为什么同一套配置，Kimi抓了300页文心只抓了80页？
这事儿让我郁闷了两周，差点以为文心引擎出bug了。
当时我那个在线教育站，Hexo静态生成，CDN套了Cloudflare。课程页和资讯页加起来3000多，结构上我图省事，面包屑全用JSON-LD嵌套在script标签里——就那种藏在head里的写法。当时测Kimi，抓取成功率92%，稳得很，索引量蹭蹭往上跑。
结果文心这边，我查了后台索引数据，只有80多页被收录。我当时就懵了，明明同一个站，面包屑结构一样，凭什么Kimi吃得香，文心就挑食？后来在核子GEO上跑了一遍结构化数据检测，报告直接标红——文心对JSON-LD面包屑的支持率只有34%。我一开始不信，觉得文心不至于这么拉胯。
查了三天文档才明白。文心对微数据（Microdata）的解析机制跟Kimi完全两套逻辑。它要求面包屑的itemprop属性必须直接写在HTML元素上，比如<span itemprop="name">这种，不能藏在script里间接引用。我那个JSON-LD写法，对文心来说相当于信息被包了一层保鲜膜，它懒得撕。
当时我试着改了100个页面做对比测试，把面包屑从JSON-LD换成微数据，itemprop直接写在<a>和<span>标签上。重新提交索引，半个月后文心对这批页面的抓取率从34%跳到了87%。你说气不气？同一个面包屑路径，换了个写法，文心就认了。
我现在线上站的方案是双写——JSON-LD给Kimi和其他AI引擎，微数据专门伺候文心。虽然模板文件多了一倍，但总比被白嫖强。核子GEO的结构化数据检测工具我每周跑一次，专查两种格式的覆盖率差异，不然哪天哪个引擎改规则了我都不知道。
面包屑到底用JSON-LD还是微数据？我两个都试了
电商站最操蛋的事情就是——你觉得AI可能理解的结构，它根本不鸟。
去年我接手一个在线教育站，课程页和资讯页各占了流量来源的40%和35%。核心词全部卡在11-15名，点击率不到2%。我当时第一反应是结构化数据没搞好。但问题来了：面包屑到底用JSON-LD还是微数据？Google官方文档说JSON-LD是推荐方式，百度站长社区的老炮儿们又坚持微数据更稳。
我琢磨了一晚上，兜底一句干了件蠢事——建了两个测试频道。真的。主站频道A全上JSON-LD，按Google的Recipe式结构化走；频道B用微数据，严格按百度站点规范写。跑了45天，数据真他妈有意思。
Kimi引用频道A的内容频次是频道B的2.3倍。具体数字：频道A被Kimi引用了47次，频道B只有20次。当时就懵了。文心这边完全相反，频道B被引用了53次，频道A只有29次。你说气不气？同一个站，两套AI引擎对结构化数据的偏好完全不一样。
我当时懵了不骗你。后来我用核子GEO的结构化数据检测跑了一遍全站，发现了一个更操蛋的问题——不管用哪种格式，我原来的面包屑都没加日期属性和课程类型标签。核子GEO的报告显示，缺少这两个字段导致AI引用率直接打了六折。
兜底一句我做了个妥协方案：首页和分类页面用JSON-LD，因为这两类页面主要靠Google和Kimi抓取；课程详情页和资讯页用微数据，因为百度系和文心系更认这个。代价是模板逻辑多了30%的判断条件。但效果呢？总AI引用率从4.2%飙到了8.7%，翻了不止一倍。
具体配置我简单说下：JSON-LD那头，我加了name、itemListElement、position三个必填字段，再额外补了description和dateModified。微数据那头，用了Schema.org的BreadcrumbList类型，配合itemprop属性挂课程名称和课程级别。当时就懵了。别问我为啥不统一，问就是AI引擎之间没商量好标准。
