Front-End Checklist 中的「创建专用 About 页面」SEO 规则:E-E-A-T 信任信号的落地与验证
Front-End Checklist 仓库把「网站是否拥有一个内容充实的专用 About(关于)页面」定义为一条独立的 SEO 审查规则(about-page),优先级为 medium、难度 intermediate、预计耗时 10 分钟。本文围绕 rules/about-page 规则文档 展开,讲清这条规则的审查要点、标准 HTML 实现示例、背后的 E-E-A-T 原理、例外情形与部署后的验证流程,并结合本仓库自身真实的 About 页面源码与页脚导航实现,展示一条规则从"检查清单条目"到"可运行页面"的完整落地路径。
规则定位与元信息
在仓库中,这条规则存在两种互补形态:
- 面向 AI Agent 的技能文件:SKILL.md 声明了技能的名称(
about-page)、类别(seo)、优先级(medium)、难度(intermediate)、预计耗时("10")与来源(frontendchecklist.io),并给出给 AI 的执行指令aiContext:"Use when auditing metadata, crawlability, structured data, or indexability related to Create a dedicated About page. Verify the rendered HTML and HTTP response rather than relying only on source files."——即审查时要以渲染后的 HTML 与 HTTP 响应为准,而不是只看源码文件。 - 面向人阅读的规则正文:rules 正文 以 MDX 形式存储,frontmatter 中声明了
categories: [seo]、subcategory: content、priority: medium、difficulty: intermediate、estimatedTime: 10,并附带完整的prompts(check / fix / explain / codeReview 四段式提示词)、sources(Google Search Central: Search Essentials 等权威来源)与relatedRules。
两条形态的正文内容一致,核心判断只有一句话:Verify that the website has a dedicated About page that clearly identifies the people or organization responsible for the content.(确认网站存在一个能清楚指明"内容由谁负责"的专用 About 页面。)
规则的检查、修复与解释三段式
规则文档(rule.md 与 about-page.mdx)采用统一的 Quick Reference + Check/Fix/Explain 结构:
Quick Reference(快速要点)
- 提供一个专用页面,解释网站的目的(purpose)、历史(history)与使命(mission)
- 介绍内容背后的关键人物或组织,以建立信任
- 提供明确的"专业性证据"(evidence of expertise)与联系方式(contact information)
Check(检查):验证网站是否拥有专用 About 页面,且页面清楚标识了内容的责任主体(人或组织)。
Fix(修复):在 /about 路径下创建新页面,补充关于组织、使命以及内容专家的详细信息。
Explain(解释):说明 About 页面如何贡献于 E-E-A-T(Experience、Expertise、Authoritativeness、Trustworthiness),以及它为何是关键 SEO 因素。
Code Review(代码审查):在 Front-End Checklist 的规则体系里,每条规则还附带 codeReview 提示词——审查与 About 页面相关的元数据生成、渲染后 HTML、结构化数据与响应头,标记出违反该规则的精确路由或模板,并描述如何验证最终页面输出。这保证了规则不仅停留在内容层面,而是可以落到路由、模板与 metadata 代码上。
标准实现示例:让 About 页面可被发现
规则正文给出的标准代码示例强调一个前提:About 页面必须"容易被发现"(easily discoverable),通常通过主导航或页脚:
<footer>
<nav aria-label="Footer Navigation">
<ul>
<li><a href="/about">About Us</a></li>
<li><a href="/contact">Contact</a></li>
<li><a href="/privacy-policy">Privacy Policy</a></li>
</ul>
</nav>
</footer>
示例中值得注意的工程细节:<nav> 使用 aria-label="Footer Navigation" 提供导航语义标签,使屏幕阅读器能区分页脚导航与其他导航区块——这与仓库中大量可访问性规则(如 landmark-regions、navigation-landmark)形成呼应。
本仓库自身的真实实现
Front-End Checklist 网站本身就提供了这条规则的实战参照。
页脚导航:footer.tsx 中定义了 PROJECT_LINKS 常量,通过 routeAbout() 路由助手函数生成 About 链接:
const PROJECT_LINKS = [
{ href: routeAbout(), label: 'About' },
{ href: routeMentions(), label: 'Community Mentions' },
{ href: GITHUB_REPO_URL, label: 'Source Code', external: true },
{ href: '/sitemap.xml', label: 'Sitemap' }
] as const
这里有一个与标准示例的关键差异:路由不是硬编码的 /about 字符串,而是来自 @repo/config 包的 routeAbout() 等路由助手函数(config 包),外部链接则带 target="_blank" 与 rel="noopener noreferrer",并附 sr-only 的 "(opens in new tab)" 辅助文本。页脚每个栏目渲染为带 aria-labelledby 的 <nav>(见 footer.tsx),与标准示例中 aria-label 的语义化做法一脉相承,只是改用 aria-labelledby 指向栏目标题,避免重复的无障碍标签。
About 页面本身:about/page.tsx/about/page.tsx) 展示了 Next.js App Router 下的完整实现模式:
export const metadata = {
...pageMetadata.home,
title: 'About the Creator | Front-End Checklist',
description:
'Learn more about David Dias, the creator of the Front-End Checklist, and his other projects.'
