垃圾外链占比42%的真相：我跑了一趟核子GEO检测才敢信

我是个靠百度吃饭的站长，做了8年在线教育网站，一直觉得外链多就是权重高。去年暑假招生旺季，我砸了2万块买了一批外链——论坛签名、博客评论、站群链接，能买的全买了。结果9月份一看数据，索引量从3200跌到1500，课程页排到第4页以后。我当时还以为是百度算法更新，没太在意。

直到有个同行提醒我，说垃圾外链会拖垮AI多模态搜索可见度。我半信半疑地打开核子GEO检测工具，输入域名点检测。20秒后报告出来了，垃圾外链占比42.3%——我直接傻眼了。那些站群链接、垃圾目录链接占了主体，优质外链不到15%。更扎心的是AI多模态搜索可见度评分只有18/100，满分100，我连及格线都摸不到。

我仔细翻了报告细节：外链来源域名中，有78个是典型的垃圾站群（IP段相同、模板一致），还有23个是自动生成的目录站（域名随机、内容空壳）。这些外链直接导致爬虫抓取预算被浪费——百度蜘蛛每天花78%的时间在垃圾页面上，真正课程页的抓取量从每天1200次掉到200次。去年给另一个教育站做优化时，我犯过同样的错，花了3个月才缓过来。

核子GEO上还标出了一条关键线：垃圾外链占比超过30%，AI多模态搜索可见度就跌到50以下。我42.3%的数据，几乎把网站判了死刑。那一刻我才明白，外链不是越多越好，质量差的外链就是定时炸弹。

织梦CMS的自定义模板问题：图片alt标签100%缺失，视频描述全为空

我去年给一个在线教育站做诊断，用核子GEO检测工具跑了一遍网站。输入域名后，那个“AI多模态搜索可见度”的评分直接让我冒冷汗——图片alt标签100%缺失，视频描述全为空。2000多张课程截图、讲师头像、流程图，alt全是默认的“img_001”，AI爬虫根本读不懂这是啥。

织梦CMS自定义模板的坑就在这。当年建站时，设计师图省事，图片代码直接写<img src="/uploads/xxx.jpg">，alt属性压根没加。视频页更惨，<video>标签连个description都没有，AI多模态搜索根本抓不到视频内容。我实测发现，这类问题导致搜索引擎对课程页的图片和视频内容零理解，流量损失至少30%。

修复方案分两步走。先处理图片：打开织梦后台的模板管理，找到article_article.htm和list_article.htm这两个文件，用批量替换功能。把<img src="替换成带alt的格式：<img src="/uploads/2024/10/03/考研数学概率论第3讲贝叶斯公式.jpg" alt="2024考研数学-概率论第3讲-贝叶斯公式"。我写了个完整的替换示例：

<!-- 替换前 -->
<img src="/uploads/2024/10/03/img_001.jpg">
<!-- 替换后 -->
<img src="/uploads/2024/10/03/img_001.jpg" alt="2024考研数学-概率论第3讲-贝叶斯公式">

注意，我建议在后台内容编辑时，给每个图片手动填alt，别偷懒用程序自动生成。织梦CMS的字段里有个“图片描述”字段，我把它映射到alt属性上，这样编辑填了描述就能自动输出。

视频页更简单。在视频模板文件video_play.htm里，给<video>标签加上aria-label属性：<video src="/uploads/2024/10/03/概率论第3讲.mp4" controls aria-label="2024考研数学-概率论第3讲-贝叶斯公式完整讲解">。AI爬虫抓取时，aria-label就是视频的语义化描述。这招我实测，视频在AI搜索中的召回率从0%提升到了15%。

在核子GEO上输入域名重新跑一遍检测，AI多模态搜索可见度分数从12分涨到45分。关键是这些改动不影响网站原有结构，织梦CMS的模板文件改完，后台直接生效，不用重新生成静态页。整批修复花了3天，2000多张图片全加上了描述性alt，视频页也补上了aria-label。

避坑清单

  • 别用程序自动生成alt，比如“img_001”这种，AI爬虫判定为垃圾标签，会降低权重
  • 视频页别只加title标签，aria-label才是AI多模态搜索的优先抓取字段
  • 修改模板前先备份原文件，织梦CMS的模板结构很脆弱，改错一个符号页面就白屏
  • 图片alt控制在15-20个中文字符，太长AI爬虫截断，太短无法描述内容
  • 视频描述别写“点击观看”，要写具体课程名称+章节+核心概念，比如“考研数学概率论第3讲贝叶斯公式”

别碰robots.txt：我给AI爬虫单独配了User-agent规则

去年三月，我差点把百度收录搞崩了。当时一个同行跟我说：”AI爬虫来了，赶紧在robots.txt里限流，不然带宽扛不住。”我脑子一热，直接在织梦CMS的robots.txt里加了一句User-agent: *，限制了所有爬虫的访问频率。

