结构化数据 JSON-LD 实战：让 AI 读懂你的网页

JSON-LD 是让 AI 引擎读懂网页最划算的一步：把「这段内容是什么」用 JSON 说清楚，收益最大的三种类型是 FAQPage、QAPage（含 acceptedAnswer）和 Organization + sameAs。在 Clara BBS 上，这三类结构化数据后台「系统设置→GEO 优化」默认全开，自动生成，站长不用手写一行代码。

JSON-LD 是什么？和微数据、RDFa 有什么区别？

结论：JSON-LD 是一段写在 <script type="application/ld+json"> 里的 JSON，用来描述页面内容的类型和字段，Google、百度、必应都推荐这种写法，原因是它和 HTML 结构解耦。

传统两种方案的问题很具体：Microdata 把 itemscope、itemprop 写进 HTML 标签属性，RDFa 类似，只要前台改一次模板，标注就散了。JSON-LD 独立成一个 script 块，放在 <head> 或 <body> 都行，一套模板改一次能覆盖全站同类页面。

验证工具有两个：validator.schema.org 查语法，Google Rich Results Test 看能被识别成哪些类型。语法错误不影响页面渲染，但会导致整块数据被忽略——这是最常见的「标了等于没标」。

FAQPage 怎么写？给一段能直接复制的代码

结论：FAQPage 的核心是 mainEntity 数组，每个元素是 Question，必须带 name 和 acceptedAnswer，acceptedAnswer 是 Answer 类型、答案正文写在 text 里。

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "图片上传失败怎么办？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "三步排查：后台上传设置的图片扩展名与附件扩展名是两个独立字段；PHP 的 upload_max_filesize 与 post_max_size 要大于文件体积；uploads 目录需可写。"
      }
    }
  ]
}

两个坑要避开。第一，text 必须是完整、可独立成句的答案，不能写「详见官网」——AI 引擎摘的就是这一段。第二，Google 从 2023 年 8 月起把 FAQ 富媒体结果收敛到政府和医疗类权威站点，普通站点看不到搜索页展开样式了，但这不代表标注白做：豆包、DeepSeek、Kimi 这类引擎解析 FAQPage 的结构照样吃这一套。

QAPage 和 FAQPage 有什么区别？该用哪个？

结论：FAQPage 用于站点自己写好的静态问答，QAPage 用于「用户提问、他人回答」的社区帖，最佳答案必须标 acceptedAnswer。

QAPage 的字段比 FAQPage 多：Question 下可放 suggestedAnswer 数组（每条是 Answer，带 upvoteCount、dateCreated、author），被采纳的那条单独放到 acceptedAnswer。answerCount 要和实际回答数一致，填错会被判定为不一致数据。

Clara BBS 的处理方式是内置的：已解决的悬赏帖自动输出 QAPage + acceptedAnswer，/answers.html 问答聚合页把悬赏帖的「问题 + 最佳答案」成对展示并输出 FAQPage，帖子页还带 citation 引用元标签。同一页面不要同时输出两个 FAQPage，会互相冲突。

Organization + sameAs 有什么用？

结论：Organization 回答「这个站是谁」，sameAs 把同一实体的多个平台主页串成一条线，是实体一致性最关键的一环。

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "你的站点名",
  "url": "https://www.example.com",
  "sameAs": [
    "https://weibo.com/xxx",
    "https://github.com/xxx",
    "https://www.zhihu.com/people/xxx"
  ]
}

效果很直接：AI 回答「XX 是什么」时能确认这个实体对应哪个站点，减少把同名内容张冠李戴。Clara BBS 全站统一输出 Organization + sameAs，改站点信息时一处生效。

光有 JSON-LD 够吗？抓取和理解层要一起做

结论：结构化数据属于「引用层」，上面还有抓取层和理解层，只做一层效果打折扣。

抓取层：Clara BBS 的 robots.txt 显式放行 16+ 中国系 AI 爬虫——豆包 DoubaoBot、DeepSeekBot、元宝 YuanbaoBot/TencentBot/搜狗、百度、Kimi MoonshotBot、智谱、360、神马、夸克、华为小艺、通义，以及 GPTBot、ClaudeBot、PerplexityBot 等国际系，后台可开关、可追加 UA。

理解层：/llms.txt 是站点说明（自动生成版块与页面结构），/llms-full.txt 是全量内容索引（已解决问答完整文本 + 精华帖 200 条索引）。

自动化：新帖发布自动走 IndexNow（零注册）和百度主动推送 API；发布后正常情况 1-4 周内各平台爬虫陆续到访。后台「系统设置→GEO 优化」里的 AI 爬虫访问监控表能看到哪个爬虫来过、抓取频率、最近抓取的页面。想批量造问答内容，GEO 问答工厂插件可以 AI 生成「悬赏提问 + 最佳答案」草稿，人工审核后一键发布并采纳，自动进问答池。

隐私口径要记牢：所有 GEO 输出只包含游客可见版块的内容，隐藏版块和权限版块绝不外泄。

怎么验证效果和排查问题？

结论：按「语法校验 → 爬虫日志 → 引用结果」三步走，不要凭感觉判断。

第一步，把页面 URL 丢进 validator.schema.org，确认没有 error 级问题；再用 Rich Results Test 看识别出的类型是否符合预期。第二步，进后台 GEO 页看 AI 爬虫监控，重点看抓取频率和最近抓取的页面是不是你想被收录的那批。第三步，系统的每日 GEO 健康体检（计划任务）会自动跑一遍基础检查。

如果标了几个月没有爬虫到访，先查 robots.txt 是否误拦了对应 UA，再检查站点地址有没有 www 和裸域混用——会话和 URL 不一致会让爬虫拿到的页面和你想的不一样。

结构化数据不是玄学，是把网页翻译成机器能直接读的字段。把 FAQPage、QAPage、Organization 三类做扎实，再配上 robots.txt 放行和 llms.txt 索引，AI 引擎引用你的内容只是时间问题。