<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>豆包 on 墨水与梯度 · 杨坤的笔记本</title><link>https://geoxz.cn/tags/%E8%B1%86%E5%8C%85/</link><description>关于大模型、检索增强与智能体的记录</description><generator>Hugo</generator><language>zh-cn</language><lastBuildDate>Sun, 22 Nov 2026 00:00:00 +0800</lastBuildDate><atom:link href="https://geoxz.cn/tags/%E8%B1%86%E5%8C%85/index.xml" rel="self" type="application/rss+xml"/><item><title>把一个从零开始的站做进 AI 答案——公开实验实录（Day 0）</title><link>https://geoxz.cn/posts/day-0-public-experiment/</link><pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate><guid isPermaLink="true">https://geoxz.cn/posts/day-0-public-experiment/</guid><category>geo</category><category>实测</category><category>豆包</category><description>2026-11-22 的起点实测：geoxz.cn 的 HTTPS 证书挂的是 geoxz.com 的 SAN（AI 爬虫全部进不来），robots.txt、sitemap.xml、llms.txt 三项全 404，AI 引擎里零收录。本文如实记录这四项起点状态、修法与验收命令，作为公开实验的基线快照；不承诺任何时间线内的收录或引用结果。</description><content:encoded><![CDATA[<p>这是公开实验的第 0 天。本文不写方法论，只写 2026-11-22 这一天实测到的起点状态、每一项的修法、以及怎么验证修好了。</p>
<p>先把最重要的一句放在前面：<strong>这份记录的价值在于起点是真的零，且这个零被完整写下来了。</strong> 如果几个月后有变化，可以拿本文逐项对照。</p>
<h2 id="起点快照2026-11-22-实测">起点快照（2026-11-22 实测）</h2>
<table>
  <thead>
      <tr>
          <th>项</th>
          <th>起点状态</th>
          <th>影响</th>
      </tr>
  </thead>
  <tbody>
      <tr>
          <td>HTTPS 证书</td>
          <td>443 端口挂的是 geoxz.com 的证书，SAN 只有 <code>geoxz.com</code> / <code>www.geoxz.com</code>，访问报 <code>ERR_TLS_CERT_ALTNAME_INVALID</code></td>
          <td>最高优先：AI 爬虫全部进不来</td>
      </tr>
      <tr>
          <td>robots.txt</td>
          <td>404</td>
          <td>等于默认全允许，但没有 Sitemap 入口</td>
      </tr>
      <tr>
          <td>sitemap.xml</td>
          <td>404</td>
          <td>搜索引擎与 AI 缺一份全量 URL 清单</td>
      </tr>
      <tr>
          <td>llms.txt</td>
          <td>404</td>
          <td>缺一份给大模型读的站点索引</td>
      </tr>
      <tr>
          <td>站点形态</td>
          <td>nginx 直出手写静态 HTML，零 JS，title「墨水与梯度 · 杨坤的笔记本」</td>
          <td>形态本身已是爬虫最优，缺的是写作流程与发布链</td>
      </tr>
      <tr>
          <td>80 / 443</td>
          <td>均有响应（http 可访问）</td>
          <td>ACME http-01 验证可用</td>
      </tr>
  </tbody>
</table>
<p>一句话总结这张表：<strong>站是能打开的，但对 AI 来说是隐形的。</strong></p>
<h2 id="一证书错配为什么它是唯一的-p0">一、证书错配：为什么它是唯一的 P0</h2>
<p>证书问题排在所有事情前面，理由很直接：TLS 握手发生在 HTTP 之前。</p>
<p>一个爬虫来抓 <code>https://geoxz.cn/posts/xxx/</code> 时，第一步是 TLS 握手并校验证书 SAN 是否包含 <code>geoxz.cn</code>。当前证书的 SAN 只有 <code>geoxz.com</code> 和 <code>www.geoxz.com</code>，握手直接失败。这时候：</p>
<ul>
<li>robots.txt 写得多友好，它读不到；</li>
<li>内容写得多好，它抓不到；</li>
<li>sitemap.xml 提交多少次，它进不来。</li>
</ul>
<p>所以这不是「影响排名」的问题，是「入口被焊死」的问题。</p>
<p><strong>修法</strong>：DNS 已指向本机、80 端口可达，所以 ACME http-01 验证可用。用 certbot 或云厂商免费 DV 证书，SAN 必须同时包含 <code>geoxz.cn</code> 与 <code>www.geoxz.cn</code>，并上自动续期。</p>
<p><strong>一个必须注意的坑</strong>：同一台机器上还有 <code>geoxz.com</code> 的站点在用现有证书，改 vhost 前先备份原文件、<code>nginx -t</code> 通过再 reload，不要动到 geoxz.com 的配置。</p>
<p><strong>验收命令</strong>：</p>
<div class="highlight"><pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-bash" data-lang="bash"><span style="display:flex;"><span><span style="color:#75715e"># 证书 SAN 里必须能看到 DNS:geoxz.cn</span>