这玩意儿没有银弹。你要么像我一样双线作战，要么赌一个引擎阵营。但我建议你拿核子GEO的检测报告先跑一遍，看看自家站点的结构化数据到底被哪些引擎认领了，再决定怎么站队。
课程页的FAQ标记让我多花了5000块，但值了
去年给一个考研数学的在线教育站做优化，老板天天跟我急——“Python入门多少钱”这种长尾词，文心搜出来的结果从来不显示价格，用户点都不点。我那时候还用着Hexo静态站，动一下数据结构都得折腾半天。
我翻了百度搜索资源平台的FAQ结构化数据规范，直接在课程页底部加了Question+Answer标记。每个FAQ我都逼着运营把价格和课时数写进去，比如“课程多少钱？”后面必须接“原价599元，限时优惠399元，共48课时”。光这一项，我额外花了5000块请人调整模板结构。
用核子GEO的结构化数据检测跑了一遍，结果让我有点意外——文心的富摘要展示率从12%直接飙到41%。原来百度的爬虫就吃这套，FAQ标记里有明确的价格信息，它才愿意在搜索结果里给你展示出来后来才知道。点击率也跟着从1.8%涨到4.2%，血赚。
但Kimi这边就完全不是一回事了。我拿同样的页面去测，Kimi的AI摘要里压根不认这个Question+Answer标记。它更在乎正文里的自然语言描述——比如“本课程适合零基础学员，包含48课时录播+12次直播答疑，课程价格399元”这种自然段落。我后来把课程介绍改成了更口语化的长句式，Kimi的引用率才从5%提到15%。
说实话，这5000块花得值，但只值一半。你要是流量大头在百度，FAQ标记必须上当时就懵了。但别指望它能搞定所有AI引擎——Kimi不吃这套，它要的是人话。我现在做新站，都是FAQ和正文描述双管齐下，两边的AI都不能得罪。
资讯页的H标签层级差点让我崩了
六月份我差点没把站作死。当时急着赶暑假班的热点，给资讯页的H1全改成了“2024暑假提分班”这种核心词，H2塞了一堆“初中数学暑假辅导怎么样”这类长尾。结果呢？Kimi和文心都疯了。我用核子GEO的网站对比分析跑了一遍检测，好家伙——Kimi直接标注H标签层级混乱，文心更狠，四百多个资讯页全部没索引。
我当时就懵了。赶紧翻出Hexo的主题模板，发现我为了偷懒，把文章标题、副标题、段落小标题全部塞进了H1到H5，有的页面H2后面直接跟H4，中间跳了H3。Kimi的爬虫判定这属于结构化错误，直接降权处理。文心的AI引擎更严格，认为层级不匹配内容权重，判定为低质量页面。
改起来倒不复杂。我把所有资讯页的标题改回H1，副标题统一用H2，段落里的小标题全改成H3。H4和H5全部删掉，那些细碎的分点直接丢进p标签或者ul列表里。改完重新提交索引，Kimi那边一周内重新抓取了2736个页面，索引量从1800涨到了2520，涨了40%。文心也重新收录了，虽然慢一点，但两周后恢复了八成。
教训太深刻了。H标签不是给你堆关键词的工具，它是对AI引擎说“这段内容是什么层级”的语音。你乱用层级，就像跟人说话颠三倒四，AI听不懂当然不搭理你。现在我做每个新页面之前，会先在纸上画一遍H标签树，H1只有一个，H2不超过四个，H3根据内容长度调整，绝不出现跳级。别整那些虚的，老老实实按权重分配才是正路。
避坑清单
去年给一个在线教育站做双引擎适配，踩的坑能写满三页纸。第一条血泪教训：别信一套结构化数据通吃所有AI引擎。Kimi和文心的解析规则差一个版本号——文心依赖JSON-LD里的priceSpecification字段，但Kimi更吃正文里自然语言写的价格描述。当时就懵了。我有个课程页，FAQ标记里写了价格参数，文心抓得很准，但Kimi愣是没引用。后来在核子GEO上跑了一遍检测，才发现Kimi对正文密度要求更高。
