AI 关键词研究：工作原理与 9 个上手提示词
本文展示如何借助 Agent A（Ahrefs 的 AI 营销助手）用 AI 做关键词研究，并给出提示词，方便你在 Claude 等其他 AI 工具中通过 MCP 连接搭建类似工作流。
聊天机器人通常无法访问真实的 SEO 数据，所以它们常常凭空编造，还把编造的内容当成事实呈现。但一旦你把 AI 连接到真实的 SEO 数据，它就会变成一个你会纳闷自己以前怎么没用上的关键词研究工具。从构思创意、聚类关键词，到梳理搜索意图、处理重复且耗时的任务，它都能帮上忙。
本文将展示如何借助 Agent A（Ahrefs 的 AI 营销助手）用 AI 做关键词研究，并给出提示词，让你能在 Claude 等其他 AI 工具中通过 MCP 连接搭建类似的工作流。
什么是 AI 关键词研究？
AI 关键词研究是指用 AI 来完成那些缓慢、重复或难以规模化的工作：从一个种子主题发散出创意、对成百上千个关键词进行聚类、按意图分类、找出你的内容与竞争对手之间的差距。
先来偷看一眼 Agent A 通过一个预装技能（skill）用 AI 做关键词研究的过程。智能体只需几个字就能启动这个技能，并开始收集数据。
大约五分钟后，AI 报告任务完成：
关键在于输入数据：也就是 AI 应当据以工作的上下文。语言模型根本不知道人们实际会搜什么、搜的频率有多高、排名有多难。正是这一差距，区分出了三种值得了解的工具组合：
- AI 助手（ChatGPT、Claude、Gemini）——你直接向它们提问的通用模型。适合构思创意、聚类和类似电子表格的高级操作。它们自身没有关键词数据。你可以上传从 SEO 工具导出的 CSV 让它们帮你分析，但 AI 是基于你的数据工作，而不是实时数据库。
- AI 驱动的 SEO 工具（Ahrefs 及同类）——内置 AI 功能的关键词数据库。你能同时获得准确的搜索量、KD 和 SERP 数据，和 AI 辅助分析，而无需把两个工具拼在一起。例如，Ahrefs 的 Keywords Explorer 就内置了一个用于构思关键词的 AI 工具。
- AI + MCP——一种较新的组合：你通过 Model Context Protocol（模型上下文协议）把通用 AI 模型直接连接到关键词数据库。接入了 Ahrefs MCP 的 Claude 可以在对话过程中查询真实的搜索数据，并在同一轮里对它进行推理。Ahrefs 的 Agent A 是这个思路的专门定制版——从第一天起就接入了完整数据集。
前两种已经存在一段时间了。第三种才是让本文工作流成为可能的关键——尤其是当这个模型还具备智能体（agentic）能力时。
AI 擅长什么
大规模生成关键词创意。给任意 AI 助手一个种子主题，让它给出 50 个变体。它会挖出长尾词组、问句形式，和你根本想不到要输入关键词工具的角度。几分钟的提示就能让初始清单的规模增长一倍。
对大规模关键词集合的数据处理和运算。也就是那些苦力活。例如：
- 对来自四个来源的重叠清单去重。
- 按你的产品契合得有多自然，给关键词打 0–3 分。
- 按语义对主题进行聚类（即按含义和意图分组，而不是按精确匹配）。
- 在 500 行的表格中找出异常值、增长模式和搜索量分布。
这些全部加起来只是几分钟的 AI 工作，而手动筛选则要耗掉整整一下午。
没有数据连接时，AI 会错在哪
简短来说：任何需要真实 SEO 数据的东西。在没有连接关键词数据库的情况下，AI 可能仍会给你搜索量、KD 分数、SERP 特性清单和趋势评估——而这些全都是从训练数据里编造出来的。
通过 MCP 把模型连接到实时关键词数据库，或者使用像 Agent A 这样自带数据库的工具，这四个局限就都消失了。
即便有数据连接，AI 仍然做不到的事
数据部分可以自动化，但判断部分不行。AI 可以交给你 200 个排好序的关键词，但它无法告诉你哪些真正契合你的业务、哪些是你团队真正写得出来的，或者哪些值得你付出“不去写别的东西”的机会成本。
仍然是你说了算：
- 设定策略。你想增长的是什么：认知度、产品注册，还是品牌搜索？一旦你设定好目标，AI 才会据此对关键词排序，而不是在此之前。