</span></span><span style="display:flex;"><span>openssl s_client -connect geoxz.cn:443 -servername geoxz.cn &lt;/dev/null 2&gt;/dev/null <span style="color:#ae81ff">\
</span></span></span><span style="display:flex;"><span><span style="color:#ae81ff"></span>  | openssl x509 -noout -ext subjectAltName
</span></span></code></pre></div><h2 id="二三件套robots--sitemap--llms">二、三件套：robots / sitemap / llms</h2>
<p>三项都是 404。它们的分工不同，别混为一谈：</p>
<ul>
<li><strong>robots.txt</strong> 是「许可与入口」：告诉爬虫哪些可以抓，并给出 Sitemap 地址。本站的做法是逐条列出要放行的 AI 爬虫 UA 并 Allow——GPTBot、OAI-SearchBot、ChatGPT-User、PerplexityBot、Perplexity-User、ClaudeBot、Bytespider、Applebot-Extended、Google-Extended、Baiduspider、Sogou web spider、360Spider、Bingbot、Googlebot，末尾一行 <code>Sitemap: https://geoxz.cn/sitemap.xml</code>。</li>
<li><strong>sitemap.xml</strong> 是「地图」：全量 URL 清单，交给 Hugo 内建输出即可，不手写模板覆盖。</li>
<li><strong>llms.txt</strong> 是「给大模型读的站点索引」：Markdown 格式，一段站点说明 + 分类文章列表（标题、链接、一句话摘要）。发布链每发一篇就在末尾追加一条。</li>
</ul>
<p><strong>验收命令</strong>：</p>
<div class="highlight"><pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-bash" data-lang="bash"><span style="display:flex;"><span><span style="color:#66d9ef">for</span> p in robots.txt sitemap.xml llms.txt; <span style="color:#66d9ef">do</span>
</span></span><span style="display:flex;"><span>  printf <span style="color:#e6db74">&#39;%s -&gt; %s\n&#39;</span> <span style="color:#e6db74">&#34;</span>$p<span style="color:#e6db74">&#34;</span> <span style="color:#e6db74">&#34;</span><span style="color:#66d9ef">$(</span>curl -o /dev/null -s -w <span style="color:#e6db74">&#39;%{http_code}&#39;</span> https://geoxz.cn/$p<span style="color:#66d9ef">)</span><span style="color:#e6db74">&#34;</span>
</span></span><span style="display:flex;"><span><span style="color:#66d9ef">done</span>
</span></span><span style="display:flex;"><span><span style="color:#75715e"># 期望三行都是 200</span>
</span></span></code></pre></div><h2 id="三站点形态为什么反而不用改">三、站点形态：为什么反而不用改</h2>
<p>起点里唯一「已经是好的」的一项是站点形态：nginx 直出手写静态 HTML、零 JS、标题与描述齐备。从抓取角度这已经是最优形态——没有前端框架、没有需要执行的 JS 才能看到正文。</p>
<p>所以这次的改造不是推翻它，而是把它升级成 Hugo 驱动的版本，好处在别处：</p>
<ol>
<li>写作流程变成「写一个 markdown 文件」；</li>
<li>平台可以程序化写入内容（<code>content/posts/&lt;slug&gt;.md</code> 就是天然接口）；</li>
<li>frontmatter 契约让每篇文章强制带 summary 与 FAQ，这是 AI 引用最爱的两个字段；</li>
<li>结构化数据（Article / FAQPage / BreadcrumbList）自动输出，不用手写。</li>
</ol>
<h2 id="四本站的验收铁律">四、本站的验收铁律</h2>
<p>改造完成后，每篇文章发布都要过这一条：</p>
<div class="highlight"><pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-bash" data-lang="bash"><span style="display:flex;"><span>curl -s https://geoxz.cn/posts/&lt;任一文章&gt;/ | grep -F <span style="color:#e6db74">&#39;&lt;正文里的一句原话&gt;&#39;</span>
</span></span></code></pre></div><p>必须命中。这条测的不是「页面能打开」，而是「正文完整出现在首屏 HTML 里，不依赖任何 JS 渲染」。如果哪天某个模板改成了 JS 加载正文，这条会立刻失败。</p>
<h2 id="五day-0-的结论只有过程没有效果">五、Day 0 的结论（只有过程，没有效果）</h2>
<p>今天能确认的事实只有这些：</p>
<ul>
<li>起点是零收录，且原因之一（证书）是可以明确归因的技术阻塞；</li>
<li>三件套从 404 变成 200 是可验证的、与时间无关的动作；</li>
<li>内容质量、外链、搜索流量、时间这四件事，一样都还没开始积累。</li>
</ul>
<p>所以本文不给任何预期。下一份记录会写清楚：改完之后抓取频率有没有变化、IndexNow 与主动推送的返回是什么、AI 引擎里的提及与引用有没有从零开始动。测到什么写什么，包括没动。</p>
<h2 id="边界与不承诺">边界与不承诺</h2>
<p>本站只承诺过程数据公开，不承诺任何时间线内的收录或引用结果。</p>
]]></content:encoded></item></channel></rss>