前端进阶之旅前端进阶之旅
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片NEW
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 业务场景题真实业务问题与追问
  • 查漏补缺常见问题解析
  • AI 模拟面试NEW模拟真实面试 + 报告
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
    • AI 定制路线NEW按你的简历现排
    • AI 知识地图NEW串起全站知识点
  • 动态
    • AI 热点NEWAI 每日动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
AI 助手NEW
旧版
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片NEW
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 业务场景题真实业务问题与追问
  • 查漏补缺常见问题解析
  • AI 模拟面试NEW模拟真实面试 + 报告
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
    • AI 定制路线NEW按你的简历现排
    • AI 知识地图NEW串起全站知识点
  • 动态
    • AI 热点NEWAI 每日动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
AI 助手NEW
旧版
返回 AI 情报前线
All News · 全部资讯8485
  • 树莓派5本地部署AI模型实战
  • 补齐Agent从决策到执行的基础设施
  • 用确定性验证约束大模型推理
  • 有记忆的智能体如何定义可复现性
  • 给AI功能建立依赖契约清单
  • 修复AnythingLLM俄文检索偏差
  • RAG 何时应采用语义分块
  • AI Agent 安全沙箱工程指南
  • 多Agent并行开发的Worktree陷阱
  • 40 行实现类型安全的工具调用
  • RAG 排序不能只靠余弦相似度
  • 生产级 Prompt 的七类隐蔽问题
  • 让 RAG 拒绝使用劣质上下文
  • TypeScript Agent 的四层注入防线
  • 用 LangGraph.js 实现持久化人工审批
  • Node应用如何精确核算LLM成本
  • Token防火墙削减35%上下文成本
  • Qwen3.8 Max性能追近Opus
  • 伪造审查备注绕过AI反诈检测
  • 用 MCP 为纯文本编程智能体补上视觉
  • Cloudflare推出网站智能体就绪度指标
  • Cloudflare构建开放智能体互联网协议
  • Cloudflare推出私有数据AI搜索
  • 一键为现有网站接入WebMCP
  • Kitesurf:运行在Workers上的智能体浏览器
  • 新版MCP转向无状态架构
  • 让过期的 Agent 上下文直接阻断 CI
  • 昇腾适配 Ling-3.0 并推出 PyPTO
  • 让编程 Agent 用你熟悉的语言写脚本
  • 数据库索引提速背后的写入代价
  • Meta低价模型与可恢复编程Agent登场
  • 如何构建 Agent 难以作弊的评测
  • Claude Code 迁移 OpenCode 踩坑实录
  • RAG向量数据库的真实成本陷阱
  • 编码代理缺失的其实是产品定义
  • 用熔断机制约束失控的 AI Agent
  • 别让 AI 任务止步于聊天记录
  • 人类审核仍漏掉三分之一智能体威胁
  • OpenAI智能体曾秘密协同攻击
  • AI 工作流为何会在无改动时失效
  • 开源本地化求职管理平台 FitPilot
  • 在一次性沙箱中测试编程 Agent 越界
  • 别把系统提示词写成规则仓库
  • Agent 审批卡的盲签名陷阱
  • 为真实项目编写AGENTS.md的经验
  • 用固定语料阻止AI审查能力回退
  • 为AI代码变更建立分阶段权限门禁
  • 别让LLM评测工具测到自身拥塞
  • AI自动扫描将放大密钥泄露风险
  • GPT-5.6 Sol能力升级并扩大免费开放
  • 人脸识别的94%匹配为何不可信
  • 已加载 51 / 8485
8.0
热点
AI SCORE
工具产品2026-08-06 21:00

Cloudflare推出网站智能体就绪度指标

Cloudflare Blog#Cloudflare#AI智能体#AEO
Editor brief · 编辑速览

Cloudflare推出Agent Readiness,用于衡量智能体能否发现并读取网站;Answer Engine Optimization则追踪网站被AI助手推荐的频率。其背景是网站请求中机器流量占比已超过一半。

文章思维导图
Knowledge map
拖拽缩放
Full translation

完整中文译文

你的下一位客户可能不会通过搜索引擎找到你。相反,他们会向 AI 助手提问:“我该如何完成 X?”“对于我这样的人来说,哪个选项最好?”“直接帮我处理好吧。”随后,Agent 会寻找答案、权衡不同选项,并代表他们采取行动。越来越多时候,决定客户是否选择你的关键时刻发生在模型的回答中——甚至早在人类看到你的首页之前。

由 Agent 构成的受众已经到来:据我们统计,如今所有 HTML 页面请求中,来自人类的已经不到一半。当然,这些机器请求并非全都来自代表人类行动的 Agent,但这一比例正在快速增长;答案引擎、购物助手和研究工具将决定哪些企业能够被发现和推荐。过去,所谓“可发现性”,指的是在搜索结果页面中获得更高排名。如今,它意味着能够被那些为客户提供指引的 Agent 找到、读取并放心地推荐。

点击量和页面浏览量这些面向人类的传统指标,已经无法描绘完整图景。我们花了很多时间与网站所有者交流,他们面对访问日志中铺天盖地的 AI bot,却完全不知道这些 bot 是否真的能够使用自己的网站,或者是否会向用户推荐自己的产品和服务。我们反复听到两个主要问题:

Agent 真的能够使用我的网站吗?