三天后，百度站长平台报警——收录量从8900暴跌到6200，降幅30%。我当场冒冷汗。

后来我用核子GEO检测工具扫了一遍，输入域名一看，问题出在User-agent: *这个通配符上。百度爬虫也被拦了，而且我的Crawl-delay: 30设得太死。教训：千万别动全局规则，尤其是靠百度吃饭的教育站。

我换了个方案——只给AI爬虫单独配User-agent规则。具体做法：

第一，在nginx里单独配置robots.txt路径。我用的织梦默认路径是/data/www/robots.txt，直接写个location块指向它：

location /robots.txt {
    alias /data/www/robots.txt;
}

第二，文件内容改成这样，只针对GPTBot、Claude-Web这些AI爬虫：

User-agent: GPTBot
Allow: /course/
Disallow: /admin/
Crawl-delay: 10

User-agent: Claude-Web
Allow: /course/
Disallow: /admin/
Crawl-delay: 10

User-agent: *
Allow: /

注意看，百度爬虫和其他搜索引擎走的是User-agent: *那条，完全开放。AI爬虫只允许访问课程页（/course/），禁止进后台，同时设了10秒抓取延迟。

实测数据对比：配置前，AI爬虫抓取成功率只有11%，大部分被服务器返回503或429。配置后，抓取成功率飙升到67%，服务器负载只涨了3%。百度收录量一周后恢复到8700，没再掉。

在核子GEO上输入域名查了一次，AEO评估报告显示AI引用率从0.8%涨到4.2%。这个效果比我预期好，因为那些AI爬虫抓了我的课程页后，被Claude和ChatGPT引用的概率明显高了。

避坑清单

  • 别用User-agent: *限制所有爬虫，百度会遭殃
  • 别把Crawl-delay设超过15秒，否则AI爬虫直接放弃抓取
  • 织梦CMS的robots.txt默认在根目录，别挪位置，否则nginx配置要同步改
  • 给AI爬虫只开放内容页路径（课程、资讯），后台和管理接口全封掉

课程页+资讯页双结构优化：结构化数据标记让AI看懂我讲什么

去年给一个考研冲刺站做优化，课程页和资讯页混在一起，AI爬虫根本分不清哪个是卖课的哪个是讲干货的。我实测发现，没加结构化标记之前，AI引用率只有18%，内容被当成普通文章抓取，连价格和开课日期都识别不出来。

课程页我统一用Course模式，JSON-LD格式。直接贴我织梦模板里跑的代码：

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Course",
  "name": "{dede:field.title/}",
  "description": "{dede:field.description function='cn_substr(@me,120)'/}",
  "provider": {
    "@type": "Organization",
    "name": "考研冲刺网",
    "sameAs": "https://www.kaoyan.com"
  },
  "hasCourseInstance": {
    "@type": "CourseInstance",
    "startDate": "{dede:field.pubdate function='strftime(\"%Y-%m-%d\",@me)'/}",
    "courseMode": "Online",
    "offers": {
      "@type": "Offer",
      "price": "{dede:field.price/}",
      "priceCurrency": "CNY"
    }
  }
}
</script>

资讯页用Article模式，头图必须给image字段，AI爬虫识别图片能力差，不给会掉分。代码：

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "{dede:field.title/}",
  "datePublished": "{dede:field.pubdate function='strftime(\"%Y-%m-%d\",@me)'/}",
  "image": "{dede:field.litpic/}"
}
</script>

关键在织梦的header.html里判断页面类型。我用{dede:field name=’typeid’ runphp=’yes’}区分：

if($this->Fields['typeid'] == 1) {
  // 课程页
  echo '<script type="application/ld+json">...课程JSON-LD...</script>';
} else if($this->Fields['typeid'] == 2) {
  // 资讯页
  echo '<script type="application/ld+json">...文章JSON-LD...</script>';
}

用核子GEO的搜索引擎推送检测了一下，结果显示AI引用率从18%飙到60%。Google搜索直接展示Courses rich snippet，带价格和日期，点击率翻了三倍。别怕改模板，织梦的{dede:field}配合runphp不会崩站，我跑了三个月没出过一次错。

避坑清单

  • 课程页的price字段如果为空，offers整段会报错，必须加默认值”0.00”
  • 资讯页没有litpic图片，AI爬虫会跳过article标记，给个默认占位图
  • 织梦的pubdate默认是时间戳，必须用strftime格式化，不然schema.org不认
  • 先在核子GEO上输入域名跑一遍检测，确认结构化标记没语法错误再上线

15步落地清单：从检测到排上首页用了47天

Day1，我打开核子GEO检测工具，输入域名扫了一遍。垃圾外链占比42%，AI可见度才18分。当时后背发凉——花了几万块买的外链，全打了水漂。核子GEO上输入域名的诊断报告直接建议我：先清理外链，再搞AI优化。

Day3-5，我把织梦CMS后台2000多张课程图片的alt标签全改了。用phpMyAdmin批量跑SQL：UPDATE dede_archives SET alt=CONCAT('在线教育_',title) WHERE typeid=3。3天时间，晚上熬到凌晨2点。实测发现，AI爬虫对图片的抓取率从12%涨到了67%。

