KEEL · 龙骨 · A CURRICULUM FOR THE AI ERA

05 · 站点信息架构：URL、内链与分页 — keel 龙骨

本章目标：把站点的"物理结构"设计成搜索引擎能理解、能分配权重、能穷尽抓取的形状。验收标准：无孤儿页、内链模型清晰、分页可抓取、sitemap 分层且可扩展。

本章目标：把站点的"物理结构"设计成搜索引擎能理解、能分配权重、能穷尽抓取的形状。
验收标准：无孤儿页、内链模型清晰、分页可抓取、sitemap 分层且可扩展。

为什么架构是工程问题：内容再多，如果架构扁平混乱、重要页面深埋、分页不可达，发现与抓取就都失效。信息架构（IA）是唯一一处你能完全掌控、且收益最持久的杠杆。

一、URL 设计

原则	正例	反例
可读	`/learning/courses/tools/lessons/1/`	`/p?id=87`
稳定	发布后不变	频繁改路径
有层级	`/courses/<course>/lessons/<n>/`	全平铺 `/a1`
单一大写策略	全小写	混用大小写
尾斜杠唯一	统一带 `/`	两种并存
不含无意义参数	干净路径	`?sessionid=`

三条硬规则：

一页一 URL，其余形式 301 到规范形式。
深度 ≤ 4 跳——从首页到任意重要页面。
层级最多 3 层语义分割，过深会稀释权重。

# 检查站内 URL 是否混用尾斜杠
curl -s https://www.xxxxxx.cn/learning/ | grep -oE 'href="[^"]+"' \
  | grep -vE '\.(css|js|png|svg)' | sort -u | head -20

二、面包屑：可抓取的层级表达

面包屑同时服务用户体验与结构表达，且是内链的一种（向上指）。

<nav aria-label="Breadcrumb">
  <ol>
    <li><a href="/learning/">首页</a></li>
    <li><a href="/learning/courses/tools/">工具课</a></li>
    <li>第 1 课</li>
  </ol>
</nav>

配套 BreadcrumbList 结构化数据（第 04 章）。规则：面包屑的每一级都应是真实可访问的页面，且与 URL 层级一致。

三、内链模型：Hub / Spoke

内链不是"随便加几个链接"，而是有权重分配意图的图结构。

         Homepage
        /    |    \
   Hub A   Hub B   Hub C      ← 栏目/hub 页（聚合主题）
   / | \   / | \   / | \
  S  S  S S  S  S S  S  S      ← spoke 内容页（具体文章）
   \ | /   \ | /   \ | /
    Hub A   Hub B   Hub C      ← 相关内容回链 hub

角色	作用	设计要点
Hub（栏目页）	聚合主题、分配权重	链向全部 spoke，且被首页链向
Spoke（内容页）	承载具体主题	链回 hub，并交叉链向相关 spoke
交叉链	强化主题簇	只在相关时连，避免为连而连

判据：

无孤儿页：每个页面至少有一条入链。
无死胡同：每个页面至少有一条出链（回 hub 或相关页）。
hub 被首页直接链向，否则整个簇的权重都低。

# 生成站内链接图（简版）：列出每页的出链数
for u in $(curl -s https://www.xxxxxx.cn/learning/sitemap.xml | grep -oE '<loc>[^<]+' | sed 's/<loc>//'); do
  n=$(curl -s "$u" | grep -c '<a ')
  echo "$n  $u"
done | sort -rn | head -20

锚文本：内链的"半句话推荐"

锚文本是链接里可见的文字，它告诉引擎"目标页讲的是什么"。规范做法：

做法	评价
描述性锚文本（"抓取预算的量化方法"）	推荐
裸 URL 或"点击这里"	浪费信号，避免
同一目标页全站用完全相同锚文本	过于机械，适度变化
无关锚文本堆砌	可能被判定操纵

规则：锚文本应描述目标页主题，且与之相关；对同一目标页，用语义相近但措辞多样的锚文本，比全站复制一句话更自然。

四、分页与无限滚动的可抓取化

4.1 分页

做法	可抓取性	评价
`?page=N` + `<a href>`	好	可用，配 canonical 自引用
JS 点击加载下一页	差	深层不可达
无限滚动无 URL	最差	只有第一页被索引

推荐：分页用真实 <a href>，每页自引用 canonical，不做跨页 canonical 合并（避免把第 2 页并入第 1 页导致不收录）。

4.2 无限滚动

无限滚动的正确工程化做法是**"滚动 + 真实分页 URL 双轨"**：

<!-- 滚动加载的同时，提供可抓取的"下一页"链接 -->
<a href="/learning/courses/tools/lessons/page/2/" rel="next">下一页</a>

要求	说明
每个滚动区块有独立 URL	如 `/page/2/`
有 `<a href>` 直达	不用 onclick
首屏内容直出	不依赖滚动触发
sitemap 收录各分页	让引擎发现深层

五、站点地图分层

当 URL 数量增长，单个 sitemap 会超限（5 万条/50MB）。用 sitemap index 拆分层级：

<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <sitemap><loc>https://www.xxxxxx.cn/sitemap-pages.xml</loc></sitemap>
  <sitemap><loc>https://www.xxxxxx.cn/sitemap-lessons.xml</loc></sitemap>
  <sitemap><loc>https://www.xxxxxx.cn/sitemap-images.xml</loc></sitemap>
</sitemapindex>

分层	内容	提交优先级
pages	首页、栏目、核心页	高
lessons	内容页	高
tags	标签/归档	低
images	图片	中

规则：

每个子 sitemap 只含同类 URL，便于独立监控。
lastmod 必须真实，否则失去"是否重抓"的信号价值。
大站可再按 lastmod 分段，提高增量抓取效率。

六、故障速查

现象	架构层原因	处理
部分页面从不被抓	孤儿页	补内链
重要页排名低	深埋、无 hub 链接	缩短深度、加 hub
分页第 2 页起不收录	JS 加载	改真实 URL + `<a href>`
收录数低于页面数	sitemap 未覆盖	补全 + 分层提交
权重被稀释	内链到处乱指	收敛到 hub/spoke 模型
重复 URL 多	尾斜杠/参数混用	统一 + 301

七、本章验收

全站 URL 单一大写与尾斜杠策略，无参数污染
任意重要页面从首页 ≤4 跳可达，无孤儿页、无死胡同
每个主题簇有 hub，且 hub 被首页直链
分页/无限滚动有真实 <a href> 与独立 URL
sitemap 已分层（或已明确分层计划），lastmod 真实

# 架构自检：sitemap 条数与首页出链
curl -s https://www.xxxxxx.cn/learning/sitemap.xml | grep -c '<loc>'
curl -s https://www.xxxxxx.cn/learning/ | grep -c '<a '

结构就绪后，如果要面向多种语言/地区，就进入下一章的国际化。

进入 keel 阅读