}
export default async function AboutPage() {
'use cache'
cachePublicContent()
// ... 渲染页面标题、项目介绍与创作者项目区块
}
可以看到它同时满足了规则的多个检查点:页面位于可预测的 /about 路由;页面级 metadata 提供了独立的 title 与 description(复用 pageMetadata 公共元数据并覆盖标题,见 lib/seo 提供的 pageMetadata 助手);页面内容介绍"这个网站为谁创建、解决什么问题",并内嵌 UpcomingBook、CreatorProjects 等区块(见 components/about)来呈现内容背后的创作者——这正是规则要求的"介绍内容背后的关键人物"。
为什么重要:E-E-A-T 的四根支柱
规则文档的 "Why It Matters" 一节给出了四条理由,这也是该规则在 seo/content 分类下的理论根基:
- E-E-A-T:直接支撑 Google《Quality Rater Guidelines》中 Trustworthiness(可信度)与 Authoritativeness(权威性)两根支柱;
- 透明度(Transparency):向用户表明"你是谁",降低跳出率、建立长期品牌忠诚;
- 实体识别(Entity Recognition):帮助搜索引擎把网站与真实世界的实体(个人或组织)关联起来;
- 合规(Compliance):在许多行业中,标明内容创建者是法律或监管要求。
从 about-page.mdx 的 frontmatter 看,规则把 whyItMatters 概括为一句话:"An About page is a primary trust signal for both users and search engines, directly impacting the website's E-E-A-T profile and overall credibility."——About 页面同时面向用户与搜索引擎,是首要的信任信号。
例外情形:不要把规则机械套用到每一页
规则文档专门列出三条 Exceptions(例外),用于防止审查工具误报:
- 工具型/合规型页面允许简短:必要的实用页面或合规页面可以故意写得简略,不应以"排名导向内容"的编辑深度标准来衡量它们;
- AI 辅助起草本身不是失败:应标记的是"无依据的声明、缺少编辑审核、原创性不足"的具体问题,而不是"使用了 AI"这一事实本身;
- 先解决收录,再谈质量:当一个页面同时存在信任信号问题与爬取/索引问题时,应先让页面"具备参与排名的资格",再改进内容质量信号。
这些例外体现了仓库规则体系的一贯立场:规则服务于最终面向搜索的 HTML、元数据与爬取行为,而非孤立地评判单个文件。
判定标准(Standards)
规则文档的 Standards 一节要求以外部权威标准作为判定依据:
- 以所引用的参考文档作为最终面向搜索的 HTML、元数据与爬取行为的标准;
- 在认定规则"已满足"之前,先对照 Google Search Central: Search Essentials 检查实现;
- 在认定规则"已满足"之前,先对照 Google Search Central 文档检查实现。
about-page.mdx 的 frontmatter 将这些参考固化为结构化数据:sources 中收录了 "Google Search Central: Search Essentials"(authority: primary)与 "Google Search Central documentation",resources 中收录了 Google Search Console 作为可用工具。这意味着该规则的证据链是"规则文档 → 权威来源声明 → 实现对照",而不是经验性判断。
验证方法:自动化 + 人工双通道
规则的 Verification 一节把验证拆成自动化检查与人工检查两类,这也是 Front-End Checklist 多数规则共用的验证框架。
自动化检查(Automated Checks)
- 检查渲染后的 HTML 与 HTTP 响应头,确认预期的元数据或可爬取信号存在(例如
/about返回 200、有title/description、未被noindex屏蔽); - 在相关场景下,用 Google Search Console 或同类工具测试受影响 URL 的收录状态;
- 部署后对代表性页面集合重新爬取(re-crawl),确认信号在真实环境中生效。
人工检查(Manual Checks)