我有没有被推荐?

为了帮助网站所有者回答这些问题,我们将此前围绕 Agent Readiness 所做的工作集成到了 Cloudflare dashboard 中,同时还新增了 Answer Engine Optimization(AEO)工具。这些工具把 Agent 视为网站的核心用户群体,让你看到 Agent 会如何查看你的网站,以及你被推荐的频率。

机会很大,门槛却很低,因为大多数网站还没有针对这类用户进行构建。正如早期 SEO 曾奖励那些为搜索引擎优化的网站一样,如今,为 Agent 构建的网站也会得到回报。越容易被找到、读取和信任的网站,就越有可能获得 Agent 的推荐。

Diagnostics:你的网站为 Agent 做好准备了吗?

Diagnostics 是 Agent Readiness 中的技术检查功能。它会按照 Agent 读取网站的方式扫描你的网站:判断自己是否获准访问、能否发现你的内容,获取一份干净且机器可读的内容副本,并找出可以调用的接口。

人类用户通常只需加载你的首页,而 Agent 则会依赖你的 robots.txt、sitemap、响应头、Markdown 版本的内容,以及已经发布的身份验证和工具元数据。

BLOG-3440 2.png

Diagnostics 会针对一个 hostname 执行这些检查,并将结果汇总到统一的 Agent Readiness 视图中,状态范围从“Not Ready”一直到完全 Agent-native。每项检查都会返回 pass、fail 或 neutral,并说明这项检查为何重要,同时提供证据记录,展示我们实际看到的确切请求和响应。

这些检查会按投入程度分组,帮助你判断该从哪里开始:

  • Quick wins: 大多数网站都缺失、但影响显著的基础能力,包括可被 crawler 读取的 robots.txt、XML sitemap、AI crawler 规则,以及向 Agent 提供干净的 Markdown。

  • Technical groundwork: 下一层技术基础,包括说明内容可以如何使用的 Content Signals、API catalog、link headers,以及 Agent 登录说明。

  • Advanced integration: Agent-native 功能,包括 OAuth discovery、MCP(Model Context Protocol)和 A2A(Agent2Agent)agent cards、skills index、Web Bot Auth 以及 WebMCP。

  • Commerce: 新兴的 Agent 支付标准,包括 x402(经典 HTTP 402 Payment Required 状态码的扩展)、ACP(Agent Commerce Protocol)、Universal Commerce Protocol(UCP)以及 AP2(Agent Payments Protocol)。目前这部分仅供参考,不计入你的评分。

BLOG-3440 3.png

每一项改进建议都会附带下一步操作。如果 Cloudflare 有能够提供帮助的功能,你会看到一个“Set up in Cloudflare”链接,可以直接前往相应设置,例如开启 Markdown for Agents 或 managed robots.txt。对于其他改进项,则会提供一个“Copy Agent Prompt”按钮,给出你的 coding agent 需要构建什么功能的建议。完成修改、重新扫描,然后看着勾选标记变成绿色。

AEO:AI 助手会推荐你吗?

Diagnostics 会告诉你 Agent 能否读取你的网站。AEO 标签页则会告诉你接下来发生了什么:当客户就你所在领域的问题咨询 AI 助手时,它推荐的是你,还是你的竞争对手?这不像搜索排名那样可以直接查询。这里没有展示次数,也没有错失点击报告。因此,当 AI 助手提到竞争对手而不是你时,这笔生意就已经丢了,而你甚至不会知道这件事发生过。

BLOG-3440 4.png

我们会根据你的网站推断你所在的行业(例如健康与健身)和品类(例如运动服饰),然后使用潜在客户可能提出的 prompt 测试主流 AI 助手——目前包括 Anthropic 的 Claude 和 OpenAI 的 GPT——观察它们如何回答。我们会设计这些 prompt 来模拟现实中的发现过程,包括询问推荐、产品比较,以及你所在品类中的一般性建议。通过观察模型如何回答这些贴近现实的问题,你可以获得以下指标:

