百度主动推送，网站规模扩大后哪些工作不适合继续手工做
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /91336511f495.html
📄
百度主动推送，网站规模扩大后哪些工作不适合继续手工做
规模扩大后最该停止手工做的，不是“推送”这个动作本身，而是围绕推送的链接筛选、配额分配、失败重试和结果核对。手工推送在几十个 URL 时还能靠人盯，一旦每天新增页面进入成百上千的量级，人工操作会先失去一致性，再失去可追溯性，最后连“哪些已推、哪些没推”都说不清。此时继续手工做，问题通常不是效率，而是判断依据被破坏。
矛盾现象：推送次数变多，能确认的结果反而变少
常见情形是：编辑每天手工复制链接、逐条提交，提交记录看起来不少，但过一段时间去核对，发现能确认被百度处理的页面比例并不稳定。有人据此认为“推送没用了”，也有人认为“推送量还不够，要继续加”。这两种解释都成立的前提不同，需要先分开。
- 解释一：推送本身仍有效，失效的是记录与去重。手工操作时，同一个 URL 可能被不同人重复提交，旧链接和新链接混在一起，导致你看到的“提交量”里包含大量无效重复，真实覆盖率被稀释。
- 解释二：推送仍然发出，但目标页面本身不适合被优先处理。比如列表页、参数页、内容极薄的聚合页被大量推送，而真正需要被理解的详情页反而排在后面。此时问题不在推送通道，而在推送对象的选择。
区分这两种解释的证据并不相同。若是记录与去重问题，你会看到同一批 URL 反复出现在提交清单里，且缺少“首次推送时间”这一列；若是对象选择问题，你会看到被推送的 URL 中，详情页占比偏低，而站内搜索页、筛选页、分页占比偏高。前者要改的是流程留痕，后者要改的是筛选规则。
为什么链接筛选必须从手工转为规则化
网站规模小的时候，编辑凭经验判断“这条值得推”是可行的，因为页面少、上下文清楚。规模扩大后，经验判断会遇到两个硬约束：一是人无法对每天新增的页面保持同一套标准，二是不同编辑对“重要页面”的理解会分叉。结果就是推送清单的构成随人而变，而不是随内容价值而变。
更实际的做法是把筛选条件写成可执行的规则，例如：只推送本次新增或实质更新的详情页；排除带会话参数、排序参数、站内搜索结果参数的 URL；对同一内容的多路径入口只保留一个规范地址。规则一旦固定，推送清单就变成可复算的产物，而不是每天重新拍脑袋的结果。这里的关键动作是先定义“哪些 URL 进入候选池”，再谈推送。这一步做完，后面的配额分配和失败处理才有稳定输入。
配额分配与失败重试：手工做会丢掉因果关系
当候选链接数量超过单日可处理规模时，必然要做取舍。手工取舍通常按“今天谁有空”“哪条看起来重要”来排，问题是这种排序无法回答一个基本问题：某天覆盖下降，是因为候选池变小了，还是因为配额被低价值页面占用了？
把配额分配交给规则后，可以按内容类型、更新时间、站内重要程度分层，并给每层设定优先级。失败重试同理：手工重试往往只重试“记得住”的那几条，而规则化重试会记录失败原因、重试次数和最终状态。需要说明的是，推送请求被接受，不等于页面一定被抓取，更不等于被索引。抓取、索引、排名是不同环节，重试只解决“请求是否成功送达”，不能替代对页面质量和可访问性的检查。
假设一个场景：某站每天新增 800 条详情页，另有 200 条筛选页。若把筛选页也放进推送候选池，按同等优先级处理，那么详情页的实际处理机会会被压缩。这个例子里的数字只是用来比较优先级分配方式，不代表任何真实站点的表现。动作上的含义是：把筛选页移出候选池后，详情页的推送占比会上升，下一步才适合观察详情页的抓取与索引变化。
结果核对：手工统计无法支撑下一步决策
规模扩大后，核对工作的核心不是“今天推了多少”，而是“哪些 URL 已进入处理流程、哪些还停在候选池、哪些被排除以及为什么”。手工统计通常只能给出一个总数，无法回答排除原因，也就无法判断是规则太严还是太松。
可落地的做法是保留一张推送台账，至少包含 URL、首次进入候选池时间、是否推送、推送结果、排除原因。台账由脚本或批处理生成，人工只负责审核规则和异常。这样做的直接结果是：当覆盖出现波动时，你能定位到是候选池变化、配额变化还是页面本身变化，而不是笼统地归因为“推送没效果”。
如果上述动作都做了，推送量或抓取量仍出现下降，也不能单独证明某个处理是对的或错的。合理的解释还包括：站点近期改版导致 URL 结构变化、服务器响应变慢、页面内容更新频率下降、或百度侧正常调度波动。只有把这些可能逐一排除，才谈得上调整方向。
哪些工作可以继续手工，哪些必须交出去
并不是所有环节都要自动化。规则制定、优先级判断、异常复核仍然适合人工，因为这些依赖对内容价值的理解。但以下工作一旦规模上来就不适合继续手工：逐条复制提交、重复 URL 去重、失败重试、结果统计与台账维护。它们的共同点是重复、可枚举、需要一致标准，而这正是人工最容易出错的地方。
判断是否该交出去，可以看一个信号：如果同一件事每天的做法会因执行人不同而不同，或者你需要靠记忆回答“上周这条推没推过”，那就说明它已经超出了手工可控的范围。此时先固定筛选规则，再固定配额与重试逻辑，最后用台账核对结果。顺序颠倒，比如先追求推送数量再补规则，通常会让后续核对变得更加困难。
