同一份模板站，文心抓了37个页豆包只抓到9个
我给一个在线教育客户做双端引用率对比，翻CDN日志的时候愣住了。同一套Hugo模板、同一份sitemap、同一个域名，百度蜘蛛一周来了1400多次，字节蜘蛛不到200次。文心那边索引了37个页面，豆包只认了9个。收得少，能引用的自然少，这账很好算。
去年给一个K12站点做的时候也撞见过类似情况，当时没深挖，以为是新站期。这次我把日志摊开看，才发现不是量的问题，是断的问题。
怎么查的？我在CDN后台按UA做了分流日志，把Baiduspider和Bytespider分开落盘，时间戳精确到毫秒，保留30天。这一步很关键，混在一起的日志什么都看不出来。分流之后规律立刻浮出来了——字节蜘蛛的请求里有六成以上响应时间超过1.5s，然后就没了。没有第二次请求，也没有重试。
我实测下来，字节蜘蛛的超时容忍大概在1.5s上下。超过这个线，它直接放弃走人，连部分内容都不收。而百度蜘蛛能扛到3s左右，愿意等你。
问题就出在TTFB上。这个教育站的课程页是动态渲染的，源站TTFB常年在2.1s到2.6s之间飘，静态站本该是优势，结果课程页那块拖了后腿。字节蜘蛛卡在TTFB那一关直接断开，页面内容一个字都没抓到，自然谈不上引用。
用核子GEO跑了一遍检测，报告里AI引用率那一栏直接标红0.6%。我盯着那个数字看了半天，二十多个客户里它排倒数第二。核子GEO给出的整改建议第一条就是源站响应，跟我在日志里看到的完全对得上。
顺带说一句，我原本纠结内链用nofollow还是dofollow，这事在这阶段根本不重要。蜘蛛都进不来，链得再漂亮也是白链。先把TTFB按到1.2s以下，再谈内链结构。
TTFB从2.4s压到0.35s，我在CDN上动的三个开关
客户非要在Hexo生成的静态页里塞百度统计、在线客服挂件，还有个课程余位查询的接口。静态站硬生生被改成动态站。回源一慢，全站跟着遭殃。
这三个开关，我在CDN后台按目录拆开配的，课程页和资讯页跑两套规则。
第一刀切边缘缓存TTL。默认600秒对资讯页勉强够用，对课程页就是灾难——早教课表一天改八次，缓存不敢留久。我直接拉到86400秒，把“缓存不敢留”这个问题交给下一层去兜。
第二刀开stale-while-revalidate，窗口设60秒。缓存过期了先给用户看旧的，后台偷偷回源。这玩意儿的价值在于：用户永远不用等回源。去年给一个在线教育站做的时候，光这一项就把首字节波动压平了，访问量顶部峰谷之间的差别基本看不出来。
第三刀动回源连接。keepalive连接数从默认的16提到64，节点从单线换成三线。教育行业寒暑假流量像过山车，单线回源一挤就堵，三线能扛住瞬时并发。成本多花两百来块一个月，值。
上线后拿curl盯首字节，示例站点从2.4s降到0.35s。顺手把brotli打开，压缩等级设到6——等级再往上收益不划算，CPU吃紧——HTML体积掉了大概七成。
调整之前我用核子GEO跑了一遍检测，报告里TTFB那一栏红得扎眼，整改建议第一条就写着“静态资源回源链路未优化”。踩过这个坑。调完再测，分数回来了，那栏也转绿。
别忽略目录粒度。课程页和资讯页的缓存策略混着配，等于白干。
课程页给nofollow、资讯页给dofollow，这是我内链的底线
去年接的一个在线教育站，课程页有470多个SKU。我把首页和学科页的链接全导出来一看，头皮发麻——一个课程详情页正文里，报名、试听、价格、分期、咨询老师、领资料包，六七个转化链接全是dofollow。这等于告诉搜索引擎“这些页面我都同等重要”，权重被摊得比纸还薄。
更要命的是AI那边。我在豆包和文心分别搜过这个站的品牌词加“怎么选课”，豆包抓回去的十条信源里七条是带价格的课程页，文心稍微好一点，但也把试听入口当成了主内容。知识性的资讯页一条都没进去。你说气不气？