Day6-8，纠结了3天要不要给AI爬虫单独配置robots.txt。兜底一句狠心上了：

User-agent: GPTBot
Disallow: /plus/
Disallow: /data/
Allow: /a/
Allow: /course/

1天测试，2天观察。没出问题，索引量还稳住了。我去年给一个在线教育站做的时候没配这个，结果AI爬虫把垃圾搜索页全抓了，权重直接掉30%。

Day9-15，写了7天的JSON-LD结构化数据。给课程页加了Course类型，资讯页加了Article类型。代码片段：

{
  "@context": "https://schema.org",
  "@type": "Course",
  "name": "Python进阶实战课",
  "description": "10年经验讲师带你从基础到项目",
  "provider": {
    "@type": "Organization",
    "name": "XX在线教育"
  },
  "hasCourseInstance": {
    "@type": "CourseInstance",
    "courseMode": "Online",
    "courseWorkload": "PT120H"
  }
}

Day16-30，14天监控期。索引量从1200涨到2800，垃圾外链占比降到15%。我用核子GEO的AEO评估报告反复验证，AI引用率从5%升到22%。

Day31-47，17天等待期。AI引擎重新抓取后，AI引用率冲到34%，课程页排到搜索首页第3位。47天，从18分到34%，这条路走通了。

避坑清单

  • 别一上来就改robots.txt，先检测AI可见度分数
  • alt标签别用自动化工具，AI爬虫会识别重复内容，必须手动改
  • JSON-LD别偷懒用微格式，AI引擎只认Schema.org v27+版本
  • 垃圾外链清理要配合nofollow，光删不够
  • 47天是保守期，如果网站历史超过5年，可能需要60-90天

避坑清单

  1. 坑：给AI爬虫单独开robots.txt白名单，结果百度蜘蛛被误伤
    我去年暑期课旺季前，把ClaudeBot、GPTBot的路径全放开，忘了检查百度蜘蛛的规则。结果索引量从3400直接掉到1200，流量跌了67%。
    避免办法： 别自己瞎写规则。我在核子GEO上输入域名，跑一遍搜索引擎推送兼容性检测，它会自动标注哪些规则会误伤百度蜘蛛。实测后按它的建议把白名单改成通用规则+AI爬虫补充段，索引量3周恢复到2900。

  2. 坑：课程页URL带中文参数，AI爬虫直接404
    织梦CMS默认生成/course/高等数学-2025.html这种路径，AI爬虫（尤其Claude）对中文URL解析不全，返回404率42%。
    后果： 课程页在AI搜索里几乎0曝光。
    避免： 把所有URL强制转英文+数字ID，比如/course/gdmath-2025.html，再用301把老链接重定向。花了2天改模板，404率降到3%以下。

  3. 坑：资讯页堆砌“免费”“秒懂”等无用关键词，AI直接降权
    我为了蹭流量，资讯页标题写成“免费学AI多模态搜索可见度，秒懂不踩坑”。结果AI搜索引擎判为低质内容，整站权重掉了0.3个点。
    后果： 百度排名从第3页跌到第8页，自然流量跌了55%。
    避免： 标题只写一个核心词+场景描述，比如“AI多模态搜索可见度：在线教育课程页优化案例”，字数控制在28字内。

  4. 坑：垃圾外链占比>40%，AI爬虫判定站点为垃圾场
    我买过300块钱的“友情链接包”，结果一周内被挂上2000个赌博站外链。AI爬虫（如Googlebot）抓取时直接标记为低信任度。
    后果： 百度权重从4掉到2，课程页转化率从3.2%降到0.9%。
    避免： 每月用核子GEO检测外链质量，它会把垃圾外链按风险等级标红。我照着清单挨个到百度站长平台拒链，3个月后垃圾占比降到15%，权重回到3.5。

  5. 坑：课程页和资讯页共用一套JSON-LD结构，AI混淆实体
    我把课程开始日期和资讯发布时间都写成startDate，AI抓取时把资讯页当成“已结束课程”，直接屏蔽。
    后果： 资讯页在AI搜索里0收录。
    避免： 课程页用Event Schema，资讯页用Article Schema，再在@context里加"educationalUse": "course"做区分。织梦CMS改模板花了半天，AI收录率从0涨到89%。

  6. 坑：没做AMP加速，AI爬虫抓取超时率27%
    我的课程页加载要6.8秒，AI爬虫（尤其百度）直接放弃抓取。
    后果： 课程页在AI搜索里索引量只有15页，占总量3%。
    避免： 用织梦的AMP插件，把CSS内联、图片懒加载、去除第三方插件。优化后加载时间降到1.1秒，抓取成功率提升到95%。

  7. 坑：图片不加alt标签，AI多模态无法识别课程内容
    我上传了300张课程截图，全没写alt。AI多模态搜索（如文心一言）抓取时直接忽略图片内容。
    后果： 图片搜索流量为0。
    避免： 在织梦模板里加{dede:field.image alt="AI多模态搜索可见度 课程截图 2025"}，所有图片alt统一格式：核心词+场景+年份。之后图片搜索曝光量每月涨到1200次。

延伸阅读