-E-A-T 评估变成可复验的量化审计项。十一、已知边界与排错提示免费额度实体 / 情感各 5,000 units/月分类 30,000 units/月审核 50,000 units/月超出后需按量付费超限会收到 429 错误提示nlp_analyze.py必须开启结算即使使用免费额度GCP 项目未绑定结算账户时调用会返回 403源码错误信息已明确提示这一前提输入限制单请求文本上限 100,000 字符超长页面会被截断正文抽取过短50 字符会被主动拒绝凭证层级NLP 属于 Tier 0仅需 API key无需服务账号与 OAuth是最低门槛的 Google 数据能力之一详见 SKILL.md 的 Credential Tiers 表。十二、延伸阅读seo-google 技能主文档命令速查、凭证层级、配额总表与跨技能集成Google API 认证配置API key / 服务账号 / OAuth 的完整配置流程E-E-A-T 评估框架NLP 输出对应的评分维度与检查清单nlp_analyze.py 源码双端点路由、配额错误处理、URL 安全链路的完整实现test_nlp_analyze.py 测试v1/v2 路由与实体-only 模式的验证用例【免费下载链接】claude-seoUniversal SEO skill for Claude Code. 25 sub-skills 18 sub-agents covering technical SEO, E-E-A-T, schema, GEO/AEO, backlinks, local SEO, maps intelligence, semantic clustering, e-commerce SEO, international SEO, Google APIs, and PDF/Excel reporting. Optional DataForSEO, Firecrawl, and Banana extensions.项目地址: https://gitcode.com/gh_mirrors/cl/claude-seo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考