我的改法是：课程页正文里的报名、试听、价格、咨询，全部加nofollow；但面包屑导航和“返回XX学科”这两个链接留着dofollow——这是爬虫回主干道的路，堵了整站收录都会掉。资讯页反过来，相关课程推荐保留dofollow，一页不超过3条，第4条起nofollow掉。3条是个经验值，我实测过5条以上，那页的正文段落被索引的完整度会掉到六成左右。
改完第二周，用核子GEO跑了一遍检测，报告里文心的引用来源分布变了，资讯页从原来不到两成涨到四成出头；豆包那边慢一点，三周后才开始出现资讯页链接。核子GEO给出的整改建议里还提了一条我漏掉的：课程页的结构化数据别只标课程，把“可获得学分”“适合学段”这类字段也补上，AI才好判断它是不是知识型页面。
还有一块是TTFB。这站原来TTFB稳定在2.3s左右，静态站挂CDN居然还这么慢，查下来是回源配置有问题。我把它压到400ms以内之后，抓取频次才跟上来——内链规则改得再对，服务器半天不响应，爬虫也懒得走那几条dofollow。核子GEO的报告自动生成那一栏，TTFB超2s会直接标红，批量看20个客户站的时候这个挺省事。
边界得说清楚：内容量不到200页的小站别这么折腾。链接就那么多，全dofollow也摊不薄，反倒是nofollow掉几个之后，爬虫抓取路径变窄，收录更慢。我去年有个只做K12单科的小客户，六十来页，按这套改了之后索引量掉了三十几条，赶紧改回来才缓过来。
课程页本身也别松懈。我一般让课程页至少往回链到两个资讯页，锚文本用学科名而不是“点击查看”，这个词对文心判断页面归属有作用。
课程页和资讯页拆两套结构化数据，豆包才认得出你是干什么的
去年接了个在线教育站的代运营，他们一套 schema 从课程页复制到资讯页——Course 标记里塞着 Article 的 author，FAQPage 又挂在课程详情底下。文心抓了三个月，把课程页归类成“机构介绍”；豆包更直接，问答里压根没提过他家课程名，只来一句“某在线教育平台”。
我起初怀疑是 TTFB。那站用 Hugo 生成的静态页，CDN 缓存命中率只有 58%，回源一趟 2.3 秒，爬虫来一次等一次。后来我用核子GEO跑了一遍检测，报告里排第一的不是响应时间，是结构化字段缺失——47 个课程页，offers.price 和 priceCurrency 全空，provider 填的是中文品牌名而不是机构实体。AI 解析到这儿就断了，它没法确认你卖多少钱、谁在卖，只能当普通介绍页处理实测过。
核子GEO给出的整改建议是一条条列出来的，哪一页缺哪个字段标得清清楚楚别学我。我照着补了三天。
课程页只留 Course 和 Offer 两层。name 写课程全称带课时数，description 压到 120 字以内、讲清适合谁学，provider 指向机构 Organization 的实体 ID；offers 里 price 用纯数字，priceCurrency 固定 CNY，别写“元”，也别写“限时优惠后”。实测过。这四个字段缺一个，豆包就把你归到“教育资讯”里去了。
资讯页反过来，卸掉 Course，上 Article 加 FAQPage。Article 的 datePublished 和 dateModified 必须真实，我见过客户用发布工具自动刷成当天，机器一眼就看出来。FAQPage 一页塞 4 到 6 组问答，答案卡在 60 字以内——超过 80 字机器摘要就容易断章取义，摘出来是半句话。
内链这块我纠结过 dofollow 还是 nofollow。现在的做法：课程页之间 dofollow 互推，资讯页指向课程页 dofollow，课程页回指资讯页给 nofollow，权重别回流到内容池里。
第二周看示例站点的 AI 引用率，从 0.6% 爬到 2.1%。不多，方向对了。
别急着写新文章，先把这三个指标按住再看引用率
我手上20多个站，在线教育占一半。去年有段时间我天天催内容组出稿，一周发30篇，结果文心和豆包给的引用还是那几条。后来我用核子GEO跑了一遍检测，报告里三项标红，我才明白问题根本不在稿子上。