- 确认改动没有引入相互冲突的 canonical-url、robots 或结构化数据信号——例如 About 页面没有被误设 canonical 指向其他页面,或 robots 策略误伤。
在 Front-End Checklist 仓库自身中,这类验证有现成的落点:sitemap.ts 决定哪些路由进入站点地图、robots.ts 决定爬取策略,两者共同构成"About 页面可被收录"的基础设施;docs/generated/rules-catalog.md 则收录了 about-page 在内的完整规则目录,便于审查者按类别定位规则。
相关规则:About 页面不是孤立存在的
about-page.mdx 的 frontmatter 通过 relatedRules 声明了四条同属 seo/content 领域、通常被一起审查的规则:
| 相关规则 | 关联理由 |
|---|---|
| contact-page | 同属 seo/content,常与 About 页面一起审查(联系方式是规则 Quick Reference 的第三项) |
| editorial-policy | 同属 seo/content,编辑政策与内容可信度互为佐证 |
| author-byline | 同属 seo/content,作者署名与 About 页面共同构成 E-E-A-T 证据链 |
| affiliate-disclosure | 同属 seo/content,利益披露是透明度的另一维度 |
这提示一个实操结论:审查 About 页面时,应把 /contact、作者信息、披露声明一并纳入同一轮检查,因为 E-E-A-T 的 Trustworthiness 维度依赖多个信号相互印证,单页达标并不等于整站达标。
小结
about-page 这条规则浓缩了 Front-End Checklist 规则体系的设计范式:
- 结构化元数据(priority / difficulty / estimatedTime / sources / relatedRules)让规则可被工具与 Agent 机器消费;
- Quick Reference + Check/Fix/Explain/Code Review 四段式让规则对人和 AI 都可执行;
- 标准示例 + 例外 + 判定标准 + 双通道验证让规则可判定、可复核,避免机械误报;
- 仓库自身即是参照实现:about 页面/about/page.tsx) 与 页脚导航 展示了路由助手函数、页面级 metadata、语义化
nav等落地细节。
对开发者而言,落地这条规则的最小路径是:在 /about 创建页面 → 在主导航或页脚加入可发现的链接 → 补齐组织/人物/使命内容与独立 title/description → 确认 robots、sitemap、canonical 与结构化数据无冲突 → 部署后重新爬取验证信号生效。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0622
Hy4-previewHy4 preview 是由腾讯混元团队研发的新一代混合专家(MoE)旗舰模型。模型总参数量 770B,每个 token 激活 49B,主干共包含78层,第一层采用标准 FFN,其余 77 层均为 MoE 结构,每层包含 256 个路由专家与 1 个共享专家,每个 token 激活 top-8 路由专家及共享专家。主干之外原生内置 1 层 MTP(总参数量 10B,激活 0.7B)以支持投机解码。Python00
GLM-5.3GLM-5.3 与 GLM-5.2 使用相同的基座模型——所有提升均来自后训练。与 GLM-5.2 相比,它在复杂编程和长程任务上的表现显著提升。Jinja00
GLM-5.3-FlashGLM-5.3-Flash (320B-A18B),是GLM-5系列的首个原生多模态模型。320B总参数,能力超过GLM-5.2Jinja00
Spark-X2.5-4BSpark-X2.5-4B 旨在让强大的 AI 更实用、更高效、更易获得。在广泛日常任务中表现强劲,涵盖对话、写作、翻译、推理、编码、工具调用以及智能体工作流,并在同等规模的开源模型中取得领先成绩。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
Spark-X2.5-1.7BSpark-X2.5-1.7B 旨在让强大的 AI 更加实用、高效且易于获取。这些模型在广泛的日常任务中表现出色,涵盖对话、写作、翻译、推理、编程、工具调用和智能体工作流,并在同等规模的开源模型中取得领先结果。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00