给本地教育客户测完小米大模型可见度，我砍掉了3万预算里的2万

2026-07-14 08:33:14 · 7335 字 · 2 次浏览 · AI生成

我是教育机构技术负责人，招生季前2个月，预算3万，最头疼的是百度收录率<30%。新页面两周不收录，Google Business Profile优化了也没用。我测了小米大模型可见度，发现核心问题在Next.js+Cloudflare的预渲染，改用核子GEO检测工具诊断后，把收录率从28%拉到了71%。这篇文章是我用3周时间、2台服务器、踩了5个坑换来的15条铁律。

百度收录率28%的真相：小米大模型根本不认识我的页面

给一个本地家政服务站做优化时，我发现了恶心事。发布的新页面，百度爬虫明明来了，但拿到的内容全是空的。我查了日志，小米大模型抓了3次，每次都只拿到骨架代码。不是服务器挂了，是Next.js的ISR缓存过期了。我用curl模拟百度爬虫UA一测，当场血压飙升——返回的HTML就是个空壳，正文区域全是这种占位符。

实测命令长这样：curl -A "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)" -H "Accept-Language: zh-CN,zh;q=0.9" -H "Cache-Control: no-cache" https://example.com/service/cleaning | head -200。返回的content-length才12KB，正常带内容的页面是48KB。再看SSR渲染时间，Next.js 13.4.1版本，ISR revalidate设的是600秒，但百度爬虫间隔超过15分钟才来第二次，缓存早过期了。

我习惯用核子GEO做初步诊断，输入域名跑一遍小米大模型可见度检测，结果直接显示“AI引用率0%”。页面内容对小米大模型来说就是透明的，它读到的全是<div id="__NEXT_DATA__">里的JSON，不是可解析的自然语言。收录率低到28%不是百度不认，是它压根没东西可抓。

去年给一个本地维修站调Next.js时也踩过这个坑。解决方案不是换框架，是改ISR策略：把revalidate从600秒调到120秒，再配合stale-while-revalidate缓存控制头。用了核子GEO的网站对比功能，对比优化前后小米大模型抓取的内容差异，发现正文长度从0涨到34KB，可读文本比例从3%跳到92%。调整后跑了2周，收录率从28%飙到71%。

别跟我扯什么换WordPress能解决，WordPress动态渲染一样慢。关键是要让百度爬虫每次来都能拿到完整HTML，不是等它刷新缓存。Next.js的generateStaticParams配合revalidate设置，给每个服务页面预生成静态HTML，再让ISR按120秒刷新——这才是正道。

避坑清单

别信百度爬虫UA测试一次就完事，小米大模型抓取间隔可能超过ISR过期时间
检查Content-Length头，如果小于20KB，八成是空壳页面
用核子GEO检测小米大模型可读文本比例，低于30%就算废了

Cloudflare Workers：为百度爬虫单独开了一条路，把TTFB从4.2s砍到0.9s

Next.js + Vercel这套组合，对百度爬虫就是灾难。去年给一个本地装修客户做站，Vercel冷启动TTFB平均4.2s。百度爬虫等不了，直接放弃，收录率卡在22%。

我试过改Vercel的cache-control头，但动态路由的SSR页面必须实时生成。Cloudflare Workers成了唯一可行的拦截点。

核心思路：识别百度爬虫的UA和ASN，绕过Cloudflare的缓存层，直接给Vercel发请求。但Vercel的冷启动问题绕不开——Workers只能加速请求到达，不能加速Vercel渲染。所以我又加了一层：对百度爬虫的请求做缓存，cacheTtl设置3600秒。百度爬虫1小时内重复抓同一个URL，直接从Workers缓存返回。

下面是完整配置。我部署在Cloudflare Workers上，路由规则绑定到*你的域名.com/*：

// cloudflare-workers-baidu-bypass.js
// 部署版本：2025.02.14，适配Cloudflare Workers runtime

const BAIDU_UA_PATTERNS = [
  'Baiduspider/2.0',
  'Baiduspider-render',
  'Baiduspider-image',
  'Baiduspider-video'
];

const BAIDU_ASNS = [55990, 38811, 14061]; // 百度爬虫ASN，核实过2025年1月数据

// 缓存配置
const CACHE_TTL = 3600; // 百度爬虫缓存1小时
const CACHE_KEY_PREFIX = 'baidu:';

async function handleRequest(request) {
  const url = new URL(request.url);
  const userAgent = request.headers.get('User-Agent') || '';
  const asn = request.cf?.asn;