- 决定“相关”意味着什么。一个有关你所在品类的关键词，并不自动值得你动笔。你才清楚哪些话题是你的产品真正服务的，哪些只是为了流量而流量。
- 权衡投入与回报。AI 能给你展示一个搜索量 5,000、KD 25 的关键词，但它无法告诉你你的团队能否写出一篇比当前排名内容更好的文章。
- 拍板决定哪些不做。关键词研究中最难的决定，是从 AI 刚交给你的 200 个关键词里砍掉 180 个。这是编辑判断，无法外包。
所以，把 AI 当作一名高效的研究分析师，而不是 SEO／内容总监。
如何用 AI 做关键词研究（9 个提示词）
我用 Agent A（Ahrefs 的智能体式 SEO 助手，开箱即接入完整的 Ahrefs 数据集）运行这些提示词；包括我在内的团队会在 SEO 任务上对每一个进行严格测试（如果你刚接触智能体式的 SEO 工作流，请看这份指南）。
提示：如果你已经订阅了 Ahrefs，可以免费试用 Agent A 整整一个月！
你今天就可以在 Claude、ChatGPT、Manus、OpenClaw 甚至 Lovable 中运行同样的提示词，但要确保你通过 MCP 连接或 API 连接接入了一个关键词数据库（至少要接入从你的 SEO 工具导出的数据）。连接之后，模型就能在对话过程中查询真实的关键词数据（搜索量、难度、流量潜力、SERP 数据、竞品排名），并在同一轮里对它进行推理。
1. 如何扩展种子关键词并对其进行聚类
给 AI 一个主题、你的网站背景和你的约束条件（KD、流量潜力、意图）。它会从数据库中拉取匹配的关键词和相关词，包括排名靠前的页面同时也在排名的词，按你的阈值进行筛选，再把所有内容按父主题（parent topic）聚类。每个集群对应一篇文章。
这里你可以看到 Agent A 使用 Ahrefs 数据开展研究（左边是我的提示词和 AI 的思考，右边是结果）。
在此基础上，我可以调整结果，让它在实践中更有用。例如，我可以对 Agent A 说：“加一个选项，让我能把其中每个主题保存到我的 scrapbook 里。”
顺便说一句，scrapbook 也是我用 Agent A 通过一个提示词做出来的应用（就像你用 Lovable 那样），用来存放我以后想引用的想法、灵感和来源。
2. 如何找到竞争对手的关键词差距
把你的域名和两三个竞争对手告诉 AI。它会拉取他们的自然关键词，与你的做交叉比对，并浮现出他们排了名、而你没有的词。这些都是已经被验证的机会：真人会搜这些词，而且你的领域里已经有人排上了名。
我的网站是 [mysite.com]。我的主要竞争对手是 [comp1.com, comp2.com]。
Agent A 预装了内容差距分析技能，所以你只要点击“Launch”就能开始。
然后智能体会带你走一个简短的问卷，以了解你的具体背景。
3. 如何找到“低垂果实”关键词
你已经排在第 4–20 位的那些关键词，离首页已经足够近，一次内容更新、更好的内链，或者站内 SEO 优化，就可能把它们推进前 3。
在这个工作流中，AI 会拉取你的自然关键词，筛选到这个排名区间，并按“上升后你能多获得的流量”排序。
这是 Agent A 中的结果——一个你可以与之对话的看板：
4. 如何找出流量衰退的页面
这次不是单个关键词，AI 会拉取你的头部页面，并对比它们在两个时间点的流量。流量下滑的页面就是重写或更新的候选，尤其是那些曾经表现良好的页面。
如果你用的是 Agent A，直接启动预装技能即可。
结果大致会像这样（还附带一个 CSV 文件）。这也是一个例子：如果你不想，AI 可以直接在对话里给你答案和一个可下载的文件，而不必构建一整套可视化报告。
5. 如何找到未被专门针对的品牌关键词
有时人们会搜“[你的品牌] + [某样东西]”（某个功能、对比、使用场景），但你并没有专门的页面来承接。所以这个提示词让 AI 把你的自然关键词筛选为品牌类查询，并与你的站点地图交叉比对。任何落在通用页面上的品牌关键词，都是你白白放走的流量。
这是 Agent A 中的结果。
6. 如何找到问句型和对比型关键词
问句形式的查询（“how to……”“what is……”）和对比形式的查询（“X vs Y”“X alternative”）对应着特定的内容类型，而且竞争往往更低。它们也是最容易触发 AI 回答的查询形式，对应的内容也最容易被引用。
