四件事的操作步骤：零结果兜底、对比页结论、子类导语、问答追问

上一篇写的是踩了什么坑。这一篇只写怎么做，能抄的直接抄。

先说明一句：下面的数字和字段都是俺这站的，抄的时候必须换成你自己的。 提示词可以抄，阈值不行。

〇、开工前先备三样

• 一个能跑脚本的地方（俺是 ssh 上去直接 node）；
• 一个稳定的模型接口（站内接的是美团 LongCat，换成任何一家都行）；
• 改库之前先备份。这条比什么都重要，后面会解释为什么。

一、零结果兜底，五步

第一步：先测你的检索到底会不会返零结果。

造 20 个词去搜：纯乱码、纯英文、生造的中文词、正常但冷门的需求。把每次的 total 记下来。

如果每个词都能返 20 条以上，说明你的检索也是模糊匹配，total === 0 这个条件基本用不上——这是俺踩的第一个坑。

第二步：定两级触发。

• A 级：total === 0，一条都没有；
• B 级：total > 0，但前 3 条跟查询没有一个共同二元词。

二元词的判断不长：

// 中文按两个字滑窗，英文按三个字母以上的单词
const cjk = (q.match(/[\u4e00-\u9fa5]/g) || []).length;
if (cjk >= 2) {
  for (let i = 0; i + 1 < q.length; i++) {
    if (hay.includes(q.slice(i, i + 2))) return true;   // 命中任一就算相关
  }
  return false;
}
return q.split(/[^a-z0-9]+/).some(w => w.length >= 3 && hay.includes(w));

B 级触发的时候，百度那块追加在站内结果下面，不替换。万一站内真有一两条对的，两块并存比误删安全。

第三步：接口别抓网页。

服务端去请求搜索结果页，会被跳到验证页（滑块），换 UA、加 Referer 都没用。用官方搜索接口，字段要五个就够：标题、链接、摘要、站点名、日期。

第四步：结果要过三刀。

1. 标题像 URL、或者短于 6 个字 → 丢；
2. 摘要像 base64 / 十六进制串 → 丢；
3. 跟查询一个二元词都不共享 → 丢。

三刀砍完一条不剩，就整块不渲染，回到「去百度搜」的文字出口。宁可没有，也别挂一排附件下载页。

第五步：给兜底自己加护栏。

超时 2.2 秒、负缓存 6 小时（查过没结果的词不再问）、正缓存 30 天、每进程每小时最多 200 次外呼、同词并发只发一次。

搜索页是公开入口，不加这几条，一晚上就能被人拿随机词刷出账单。

二、对比页结论，四步

第一步：先重算页面数。 俺记的是 349，脚本算出来 401。差的 52 个页面此前只有规则句，没有结论段落。别用记忆里的数字开工。

第二步：提示词。 俺用的是这一版，可以直接抄：

给每对工具写一段 120-180 字的中文建议。硬约束：
1. 先场景后选择：先说"什么人什么情况下选 A"，再说另一种情况选 B，
   场景要具体（写周报 / 给客户出方案 / 手机上随手问 / 处理几十页 PDF）；
2. 只能引用下面给出的字段，不许出现价格数字、版本号、公司背景、用户量；
3. 不评判谁更好，只说谁更适合什么；
4. 不要"综上所述 / 各有千秋 / 建议根据实际需求选择"；
5. 两者确实不是同类工具，返回空字符串 ""。

工具字段就给五样：一句话、主要用途、价格、适合谁、有没有免费层。给多了模型就开始编。

第三步：三道校验，缺一不可。

• 字数 120–180；
• 必须以句号、问号、感叹号收尾——这条最有用，能抓出「前者是」「如果你习惯」这种被截断的半句；
• 正文里出现「选 A」「B 更」这种占位符的，打回。提示词里用 A/B 标注，模型真的会照抄进正文。

第四步：不合格就删。

单条重试五次还不行，直接删掉这一条，页面退回原来的规则句。

宁可这一页没有段落，也不能留半句话在页面上。

三、子类导语，五步

第一步：把旧稿的毛病列成黑名单。

「这一页」「这里收录」「这类产品」「本子类」「一是…二是…三是…」——这些词一个都不许出现在开头。

第二步：四类开头轮着用。

• 场景式：用读者正在做的事开头；
• 对象式：用「给谁用」开头；
• 辨析式：用「容易混的两件事」开头；
• 疑问式：用一个真问题开头。

一批四条，四种各来一个。同一批里重样，一眼就看出来是批量生成的。

第三步：长度 110–165，只写三句。 第一句是什么、第二句有哪几类差别、第三句怎么挑。

第四步：查重看开头四个字。

俺这 40 条跑完，同一个分类里有 3 组开头撞了（两个都是「想把脑子」）。加一行判断就能捞出来，别靠眼睛。

第五步：跑题和堆品牌名的单条重写。

有两类必须重写：一是把「设计素材」写成了建站（跑题），二是一段里点了六个产品名。导语里不写品牌——站点会下线、会改名，写死了第二年就是错的。

四、问答追问，五步

第一步：给候选表，不让模型编 URL。

每条问题配一张小表：同分类问答 10 条、跨分类热门 6 条、相关页面 4 个，全部带编号。

第二步：一次四条问题，每条出三个追问 + 目标编号。

只返回 JSON：{"1":[{"q":"追问句","to":3}, ...]}
追问 10-30 字，像读者接着问的下一个问题，不要照抄目标标题。
三条方向不同：深挖细节 / 换场景或人群 / 回到入口。
至少一条指向"页面："开头的目标，三条不能指向同一个。

第三步：校验四件事。

三条都在、编号都合法、至少一条是页面（不是全在问答里打转）、不重复也不指向自己。

第四步：URL 归一。

子类页有两种写法，带不带前缀，两个都返回 200，但 canonical 只认一种。内链要是指到别名上，等于自己给自己造重复页面。

第五步：上线前逐页 curl。

110 条问答、330 条链接、111 个落点，跑一遍全部 200 才算完。别信「应该没问题」。

五、发布与验证

俺这次用到的脚本，按顺序：

四条纪律：

1. 改 db.json 之前先停服务，否则进程退出时内存里的旧库会把你的修改整份盖回去；
2. 派生数据（文案、追问、标签）单独放 data/ 下，按 mtime 热加载，改完不用重启；
3. 发版走 build-release.sh，版本号、changelog、包、仓库一次做完；
4. 发布后同步备机，server.js、version.json、几个数据文件的 md5 要逐项对上。

还有一条容易忘：清 nginx 的页面缓存。不然你改完了，自己刷新看到的是旧页面，会以为没生效。

六、抄的时候注意三件事

第一，数字全换。120–180 字是俺站的节奏，你的页面可能适合 80–120。

第二，提示词里的字段换成你库里真有的。俺这边有「适合谁」「有免费层」，你没有就别写进提示词，模型会替你编。

第三，先跑 5 条再全量。俺第一批就是直接跑 400 条，结果提示词里一个「A/B」把 60 多条写坏了，返工两轮。

真正省时间的不是生成，是校验。