  • Citation Rate: 在你所在品类的回答中,将你的网站引用为来源的回答占比。

  • Prominence: 当你被引用时,回答中有多少内容真正来自你,以及这些内容出现得有多靠前。

  • Mention Rate: AI 助手在回答中提到你品牌的频率。例如,无论是否将 cloudflare.com 引用为来源,“Cloudflare”在回答中出现的频率是多少。结合 Citation Rate 一起看,这项指标可以区分品牌认知与来源归属:如果 AI 助手提到你的次数远远多于引用你的次数,说明你已经进入它们的视野,但还没有赢得引用——这是一个明确且可以针对性解决的差距。

  • Share of Voice: 你获得的引用在你与竞争对手的全部引用中所占的份额,从而让你看清,在那些你表现不佳的 prompt 上,究竟是谁占据了优势。

为了评估 AI 模型如何看待你的市场影响力,我们会先针对每个行业和品类建立基准,然后再为具体网站评分。我们使用该品类中潜在客户可能提出的 prompt 查询 AI 助手——不指定你的品牌——并记录哪些网站获得了引用、它们出现在什么位置,以及突出程度如何。

我们不会在每次网站所有者运行扫描时都重新查询模型,而是针对每个品类运行一次这组测试,并在该领域的所有账户之间复用这份基准。预先计算这份数据集主要有三项好处:

  • Zero latency: 结果直接从快照中即时加载,无须等待实时模型查询。

  • Lower compute overhead: 在品类层面聚合查询,可以避免数千次扫描重复调用 AI。

  • Industry Fit scoring: 复用这组测试的语料,让我们能够找出哪些品牌会持续同时出现,进而得出 Industry Fit 分数,用于衡量 AI 助手是否会将你的网站与真正的竞争对手归为一类。

AI 助手很少会以完全相同的方式两次回答同一个问题。为了处理这种差异,我们使用 Cloudflare AI Gateway,通过不同模型多次向每个助手发送 prompt。随后,我们读取客户实际会看到的响应——包括回答文本以及每个助手引用的来源——并从中提取多种信号。

我们评估的不只是你的网站是否被提及,还包括你是否被引用为来源、你的引用在回答中出现得有多早,以及最终回答中有多少实质内容归因于你。对于确实需要判断能力的部分,Workers AI 会承担主要工作:它原生运行在我们自己的基础设施上,读取每一条回复,并对你的引用和品牌提及在其中的呈现方式进行评分。我们也会使用精确文本分析,而不是让模型为自己的输出评分。所有这些手段结合起来,把数十条彼此独立的回复转化为可采取行动的指标。该工具对多模型查询和评估 pipeline 进行了抽象,因此你无须构建自己的评估框架,也能获得这些指标。

BLOG-3440 5.png

除了回答分析之外,AI Operator Activity 还会按 operator(OpenAI、Google 等)展示网站上真实的抓取和 referral 流量:谁在读取你的内容、谁把访问者带回你的网站,以及它们途中遇到了哪些错误(403 blocked、404 dead link)。其中最值得采取行动的一种模式是:某个 operator 抓取了你成千上万个页面,却没有带回任何访问者——它使用了你的成果,却没有把客户送回来。

由于这些数字与你的网站直接相关,你可以进行实验、重新运行扫描,并针对真正为你带来业务的具体问题,衡量每次调整所产生的影响。

BLOG-3440 6.png

认识你的另一类受众

在此之前,评估 Agent 只能依赖猜测:要么 grep 日志来推断谁访问过网站,要么向 chatbot 输入 prompt,再凭肉眼判断它有没有提到你。但借助 Agent Readiness 和 AEO,你可以获得采取行动所需的数据。而且,由于这些请求确实会经过 Cloudflare,这些工具会在可能的情况下进行实际测量,而不是估算,并将随着时间推移不断改进。

帮助你了解谁正在访问你的网站,并决定如何按照自己的方式与他们互动,一直是我们所做的事情。Agent 只是最新出现的一类受众;那些让 Agent 更容易发现、理解和信任自己的企业,才会获得推荐。你可以通过 Agent Readiness 判断自己是否属于其中之一;如果还不是,它也会告诉你该怎么做。

准备好了解 AI Agent 是否正在把客户带到你这里了吗?前往 dashboard 中的 Overview 标签页,让你的网站达到 Agent Ready 状态,并申请 AEO Visibility 的 early access。

正在构建开放且 Agent-ready 的 Web?打开 Cloudflare dashboard 中的 Agent Readiness 标签页,并在 Cloudflare Developer Discord 上告诉我们你正在构建什么。

Original source

本文由 AI 翻译整理自 Cloudflare Blog,原文版权归原作者所有。

阅读英文原文
上一篇
用 MCP 为纯文本编程智能体补上视觉
下一篇
Cloudflare构建开放智能体互联网协议