956行代码审了7篇文章，结果全挂了

956行Python，周末写完，周一早上自动跑。作者拿它审自己发在三个平台的7篇文章，SEO合规率：0%。

不是演示翻车，是故意这么设计的。作者Dann W.的逻辑很直白：「我自己建的agent，先跑自己的内容。这是诚实的demo。」

Hashnode个人主页缺H1标签。3篇freeCodeCamp教程的meta描述要么缺失、要么超过160字符。2篇DEV.to文章标题太长，Google搜索结果页会截断。问题全被揪出来，包括他自己都没注意的平台级bug。

这个场景你熟悉吗：某家数字营销公司，有人专职干这个——打开表格，逐个访问客户URL，检查标题标签、描述、H1，记录死链，粘贴进报告，每周循环。这人是要发工资的，但活儿完全是确定性的。没自动化，只是因为没人做替代方案。

作者用了一个周末做了替代方案。7个Python文件，本地Windows笔记本就能跑。

agent遇到登录墙怎么办？大部分教程到这里就死了

浏览器自动化烂尾的经典剧本：agent撞见登录页，抛异常，进程崩溃。你搜到的教程90%停在这一步。

这个agent不一样。检测到非200状态码、重定向到登录页、或标题含「sign in」「access denied」时，它会暂停。交互模式下让你选：跳过、重试、退出。自动模式（--auto）则直接跳过，把URL写进needs_human[]状态数组，继续跑剩下的。

知道自己的边界比假装全能更有用。这个设计决策大部分教程不会讲，因为讲清楚需要承认失败场景，而教程作者通常只想展示happy path。

作者跑完自己的内容，发现问题分两类：freeCodeCamp的描述问题部分是平台控制的——模板有时会截断或省略meta描述；DEV.to的标题问题则是他自己的锅，读起来顺的标题放进标签经常超60字符。</p>

agent不管这些。它只对照标准，输出结果。

周一早上7点，咖啡配报告

完整工作流：python index.py --auto，加个.bat文件设好API密钥调用命令，Windows任务计划程序设周一早7点执行。喝完咖啡打开report-summary.txt，needs_human[]里的边缘情况人工复核，其余全自动处理。

这就是 agency 的工作流。不需要人盯着。

成本拆解：每个URL调一次Claude 3.5 Sonnet API，约$0.002。20个URL的周审成本不到5美分。Playwright浏览器本地运行，没有云浏览器费用，没有Browserbase订阅。

整套系统遵循作者一贯的$5/月哲学——和他其他项目一样。

从「写selector」到「描述你要什么」

浏览器自动化作为开发者工具已经存在十年。Playwright、Selenium、Puppeteer都很强，但都需要人写和维护selector。按钮的class名一变，脚本就挂。

这个agent的做法不同。它用视觉理解+自然语言描述来定位元素，而不是硬编码selector。作者没有展开技术细节，但核心思路清晰：让LLM看页面，告诉它「找文章标题区域」，比维护一套随时会失效的CSS路径更可持续。

GitHub仓库已开源：dannwaneri/seo-agent。使用流程很标准——克隆、input.csv加URL、环境变量设ANTHROPIC_API_KEY、pip安装依赖、playwright装chromium、运行。

作者提到正在写freeCodeCamp教程，会逐模块讲解浏览器集成、Claude提取提示词、异步链接检查器、人机协同（HITL）逻辑。教程链接届时会放在评论区。

956行代码，7篇全挂的审计结果，一个愿意先拿自己开刀的demo。这大概是2024年技术写作里最诚实的自我检验案例之一。

你的内容经得起同样标准的检查吗？还是你也需要建一个agent，先跑自己的东西？