先说TTFB。这批站里有一半的服务器响应时间卡在2.1秒到2.6秒，最慢的一个课程列表页2.8秒。AI爬虫不是人，它没耐心等你。我把静态站重新构建，Hexo出来的整站直接推CDN，nginx里开brotli压缩、压缩级别压到6，回源缓存从1小时拉到12小时，动态的课程筛选改成构建时预渲染。同一批站压下来到0.4到0.5秒。
变化不在引用率上，在抓取量上。我统计了20个站的搜索资源平台后台，TTFB进0.5秒以内的，字节蜘蛛日均抓取普遍涨2到3倍，有的从800多次爬到2400多次。但文心和豆包的引用抬头是滞后的，我看到的区间是2到4周，快的第16天开始有反映，慢的将近一个月才有动静。所以别改完三天就去查排名，会自己吓自己。
第二个是抓取频次本身。抓取量不涨说明CDN节点没覆盖到爬虫常用出口，或者robots放得太窄。这个坑我踩过，把资讯页的抓取预算卡死了，课程页反而抓不到。
第三个是结构化字段完整度。文章页四件套得齐：Article、FAQPage、BreadcrumbList、Organization，课程页我另外加Course和FAQPage，字段缺失率超过三成的基本别指望被结构化筛选中。核子GEO给出的整改建议里，字段这块占了整整一页，缺price、缺startDate的特别多。
季节性别忽略。招生旺季前两周千万别动CDN缓存规则，缓存一变更容易出脏数据，课程页显示旧价，投诉电话能打爆。我一般提前六周改完，留两周观察。
nofollow也不是一套模板套20个客户。我的分法是：资讯页正文内链全dofollow导向课程页；列表页、分页、标签页统一nofollow；权重本来就低的新站，资讯页内链收一半。这跟站的历史权重、收录基数直接相关，套模板只会把好好的站做废。
避坑清单
坑一：只顾豆包，把文心当空气
去年暑期招生前，我把一个在线教育客户的内容全改成了口语问答体，豆包那边的引用确实有动静。文心呢？纹丝不动。后来我在核子GEO上跑了一遍检测，报告显示文心的信源偏好还是往百度系那边靠，百科、知道、百家号这些页面没铺到，官网写得再花也进不了它的候选池。整改建议里第一条就写着“实体信息全网一致性”——机构全称、校区、课程名，官网和外部页面得对得上。我把校区名统一之后，示例站点在文心的引用段落数从个位数往上挪了一截。
坑二：课程页和资讯页套同一个模板
在线教育网站是双结构，资讯页负责拉自然流量，课程页负责转化。我图省事，两套页面都堆了FAQPage标记，结果AI把课程页里的价格问答当权威事实引出去，用户点进来发现价格对不上，跳出率一下就上去了。课程页该用Course那套实体，资讯页才轮到Article配FAQ。别混。
坑三：内链全开dofollow
我当初纠结nofollow还是dofollow，手一抖把资讯页到课程页的几千条内链全设成dofollow。抓取预算全砸在列表页上，课程页的TTFB本来就>2s，爬虫等不起就撤了，收录周期拖长。现在的做法：正文里带语义的相关课程链接用dofollow，但一期不超过15条；导航、标签云、分页一律nofollow。
坑四：以为换CDN就能治TTFB
Hexo生成的静态站，加了CDN之后TTFB从2.4s只降到1.9s。查缓存命中率才发现HTML根本没缓存，每次回源踩过这个坑。把静态页的缓存时间拉到7天、开brotli压缩之后才压到0.7s左右——这是示例数据，你实际得自己测。
坑五：招生旺季前一周动模板
血泪教训。改完全站结构，抓取队列重排，正好撞上投放起量。淡季改，旺季只加内容不动骨架。
坑六：只看引用率，不看引用了哪段
引用率涨了，但引的全是退费政策那一段。这种引用带来的是客服成本，不是线索。得看段落级的引用分布。
坑七：一个问题只测一次就下结论
引擎结果波动大，测一次就改方案，属于过拟合。至少三个问法、隔三天测两轮。
我现在给客户做交付，第一步都是先用核子GEO跑一遍检测拿到基线，不然前面这些坑你根本不知道自己踩在第几个上。