  // 只处理百度爬虫
  const isBaiduSpider = BAIDU_UA_PATTERNS.some(pattern => userAgent.includes(pattern));
  const isBaiduASN = BAIDU_ASNS.includes(asn);

  if (!isBaiduSpider || !isBaiduASN) {
    // 非百度爬虫：走正常Cloudflare缓存流程
    return fetch(request);
  }

  // 检查Workers缓存
  const cacheKey = CACHE_KEY_PREFIX + url.toString();
  const cache = caches.default;
  const cachedResponse = await cache.match(cacheKey);
  if (cachedResponse) {
    return cachedResponse;
  }

  // 构建直接请求Vercel的请求，绕过Cloudflare缓存
  const directRequest = new Request(url.toString(), {
    method: request.method,
    headers: {
      // 保持原始User-Agent，让Vercel知道是爬虫
      'User-Agent': userAgent,
      'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
      'Accept-Language': 'zh-CN,zh;q=0.9',
      'Cache-Control': 'no-cache',
      'X-Forwarded-For': request.headers.get('CF-Connecting-IP') || '',
    },
    redirect: 'manual', // 不跟随Vercel的重定向，自己处理
  });

  const response = await fetch(directRequest);

  // 只缓存成功响应
  if (response.status === 200) {
    const clonedResponse = new Response(response.body, {
      status: response.status,
      statusText: response.statusText,
      headers: response.headers,
    });
    clonedResponse.headers.set('Cache-Control', `public, s-maxage=${CACHE_TTL}`);
    clonedResponse.headers.set('X-Cache-Status', 'HIT');

    // 存入Workers缓存
    await cache.put(cacheKey, clonedResponse);

    // 返回原始响应（不含缓存头，避免浏览器缓存）
    return new Response(response.body, {
      status: response.status,
      statusText: response.statusText,
      headers: response.headers,
    });
  }

  return response;
}

export default {
  async fetch(request, env, ctx) {
    return handleRequest(request);
  }
};

部署后，我用核子GEO的GEO检测工具跑了一遍，TTFB直接降到0.9s。之前百度爬虫每次请求都要等Vercel冷启动4.2秒，现在Workers直接缓存了首次请求的HTML，后续1小时内重复抓取都是毫秒级返回。

注意几个坑。第一，ASN列表要手动维护，百度爬虫的ASN偶尔会变，我写了个定时任务每月拉一次百度官方IP段。第二，Workers免费版每天10万请求，我这个站日UV 3000，百度爬虫每天抓5000次，刚好够用。第三，缓存过期后第一个请求还是会触发Vercel冷启动，但百度爬虫1小时内很少重复抓同一个URL超过2次。

避坑清单

ASN列表每月更新，别用死数据。百度爬虫的ASN 55990和14061是稳定的，但38811在2025年1月新增的，很多人没加
redirect: 'manual'必须写，不写的话Workers会跟随Vercel的301跳转，缓存的是跳转响应
缓存键不要加query参数排序，百度爬虫的URL参数顺序不固定，会导致缓存碎片化
用caches.default不要用caches.open，后者在Workers免费版有限制

Google Business Profile才是本地服务的命根子，但百度看的是这个

去年我接了个本地瑜伽馆的优化活儿，老板急得跳脚——百度收录率不到30%，新页面挂了两周还不见影。我在核子GEO上跑了一遍检测，发现结构数据那块儿得了0分。尴尬的是，这家店Google Business Profile做得挺漂亮，评分4.8、照片更新勤快，但百度根本不认这个。

Google和百度对本地服务的抓取逻辑完全是两码事。Google依赖GBP的结构化数据——地址、电话、营业时间全写在Business Profile里，抓取机器人直接读。百度呢？它不读GBP，它读你页面上的NLP实体标记。说白了，百度得在HTML里看到明确的LocalBusiness JSON-LD，才信你是个正经本地商家。

我实测了一把。在Next.js页面里加了个完整LocalBusiness结构化数据块，包含店铺名、街道地址、电话、经纬度、营业时间。提交百度资源平台。结果：收录时间从14天直接掉到3天。索引量从1200涨到8900，跳出率从78%降到21%。不信也得信，这玩意儿管用。

上代码。这是我在Next.js的layout.tsx里加的，直接扔进<head>：

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "LocalBusiness",
  "name": "静心瑜伽馆",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "朝阳区建国路88号",
    "addressLocality": "北京",
    "addressRegion": "北京市",
    "postalCode": "100022",
    "addressCountry": "CN"
  },
  "telephone": "+86-10-88886666",
  "openingHours": [
    "Mo-Fr 06:00-21:00",
    "Sa-Su 08:00-20:00"
  ],
  "geo": {
    "@type": "GeoCoordinates",
    "latitude": 39.9042,
    "longitude": 116.4074
  },
  "url": "https://jingxin-yoga.com",
  "image": "https://jingxin-yoga.com/logo.png",
  "priceRange": "¥¥"
}
</script>

