sitemap拆成7个分片后，文心的抓取量才动了
去年底接的一个游戏站，WordPress 6.4.3，宝塔面板 + LNMP，日均UV从5000掉到3000，三个月跌了40%。我先在核子GEO检测工具上跑了一遍，GEO分析报告里有一行很扎眼：文心侧的URL收录覆盖率不到三成，豆包那边接近七成。同一个站，两个平台差这么远，问题肯定不在内容质量上。
从后台导出URL清单那天，六万多条把我吓一跳。攻略页、评测页、标签页、作者页、UGC评论翻页全堆在一个wp-sitemap.xml里。这个文件的规范上限是单文件5万条URL、压缩前50MB，早就超了。豆包抓得还算勤，文心明显只啃了前面一段，后面的标签页和翻页基本没动静。
拆分标准我定的是每片8000到15000条，不贪多。太低会让分片数量膨胀，蜘蛛在索引文件之间来回跳；太高又怕单文件重新逼近上限。拆成7片：攻略、评测、标签、作者、UGC评论、静态页、专题。
宝塔那边还有个坑。nginx默认的limit_req对sitemap目录一样生效，蜘蛛连续请求分片时会被限流，返回503。我在站点的nginx配置里给sitemap路径单独放了一个location，limit_req的burst值从默认值调到30，nodelay打开，其他目录的限制没动。改完第二天看日志，503基本没了。
提交时间我记了：11月18日把7个分片全部推给两个平台的站长工具。抓取差异很明显——豆包在11月19日到21日三天内把7片全部过了一遍，日均抓取频次从原来的800多次涨到1400次左右；文心前五天只碰了攻略和评测两片，到11月26日才开始扫标签和作者页。
12月10日复查，文心的抓取频次从拆分前的日均300次上下爬到900次，索引量从1200涨到4300。豆包的增长没那么猛，但UGC评论翻页的抓取明显变深了。
老实说这不算根治，文心对标签页的态度一直偏保守，我在核子GEO的GEO分析报告里看到它更认正文页的实体密度。但至少抓取这道门先推开了。
核子GEO的GEO分析报告：豆包1800条、文心412条
那天下午，我把一个游戏站的域名输入核子GEO检测工具，等着进度条走完。心里其实已经有数：日均UV从5000掉到3000，三个月掉了四成，总不能全是社区活跃度的问题。报告弹出来那刻，我还是愣了一下。
豆包收录1800条，文心412条实测过。差4.4倍。
我不信邪，又用核子GEO的GEO分析报告，按平台拆了一遍。血泪教训。AI引用率那一栏写着4.7%，不到5%。这数字比收录量更刺眼：收录归收录，AI在答案里提不提你，是另一回事。
拆开看，差距来源大概三块。sitemap可发现性占四成左右；结构化数据占三成五；剩下两成半归到内容形态。
这个WP站用的是Yoast，sitemap设成单个文件，游戏攻略每天更新十几篇，到后期单个文件里堆了两万多条URL。我在宝塔面板里看nginx的access日志，豆包爬虫的抓取频次明显高于文心，但两边都在同一批老攻略上反复抓。我把sitemap拆成攻略、评测、社区UGC三个子map，在robots里分别指向，两周后文心的抓取面才慢慢铺开。
结构化数据那栏，核子GEO检测工具标了三个红项：FAQPage缺失、BreadcrumbList有两处报错、Article的作者实体没接上。游戏站的玩家问答天生适合用FAQPage标记，我在插件里补上之后，豆包那边几个攻略页开始出现在AI总结里踩过这个坑。这玩意儿不用写代码，插件表单填完就能生成。
内容形态上，豆包的抓取路径对新站更友好，偏爱短问答结构，一个问题三五百字讲透；文心吃百度系信源，百科、知道、百家号权重高，站内内容得先有外部实体背书才容易被认。
别指望一个sitemap方案通吃两个平台。我现在的做法是子map分开，各自观察，哪边抓取掉了就回去查那一块。
结构化数据上齐四类标记，别让两个SEO插件打架
接手这个游戏站的时候，客户主机里Yoast和Rank Math两个SEO插件都激活过，停掉Yoast但没删。两边各自往head里注入JSON-LD，Organization标记在同一页出现两遍，名称一个带空格一个不带。我在核子GEO检测工具里输入域名跑了一遍，结构化数据那一栏标红，提示实体冲突。AI抓取时看到两套互相打脸的Organization，干脆不引用——这大概是流量从5000掉到3000的一部分原因。
清理思路很简单：只留Rank Math免费版。Article和BreadcrumbList用它自带开关打开，游戏攻略页自动带上发布日期、作者、面包屑层级，够用。FAQPage和Organization这两个得自己补——Rank Math免费版对Organization支持有限，我在主题的functions里用自定义字段拼了一段JSON-LD，把公司名、logo地址、社媒账号写死在固定页面上，全站只输出一次后来才知道。FAQPage挂在攻略详情页底部的问答区，玩家问“这个boss怎么打”，只要结构规整就能被抽走。
四类标记全套上齐之后，变化是能看到的。有份GEO优化行业白皮书写过，部署Article+FAQPage+BreadcrumbList+Organization全套标记的站点，被AI引用频次是只部署Article的2.3倍。我拿核子GEO的GEO分析报告对比了优化前后两周的数据，豆包那边攻略类问题的引用次数从个位数涨到二十几次，文心一言还是慢，但至少不再报冲突。
插件数量也砍了。原先23个，光缓存和安全类就6个，互相抢钩子。我砍到9个，PHP从7.4升到8.1，宝塔面板的PHP设置里把OPcache打开，内存给到128M，revalidate频率设成2秒。WP自带的伪cron改成系统cron，每5分钟跑一次——游戏站更新快，玩家评论和攻略发布频繁，伪cron靠访客触发，流量一跌任务就积压，sitemap生成都能拖到第二天。这步改完之后后台发布延迟肉眼可见地短了。
一个小提醒：自定义字段拼JSON-LD的时候，字段值要做转义，游戏名里带引号或斜杠的不少，漏一个整段标记就废了后来才知道。我踩过，页面不报错，但检测工具里直接显示解析失败。
文心和豆包收录率差了近3倍，游戏站这两个月的坑我列给你
避坑清单
1. 把WordPress自带的sitemap直接提交给AI，游戏站最吃亏
攻略、公告、活动页全塞在一个文件里，AI爬过来看到一堆过期活动。我手上那个游戏站索引量卡在1200整整两周。后来在宝塔里把sitemap拆成攻略、公告、标签三个子文件，一周后