这是结果，由 AI 从零开始、耗时 3.5 分钟做出来。
7. 如何找到国际关键词机会
AI 可以按国家拉取你的关键词指标。你可能在某个流量很低的市场里拥有颇为可观的关键词可见度。这就是一个本地化机会。或者，它也可以为你正在考虑进入的新市场做关键词挖掘。
这个稍微复杂一点，因为有多种方式去寻找这类机会：
针对这个提示词，Agent A 构建了一份像这样的报告：
8. 如何找到趋势关键词
趋势关键词是指那些随时间（通常在几个月内）搜索量上升的关键词。AI 可以拉取特定关键词的搜索量历史，在趋势达到顶峰前就发现上升势头，尤其是那些模型的训练数据可能没有覆盖的词，因为关键词数据库是持续更新的。
如果你想试试，这也是 Agent A 中的一个预装技能：
结果：
9. 如何找到买家画像关键词
并非每个有价值的关键词都有高搜索量。你的理想客户可能会搜一些小众、具体的查询，关键词工具会把这些显示为低搜索量甚至“零搜索量”，但这些恰恰是 AI 聊天机器人会给出答案的查询。
在这个例子里，AI 根据一段用户画像描述进行头脑风暴，与数据库验证，并标记出即使没有传统流量潜力也值得针对的关键词。
Agent A 根据这个提示词构建了下面这个产物：
AI 的技能与流水线
技能（skill）是给 AI 保存下来、可重复使用的指令。你就不必每次都重写同样的提示词，只要输入类似“/keyword-audit”这样的内容，AI 就已经知道该做什么：拉取哪些数据、如何筛选、和如何格式化结果。
你随时需要，AI 就能运行一个技能。你可以单独使用技能、把它们作为更大工作流的一部分来调用，或者在它们契合任务时让 AI 自动使用。
在底层，一个技能只是一个 markdown 文件。它是用大白话写的指令，而不是代码。举个例子，这是我一直在做的“引用新鲜度（citation freshness）”技能的 markdown 文件节选：
因为每个技能都有明确的输入和输出，你可以把它们串成一条流水线。一个技能的输出成为下一个技能的输入，Claude 能自行走完整个序列。
一条关键词研究流水线可能长这样：
/keyword-audit → /cluster → /content-brief
你启动第一步。AI 审计你的网站，把结果传给聚类技能，再把最好的集群转成内容简报，而你无需去管理每一次交接。
要构建你自己的自定义技能，你只需描述希望每个步骤做什么，AI 就会为你创建技能文件——无需任何编程技能。
例如，你可以这样提示它：
或者，你也可以让 AI 把你刚刚进行的对话变成一个技能。
你甚至不需要从零开始自己发明技能。你也可以让 AI 把一篇博客文章或帮助文档变成一个技能。
以下是我们几篇很适合作为技能起点的博客文章：
- 什么是内容衰退？（和如何在它拖垮你的流量之前修复它）
- 面向 Google Ads 的 PPC 关键词研究：新手入门指南
- 如何借助 AI 做一份真正有用的 PPC 竞争分析
- 面向 SEO 从业者和数字营销人的 15 个 Ahrefs MCP 使用场景
- SEO 关键词映射：如何操作 + 免费模板
- 用 Ahrefs 的 Brand Radar 提升 AI 可见度的 10 种方法
- 我如何用 Claude Code 做内容工程
如何改进你的提示词以获得更精细的结果
AI 得替你做出十几个小决定——什么算“好”、什么样的 KD 阈值合理、用什么格式返回、结果如何排序、要排除什么。只要其中任何一项没说明，AI 就会用训练数据的平均情况来填空，而这些很少能匹配你的网站、你的目标或你的约束条件。
更好的提示词，主要是把这些决定从 AI 的脑子里搬到你的脑子里。几个有用的套路：
- 在任务之前设定网站背景。域名、受众、主题范围。没有它，“相关”就由 AI 说了算——很可能不是你的本意。即便你觉得这个背景可能不相关，它也可能暗示出一个解决方案。
- 给 AI 分配一个角色。“你是一家 B2B SaaS 公司的 SEO 分析师”会加载一整套默认判断——优先以产品为导向的主题、跳过纯流量打法、偏向中漏斗意图——否则要写一整段才能说清。
- 明确数据来源。“用 Keywords Explorer，而不是 Site Explorer。”“从自然关键词里拉取，不要用付费词。”“用目标国家的母语查搜索量。”数据来源含糊，是 AI 自信地给出错误结果的一个常见原因。