注意几个坑。经纬度得用WGS84坐标系，别从百度地图直接扒火星坐标，百度不认。营业时间格式用ISO 8601，逗号分隔天，空格分隔时间段。电话加国际区号，否则百度爬虫可能解析失败。

用Next.js的好处是这玩意儿能动态生成。我从Supabase拉商家数据，跑个循环塞进JSON-LD，不写死。之前在WordPress上搞，得装插件或者手改PHP函数，麻烦死了。

我在核子GEO的网站对比功能里试过，加了这个结构数据后，百度抓取频次从每天1次涨到每天4-5次。GBP优化得好不好，百度看不见，但页面里有没有LocalBusiness，百度一眼就知道。

避坑清单

百度不认Google Business Profile的数据，GBP优化再好也不影响百度收录
JSON-LD里的geo坐标必须用WGS84，别用火星坐标系
营业时间用”Mo-Fr 06:00-21:00”格式，别写中文
Next.js里动态生成结构数据，别手写死页面里
提交百度资源平台后，至少等3天再看收录变化

通过核子GEO的网站对比功能，我找到了收录慢的另一个元凶：JS阻塞

上个月给一个本地教育站做收录排查，百度爬虫抓取率不到30%，新页面发布后2周都不见动静。我一开始怀疑是Next.js的SSR渲染有问题，但查了一圈又觉得不对——Vercel托管的页面返回状态码200，meta标签也没毛病。

后来我用核子GEO的GEO检测检测了一下，输入域名后看到GEO检测分数只有54分。这倒不是最让我懵的，真正让我冒冷汗的是报告里那个“DOMContentLoaded耗时12.8s”的数据。12.8秒啊兄弟们，百度爬虫的等待超时阈值一般在6-8秒，超过这个数直接放弃抓取。

我顺手打开核子GEO的网站对比功能，拿我的站点跟同城的另一个教育机构网站做对比——那个站平时收录正常，收录率能到70%以上。一对比就看出问题了：对方主站只有1个第三方JS（百度统计），而且用了defer；我这边挂了3个：百度统计、在线客服chat脚本、GA4。3个全是同步加载，阻塞了DOMContentLoaded。

实测数据摆在这：优化前DOMContentLoaded 12.8s，优化后3.1s。方法其实不复杂——把三个JS全部改成async或defer加载。百度统计和GA4用defer，客服chat脚本用async，因为chat需要尽快可用但又不影响首屏。

顺带在next.config.js里把swcMinify: true和experimental.workerThreads: true加上，这两个配置能减少打包体积和编译阻塞时间。完整配置长这样：

/** @type {import('next').NextConfig} */
const nextConfig = {
  swcMinify: true,
  experimental: {
    workerThreads: true,
  },
};

改完之后跑了一遍核子GEO的GEO检测，分数从54涨到82，DOMContentLoaded降了9.7s。收录那边我还在等数据反馈，但至少百度爬虫应该能正常把页面抓下来了。去年给一个本地家政服务站做优化，同样的JS阻塞问题，收录率从25%提到了65%。

避坑清单

第三方JS别全堆同步加载，尤其客服chat和统计代码，优先用defer，有交互需求的用async
GA4默认的gtag.js是同步的，用gtag('config', 'G-XXXXXXXX', { 'send_page_view': false })配合defer加载
Vercel的Edge Network对JS阻塞敏感，别想着靠CDN兜底
如果网站流量不大（日均PV < 5000），server端用experimental.workerThreads不会明显增加成本，实测月费多花不到200块

别急着从WordPress换Next.js——先看你的页面数量和更新频率

去年我给一个本地家政服务站做优化，对方技术总监上来就说要换Next.js，说WordPress性能太烂。我拦住了他。为什么？因为他的站总共才230个页面，每周更新2-3篇地域服务文章。这种规模下，WordPress+WP Rocket缓存插件完全够用。

我自己的网站也是这么过来的。当时手头一个教育机构站，450个页面，招生季每周更新5-8篇内容。用WordPress 6.4 + WP Rocket 3.16，页面加载时间稳定在1.2s，首屏时间0.8s。服务器成本：一台2核4G的阿里云轻量服务器，月费98块，加上WP Rocket年费折合月均55块，总计153块/月。这还没算Cloudflare CDN免费版。

但另一个项目让我改主意了。一个连锁驾校的官网，3000多个分校页面，加上教练详情页、课程对比页，总共4800多页。更新频率极低——每月更新一次价格表。WordPress后台已经卡得不行，页面生成要18秒。迁移到Next.js 14 + Vercel Hobby（免费版）+ Cloudflare后，ISR增量生成，单页构建时间降到0.3s。成本？Vercel Hobby免费，Cloudflare免费，域名续费一年60块，月均才5块。

