agentleFS
naomi19felix-hubnaomi19felix-hub/claude-skills/ai-first-page/SKILL.md

ai-first-page

Skill0 starsChanged 55 days agoMITView on GitHub

Audit AI-first d'une page web selon une grille GEO/AEO propriétaire. Fetche la page, extrait les signaux techniques, score sur 120 points (+ 10 bonus) couvrant : titre/intent, structure, recherche/attribution, fraîcheur, autorité brand, technique AI-ready, outil interactif. Retourne un rapport complet avec scores par section et top priorités d'amélioration. Usage: /ai-first-page <url>

  • Installs packages

The file

Files
SKILL.md

Contexte

Tu es un auditeur expert en Generative Engine Optimization (GEO) — l'art d'optimiser les pages web pour être citées par les IA (Google AI Overview, Perplexity, ChatGPT, Claude).

La méthode évalue 7 dimensions précises qui déterminent la probabilité qu'un contenu soit extrait et cité par les moteurs IA.


Étape 1 — Charger la grille

Lis d'abord la grille de notation complète :

Read ${CLAUDE_SKILL_DIR}/rubric.md

Étape 2 — Extraction technique

Lance le script Python pour extraire les signaux structurés de la page :

python "${CLAUDE_SKILL_DIR}/extract.py" "$ARGUMENTS"

Si la commande échoue à cause de modules manquants, installe-les silencieusement :

pip install requests beautifulsoup4 -q && python "${CLAUDE_SKILL_DIR}/extract.py" "$ARGUMENTS"

Le script retourne un JSON avec tous les signaux techniques (schema types, H1/H2s, dates, auteur, listes, tables, FAQ, etc.)


Étape 3 — Analyse qualitative du contenu

Fetche la page avec WebFetch pour analyser ce que le script ne peut pas détecter :

  • La qualité de la réponse directe dans les 200 premiers mots (est-ce vraiment une réponse utile ou une intro générique ?)
  • La pertinence des données chiffrées (sont-elles précises et attribuées, ou vagues ?)
  • La qualité des H2/H3 (sont-ils formulés comme des questions d'utilisateur ?)
  • La présence et qualité d'une "Key takeaways" box
  • Le ton et la spécificité des CTAs internes
  • La cohérence brand et la navigation

Étape 4 — Scoring

En croisant les données JSON + l'analyse qualitative, score chaque critère selon la rubrique.

Pour chaque critère, note le score ET justifie en une ligne (ce que tu as vu sur la page).

Tableau de scoring à compléter :

IDCritèreMaxScoreJustification
A1H1 = question/intent5?
A2Qualificatif de valeur5?
A3URL slug keyword-rich5?
B1Réponse directe <200 mots8?
B2Key takeaways box7?
B3H2/H3 = sous-questions5?
B4Table des matières ancrée5?
C1Données chiffrées + sources10?
C2Sources primaires linkées8?
C3Auteur nommé + titre7?
D1Dates publication + MAJ5?
D2Données à jour8?
D3Couverture exhaustive/FAQ7?
E1CTAs internes contextuels5?
E2Breadcrumbs + brand5?
E3Signaux de validation5?
F1Schema markup7?
F2Section FAQ long-tail5?
F3Format scannable5?
F4Alt text + données visuelles3?
G1Outil interactif (bonus)+10?

Étape 5 — Rapport final

Génère le rapport dans ce format :


Rapport GEO Audit — AI-First Page

URL : [url] Date d'audit : [date] Score global : [X]/120 [+ bonus si G1]


Vue d'ensemble

[2–3 phrases résumant le niveau général de la page et ce qui la distingue positivement ou négativement]


Scores par section

SectionScoreMax%Niveau
A — Titre & Intent?15?%
B — Réponse & Structure?25?%
C — Recherche & Attribution ⭐?25?%
D — Fraîcheur & Complétude?20?%
E — Autorité & Brand?15?%
F — Technique AI-Ready?20?%
G — Outil interactif (bonus)?+10
TOTAL?120?%

Niveaux : 🟢 Excellent (≥85%) | 🟡 Bon (65–84%) | 🟠 Moyen (45–64%) | 🔴 Insuffisant (<45%)


Détail des scores

[Tableau complet avec ID, critère, score/max, et justification]


Top priorités d'amélioration

Ordonnées par impact GEO :

🥇 Priorité 1 — [Critère] ([section])

Impact : [Élevé/Moyen] | Effort : [Faible/Moyen/Élevé] [Ce qui manque, action recommandée avec exemple concret]

🥈 Priorité 2 — [Critère] ([section])

[idem]

🥉 Priorité 3 — [Critère] ([section])

[idem]


Étape 6 — Générer le one-pager HTML

Lis d'abord le template CSS :

Read ${CLAUDE_SKILL_DIR}/report_template.html

Calcule le slug à partir de l'URL : dernière partie du path (ex: /blog/how-long-do-ach-transfers-take → how-long-do-ach-transfers-take).

Détermine la couleur de chaque section selon son % :

  • ≥85% → classe green pour la barre, badge badge-green "Excellent"
  • 65–84% → classe yellow, badge badge-yellow "Bon"
  • 45–64% → classe red, badge badge-red "Moyen"
  • <45% → classe red, badge badge-red "Insuffisant"

Détermine la classe de la stat card du score global :

  • ≥85% → good (vert)
  • 65–84% → warn (orange)
  • <65% → alert (rouge)

Génère le HTML complet en injectant le CSS du template et en construisant :

  1. Header — nom de domaine + titre de la page en H1 serif, score XX/120 en grand à droite avec niveau coloré
  2. Subtitle — "Évaluation de la capacité de cette page à être citée par les IA conversationnelles…"
  3. Section 1 — Score global — 3 stat cards :
    • Card 1 (warn/good/alert) : XX/120 + "Score global — objectif citation IA : 105+"
    • Card 2 (good) : meilleure section en % + son nom
    • Card 3 (alert) : section la plus faible en % + pts récupérables
  4. Section 2 — Scores par section — table avec colonnes Section / Score / Barre de progression / Niveau / Point clé (une phrase)
  5. Callout — constat clé en 2 phrases
  6. Section 3 — Top 3 actions — 3 blocs priority-block avec rang emoji, titre, tags (pts/impact/effort), description 2 phrases
  7. Footer — "Source : BrowserMCP — [domain], [date] · Audit GEO / AI-First Page" | "Document confidentiel"

Sauvegarde le fichier :

Write ./audits/geo-audit-[slug]-[YYYY-MM-DD].html

Étape 7 — Prévisualiser

open ./audits/geo-audit-[slug]-[YYYY-MM-DD].html   # macOS/Linux ; "start" sous Windows

Indique ensuite : "One-pager ouvert dans le navigateur — [chemin du fichier]"

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.