元数据与 Schema 选型：FAQ、HowTo 还是 Article

结构化标记向机器声明这是什么类型的内容，选型规则很直接：讲操作流程用 HowTo，回答高频疑问用 FAQPage，观点与科普用 Article，卖货用 Product 加 Offer，本地商户用 LocalBusiness。选错了类型一般不会扣分，但选对了会放大曝光：富摘要、分步展示、问答直达，都是选对之后才会出现的展示形态。元数据里最基础的两项也别漏：标题标签与描述要在合理长度内写清页面主题，它们是模型理解页面的第一行说明。

前提只有一条：标记必须与页面真实可见的内容一一对应。标记里写了页面上没有的问答，等于给机器看另一套内容，风险远大于收益。

需要特别强调的区分是：真正决定 AI 能否顺利抽取的，是内容结构本身，包括标题层级、答案块与信息顺序；schema 是可选的加分项，不是主因。结构混乱的页面，加再多标记也救不回来；结构清晰的页面，标记负责让它拿到更好的展示位。一个简单的自测：把结构化标记全部去掉，页面上的标题层级与答案块还能不能让人一眼看懂。能，说明结构合格，标记只是锦上添花；不能，先修结构再谈标记。

另一个常被高估的点是内容位置：页面靠上的内容权重更高，核心答案放在首屏，胜过任何标记技巧。也因此，无需为 AI 单独做一套页面，把同一套页面做清晰，人与模型各取所需。

第一步，判断页面主类型：流程、问答、观点、商品还是本地服务。第二步，按类型选标记，一页可以叠加，比如教程页同时叠加 HowTo 与 FAQPage。第三步，部署后校验 JSON-LD 语法与必填属性，报错的标记不会生效，常见错误包括漏掉必填属性、日期格式不规范、标记内容与页面文字不一致，校验工具会把问题逐条列出来。第四步，内容更新时同步更新标记，版本错位的标记比没有标记更糟。

对脉极优的 AI 网站会按行业自动渲染对应的 JSON-LD，首页、问答区、价格页各就各位，不需要手工写标记。体检项里包含结构化数据校验，语法错误与缺失的必填属性会直接给出修复建议，改完复跑一遍即可确认。