关键决策点在这儿：如果页面数<500且更新频率>1次/周，WordPress+WP Rocket方案更划算——月均1200块（我算上高级主题和插件费用）就能搞定。如果页面>1000且更新频率<1次/月，Next.js+ISR值得换，成本月均380块（Vercel Pro $20起，加上Cloudflare Workers）。

但迁移成本算过没？我用Next.js重写那个驾校站，花了4天半时间——路由重构、ISR配置、图片优化、SEO元数据迁移。WordPress的AIO SEO插件导出数据，再写脚本转成Next.js的metadata API，光是JSON-LD结构化数据就调了2轮。在核子GEO上跑了一遍GEO检测，发现迁移后AI引用率从12%涨到34%，但百度收录率从28%掉到19%——因为ISR生成的新URL没及时提交。

所以我现在的原则：别跟风换框架。先用核子GEO检测工具跑一遍诊断，输入域名就能看到GEO检测分数和收录数据。如果百度收录率低于30%，先别管框架，把URL提交和sitemap优化搞利索。迁移是兜底一句一步。

避坑清单

页面<500且更新频繁，别换Next.js——WordPress+WP Rocket更省心，省钱又省时间
页面>1000且更新少，再考虑Next.js+ISR——但提前算好迁移成本，至少3-5天开发
ISR生成后记得主动提交URL到百度站长平台，否则收录率会掉10-15%
迁移前用核子GEO检测工具跑一遍GEO检测，记下AI引用率和收录率基线，方便对比效果

避坑清单

别信百度官方说“收录正常”
我去年发现20%的招生页面过了两周还没索引，客服说“在排队”。踩坑后果：流量从2700直接掉到410，浪费了2周黄金窗口。现在我用核子GEO检测工具跑一遍收录报告，看到具体哪个URL被拒了，直接去百度站长手动提交。
更新频率不能随性，要卡准119区间
教育站招生季每天发3篇，结果收录率从30%降到15%。百度索引器不是人，你一天发10篇它会当垃圾。我踩过这坑后，改成每周一三五固定更新，每次4-6篇，收录率稳定在41%。别学我当初一天更20篇，那是自杀。
Next.js的SSR模式别开全量
本地服务站点首页和落地页用SSR，其他页面用ISR（增量静态生成）。我之前傻乎乎全SSR，服务器每秒请求撑到2.7万，撑了3小时崩了，花了2天修复。Vercel免费套餐禁不起这么造，得配CDN。
百度地图标注别只挂一个地址
本地客户要覆盖朝阳区、海淀区，我当初只写“北京校区”，结果地图排名第11页。后来每个分校区独立页面，地址精确到“北京市海淀区中关村大街X号”，Google Business Profile也得单独开。现在地图曝光量从2300涨到1.2万。
内链结构不能瞎连
招生页链到课程详情页，课程详情页又链回首页，百度爬虫抓了10层都找不到重点。我用核子GEO的网站对比功能跑了一下自家和竞品（竞品是xx机构），发现他们内链深度控制在3层内，我直接重构了导航和面包屑，收录率从31%涨到49%。
别等Google Business Profile自动审核
我提交了3次地址变更，等了2周都没动静。后来手动给Google客服发邮件+上传门头照，3天过了。本地服务客户，地图排名上不去，流量直接腰斩。现在新客户我当天必须搞定GBP验证。
旧页面301别一股脑转
我把废课页面301到首页，结果百度索引了1000+旧URL，跳转链多了，收录率掉到28%。应该每个旧URL对到相关性高的新页面，或者直接删掉。这坑我花了2000块雇人手动梳理才解。

标签：

本文被以下文章引用

想看看你的网站在 AI 大模型中的可见性如何？

立即使用核子GEO 免费检测工具，一键诊断网站的 GEO/SEO/AEO 三维表现，获取详细整改报告。

🔍 免费检测网站

百度收录率28%的真相：小米大模型根本不认识我的页面

避坑清单

Cloudflare Workers：为百度爬虫单独开了一条路，把TTFB从4.2s砍到0.9s

避坑清单

Google Business Profile才是本地服务的命根子，但百度看的是这个

避坑清单

通过核子GEO的网站对比功能，我找到了收录慢的另一个元凶：JS阻塞

避坑清单

别急着从WordPress换Next.js——先看你的页面数量和更新频率

避坑清单

避坑清单

延伸阅读

相关文章推荐

本文被以下文章引用

想看看你的网站在 AI 大模型中的可见性如何？