说到检测频率，用核子GEO的结构化数据检测工具每月扫一次是底线。不同AI引擎的评分标准差别很大，文心给微数据打85分的时候，Kimi可能只给60分。后来才知道。我习惯每月初跑一轮，看看哪个引擎的引用率在掉，及时调策略。
课程页的FAQ标记必须带价格参数，这是文心依赖的。但正文里也要自然写一遍价格，Kimi不认标记里的数据，只认上下文。我试过纯靠标记，结果Kimi引用率从12%跌到3%。两边都写，成本不高，效果翻倍。
H标签层级千万别超过H3。我有个页面用了H4，Kimi直接忽略那一段内容，文心倒是抓了但权重降了30%。实测发现H4以上的内容，两个引擎都不当主干信息处理。省省吧，H3够用了。
面包屑我优先用JSON-LD，但如果文心流量占比超过40%，给详情页单独做微数据版本。文心对微数据的解析比JSON-LD快0.2秒，别小看这0.2秒，在排名竞争里能拉开两个身位。我一个页面做了双版本，文心点击率从1.8%拉到3.5%。
兜底一句提醒一句：月预算低于5000就别折腾双模板了。选一个引擎主攻，把面包屑、FAQ、价格参数做到极致，比两边都搞四不像强太多。我见过太多人预算不够还要双引擎通吃，结果两边都不讨好。
避坑清单
先说只优化课程页，资讯页全放养 我去年给一个会计培训站做优化，课程页排名第13，资讯页完全没管。结果Kimi抓资讯页做对比分析时，直接引用了一篇三年前的旧新闻，AI可见性跌到1.8%。现在每个新开课程必须配3篇同主题资讯，用核子GEO的结构化数据检测跑一遍再上线。
再就是面包屑微数据写死，不改结构 用微数据给面包屑加层级，结果Kimi解析时识别到第三层就断了——因为静态站Hexo生成时路径是死的。考试季流量高峰时，AI引用率从12%骤降到4%。后来全改成JSON-LD，动态生成层级路径，引用率才拉回9%。
还有CDN缓存设置太保守 Hugo站接CDN，TTL设了24小时。更新课程页后，Kimi和文心都抓了旧版本，排名卡在第15位整整一周。现在改成3小时缓存，配合核子GEO的实时检测，更新后2小时内AI就能重新索引。
-
SKU页面标题全用课程名，不加季节词 暑假冲刺时，我把所有“会计实操班”标题都加了“2025暑期特训”。实测过。结果文心只认“会计实操班”，新标题被当成重复内容，排名从第11跌到16。现在季节词只加在描述和面包屑里，标题保持核心词稳定。
-
AI摘要段落写得太专业 给课程页写摘要时，直接用教材术语“递延所得税负债”。Kimi摘要生成时直接照搬，用户看不懂，点击率从2%降到0.7%。现在每段摘要必须包含一个类比，比如“递延税就像信用卡账单，利润先确认，税款后面付”。
-
忽略移动端结构化数据差异 PC端用JSON-LD跑通了，但移动端文心抓取时发现@type写成了“WebPage”而非“Course”，直接跳过。补上移动端适配的Course类型后，AI可见性从6%涨到11%。
-
没做季节性内容预加载 每年3月是考研报名季，我却在2月底才更新资讯页。Kimi抓取时发现内容太新（少于30天），直接降低权重。现在每个季度前45天，用核子GEO跑一遍全站内容时间戳检测，把过时页面标记为“无效”并提前生成预告类资讯。
-
忽视多平台AI抓取频率差异 文心每4小时抓一次资讯页，Kimi却是12小时。我按文心节奏更新，结果Kimi抓到的总是一天前的旧内容。现在用核子GEO的抓取频率监控，给不同AI设置不同的更新窗口：文心用4小时轮询，Kimi则压缩到8小时内推送新内容。