01
PATH / 03 · CAPABILITY ROADMAP
长期学习路径
这不是一份“按顺序看完”的课程表，而是一条能力证据链：建立模型、观察现实、独立执行、诊断异常、做出取舍，再验证前沿变化。
INPUT每周 5–7 小时
约 30% 阅读、50% 实操、20% 复盘。
LOOP解释 → 应用 → 诊断
每个知识点至少经过一次真实样本。
OUTPUT用证据而非时长毕业
阶段产物能被别人复查才算通过。
这条路线如何针对你的能力缺口
你已经能做关键词研究、意图判断、竞品研究与基础审计，所以不会从“SEO 是什么”重新开始。前两周补齐 Search Architecture / IR 的系统缺口；随后用你较强的 SERP 能力做迁移；再把 Technical、Diagnosis、Strategy 和 Measurement 接成完整闭环。
- 利用强项Keyword / Intent / Competitor 作为真实样本入口
- 优先补洞Search Systems / IR / Technical / Diagnosis
- 延迟升级有诊断证据后再训练 Strategy / Forecast
- 目标组合International B2B + Technical + Data-driven + AI Search
7 阶段成长路线
周数是节奏参考。若阶段证据未达标，先修正能力缺口，而不是机械前进。
02
阶段 02 · 第 3–4 周
学会读取 SERP 与真实需求
学习重点
区分关键词、查询、任务和商业场景，用 SERP 证据决定页面类型与目标。
阶段证据
提交一个含 30 个查询的意图地图，每个页面决策都能回到可观察证据。
03
阶段 03 · 第 5–8 周
让重要页面可发现、可解释、可维护
学习重点
从 URL、链接、渲染、canonical、robots、sitemap 到索引诊断，形成技术审计闭环。
阶段证据
完成一份含根因、影响面、优先级、负责人和验证方法的技术审计。
04
05
阶段 05 · 第 15–18 周
从报表阅读者升级为问题诊断者
学习重点
联合 GSC、分析工具、爬虫、SERP 与业务数据，用假设而不是直觉驱动行动。
阶段证据
完成一次 Observation → Hypothesis → Validation → Action → Measurement 诊断。
06
07
阶段 07 · 持续
验证 AI Search 与自动化边界
学习重点
用固定提示集、日期、样本和限制说明跟踪可见性；只自动化高频、可验证的工作。
阶段证据
运行一个 6 周实验，保留基线、变更日志、结果与停止条件。
前 8 周启动计划
你当前最需要的不是更多专题，而是把基础心智模型与决策动作接起来。
- 第 1 周搜索系统与证据层级
流程图 + 10 个术语的自己的解释
- 第 2 周抓取、渲染、索引诊断
5 个 URL 的状态链路表
- 第 3 周查询、意图与 SERP 阅读
15 个查询的 SERP 观察日志
- 第 4 周页面映射与机会判断
Existing / New / Merge / No target 决策表
- 第 5 周robots、sitemap、canonical
技术控制矩阵
- 第 6 周状态码、重定向、重复页
问题样本与修复验收规则
- 第 7 周内部链接与架构
关键页面点击深度与链接路径图
- 第 8 周综合技术审计
10 页以内的决策型审计报告
每周固定循环
保持仪式简单，长期执行比复杂系统更重要。
- MON选一个问题
从真实项目中选，不从工具报告里随机找红色警告。
- TUE读一手资料
记录结论、适用边界、未知项和资料日期。
- WED完成小实验
保留样本、输入、变更与观察窗口。
- FRI写诊断日志
用观察、假设、证据、行动、测量复盘。
- MONTH更新能力地图
只标记能独立交付且能解释失败模式的知识点。