- 否定式提示词要跟肯定式一样多。“排除品牌词。”“忽略我已经排第一的关键词。”“跳过我们不做的垂类。”一半的价值就在于 AI 略去了什么。
- 在格式上要示范，而不只是口头描述。当你想要特定的输出形态时，粘贴一行示例，或你想要的那张表的骨架。一行示例抵得上五行描述。
- 让 AI 解释它的首选。“对你排名前 5 的推荐，每个用一句话解释原因。”这会暴露出你本可能错过的糟糕推理，而且常常会改变你实际信任哪些推荐。
- 迭代，而不是重写。AI 会在一次对话中保留上下文。“按流量潜力（TP）收窄到前 20 个”比带着一处改动重跑原始提示词要更好。
- 把有效的做法保存到记忆中。一旦某个提示词或筛选组合能稳定产出好结果，就让 AI 记住它。例如，“对这个网站始终排除品牌词和 KD > 40 的词”意味着你不必每次都重写这套设置。也保存你的修正，这样研究会每周越来越快，而不是每次归零重来。
一个反面提示：不要让 AI 来判断与业务的战略契合度。它能告诉你哪些关键词能赢下来，但无法告诉你哪些值得去赢。这仍然由你决定。
常见问题
当人们开始把 AI 引入关键词研究时，常被问到的一些问题。
我需要什么才能开始？
从你已经在用的地方开始。Claude、ChatGPT、Manus、Lovable——这些中的任何一个都能连接 Ahrefs MCP，并在对话过程中查询真实的关键词数据，所以你不必离开惯用的 AI 环境去做关键词研究。如果你想跳过配置、直接用一个能得到本文这类结果的专用 SEO 智能体，Agent A 就是那个零配置的选项——从第一天起就接入了完整的 Ahrefs 数据集。
AI 能独立做关键词研究吗？
取决于配置。一个没有任何数据集成、通用的 AI 模型可以做头脑风暴和数据库操作，但无法提供准确的搜索量、KD 或 SERP 数据。而一个通过 MCP 连接了关键词数据库的 AI 则是另一回事：它能实时访问真实的搜索数据，并端到端地跑完整个工作流。这两种配置之间的能力差距很大。
我可以用 ChatGPT 做关键词研究吗？
可以，但你得自己带上数据。ChatGPT 本身没有关键词数据库，所以它未经提示就生成的任何搜索量、KD 或 SERP 数字都是编造的。从真实的 SEO 工具（比如 Ahrefs）导出你的关键词数据并上传 CSV——然后 ChatGPT 就能去重、聚类、标注意图、可视化数据，并基于它回答后续问题。如果不想手动导出、想要实时查询，就通过 MCP 把它连接到一个关键词数据库。
AI 关键词研究比传统关键词研究更好吗？
把两者结合起来的工作流胜过任何单一做法。AI 负责那些手动做起来很慢的分析和整理；关键词工具提供 AI 自己无法生成的数据。用 MCP 连接两者后，手动交接就完全消失了。
做关键词研究最好的 AI 工具是什么？
一个通过 MCP 连接了实时关键词数据库的 AI 模型，比如接入 Ahrefs MCP 的 Claude，是最强的通用配置。而同一思路的专用版本，就是 Agent A——Ahrefs 自家的智能体式 SEO 助手，原生接入了完整数据集。
AI 会取代关键词研究工具吗？
不会。没有关键词数据库的 AI 是在猜——它可以生成创意、对你交给它的数据进行推理，但它无从得知人们实际搜什么，或某个词竞争有多激烈。AI 改变的不是你是否需要关键词工具，而是你与它交互的方式：工具仍然提供数据，而 AI 负责过去要耗费数小时手动完成的筛选、聚类和综合。
结语
AI 改变的是由谁来做那些机械性的部分。作为一个拥有 MCP 访问权限的研究者，AI 能在一次对话里处理诸如发现、筛选、SERP 验证和聚类等工作。作为一个基于你的导出数据工作的分析师，它仍然能消除流程中最耗时的部分。无论哪种方式，过去要花一整天的事，现在一个上午就能完成。
最快的入口：今天就用 Agent A，或者通过 MCP 把 Claude 连接到一个关键词工具。描述你的网站和主题，要一份排好优先级的内容计划，AI 就会拉取数据、套用你的筛选、检查 SERP，并把可以直接变成内容日历的集群交还给你。从种子主题到编辑计划，一次对话即可完成。
感谢阅读！欢迎通过 LinkedIn 联系我。