Skill

Blog Analyze — 文章品質分析

Analyzes blog articles for quality across 5 categories (content, SEO, E-E-A-T, technicals, AI readiness) with 100-point scores, Humanizer AI detection, and optional PDF/PageSpeed reports.

Markdown

Python

documentation

code-quality

npx claudepluginhub rainday/smart-blog-skills --plugin smart-blog-skills

Tool Access

This skill uses the workspace's default tool permissions.

Preview

---

SKILL.md

Similar Skills

blog-analyze

628

Audits and scores blog posts on 100-point system across content quality, SEO, E-E-A-T, technical elements, AI citation readiness. Detects AI content via burstiness/phrasing, supports batch analysis, prioritized fixes, exports (markdown/JSON/table).

claude-blog

monitor

Captures quality snapshots of blog articles from Markdown files, tracks score changes, generates delta reports for monthly comparisons, and shows trends. Stores shareable JSON in docs/monitor/.

smart-blog-skills

seo-content

36.4k

Analyzes content quality for SEO using E-E-A-T framework, readability metrics, word count benchmarks, keyword optimization, structure, and AI citation readiness.

5 tools

antigravity-awesome-skills

Stats

Stars33

Forks3

Last CommitApr 6, 2026

Actions

View Source View Plugin View on GitHub View README

Help us improve

Share bugs, ideas, or general feedback.

Blog Analyze — 文章品質分析

工作流程

Step 1：讀取文章

讀取指定的文章檔案
提取 YAML frontmatter
分離正文內容

Step 2：內容分析

讀取 skills/blog/references/content-rules.md 的評分標準，對文章執行以下分析：

2a. 結構分析

計算 H1/H2/H3 數量
檢查標題層級是否正確（無跳級）
計算 H2 問句比例
檢查 Answer-First 格式（H2 前 40-60 字 / 中文 60-100 字含統計）

2b. 段落分析

計算每段字數
找出超過 150 字的段落
計算理想範圍（中文 60-120 字 / 英文 40-80 字）的段落比例

2c. 引用分析

計算統計數字數量
計算有來源歸因的統計數量
計算無來源的統計數量
分析來源等級（Tier 1/2/3）

2d. 視覺元素

計算圖片數量和 alt text 覆蓋率
計算 SVG 圖表數量

2e. FAQ 分析

是否有 FAQ 段落
FAQ 問題數量

2f. 連結分析

內部連結數量
外部連結數量
錨文字品質

Step 3：AI 內容偵測

Humanizer 29 模式掃描

讀取 skills/blog/references/humanizer-patterns.md，掃描文章中出現的 AI 寫作模式：

逐條對照 29 個模式的監控詞
計算偵測到的模式數量
扣分規則（從 AI 引用就緒度扣）：
- 0-3 個：扣 0 分
- 4-8 個：扣 2 分
- 9-15 個：扣 5 分
- 16+ 個：扣 8 分
列出偵測到的具體模式和位置

注意： humanizer 模式與下方觸發詞掃描有部分重疊（模式 #7 ⊃ 觸發詞列表），不重複扣分。

句長爆發性（Burstiness）

計算每個句子的字數
算出標準差 / 平均值 = 變異係數
≥0.4 = 自然，0.3-0.4 = 邊界，<0.3 = AI 風險

AI 觸發詞掃描

掃描禁止觸發詞列表（見 content-rules.md）
計算每 1,000 字的觸發詞密度
≤3/千字 = 正常，3-5 = 注意，>5 = 高風險

被動語態估算

計算「被」字句和被動結構的比例
≤10% = 正常，10-15% = 注意，>15% = 高風險

Step 4：評分

根據 content-rules.md 的 100 分標準打分：

類別	滿分
內容品質	30
SEO 優化	25
E-E-A-T 訊號	15
技術元素	15
AI 引用就緒度	15

Step 5：輸出報告

## 品質分析報告：[檔案名稱]

### 總分：[N]/100 — [等級]

| 類別 | 得分 | 滿分 |
|------|------|------|
| 內容品質 | [N] | 30 |
| SEO 優化 | [N] | 25 |
| E-E-A-T 訊號 | [N] | 15 |
| 技術元素 | [N] | 15 |
| AI 引用就緒度 | [N] | 15 |

### AI 內容偵測
- 句長爆發性：[數值]（[自然/邊界/AI風險]）
- AI 觸發詞：[N]/千字（[正常/注意/高風險]）
- 被動語態：[N]%（[正常/注意/高風險]）

### 問題清單（依嚴重度排序）

#### 🔴 致命
[列出致命問題]

#### 🟡 高優先
[列出高優先問題]

#### 🟠 中優先
[列出中優先問題]

### 改善建議
[前 3 個最有影響力的改善行動]

Step 5b：PageSpeed 整合（選用）

如果文章的 frontmatter 包含 url 或 canonical 欄位：

檢查 ~/.config/smart-blog-skills/config.json 是否存在
如果有 → 呼叫 PageSpeed API，將結果納入技術元素評分
如果沒有 → 跳過，使用純內容分析

Step 6：PDF 輸出（--pdf）

如果使用者加了 --pdf flag：

將 Markdown 報告轉換為 HTML
使用 Python + WeasyPrint 生成 PDF
輸出到與文章相同的目錄：{filename}-analysis.pdf

需求： Python 3.11+ 和 WeasyPrint (pip install weasyprint)

/c/Users/EricHsu/AppData/Local/Programs/Python/Python313/python.exe scripts/pdf_report.py --input report.md --output report.pdf

如果 Python 或 WeasyPrint 未安裝，提示使用者安裝方式，繼續輸出 Markdown 報告。

Step 7：Monitor 快照（自動）

分析完成後，如果 docs/monitor/ 目錄存在：

自動將分析結果存為 JSON 快照到 docs/monitor/snapshots/{today}/{slug}.json
更新 docs/monitor/index.json
告知使用者：「分析結果已同步到 monitor 快照」

如果 docs/monitor/ 不存在，跳過此步驟。

批次分析

如果使用者提供目錄路徑：

用 Glob 找出所有 .md / .mdx / .html 檔案
逐一分析
輸出摘要表格，按分數排序
如果 docs/monitor/ 存在，自動建立批次快照