历史页面存档，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)
🔗 /cf6b597945a3.html
📄
历史页面存档，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，是那些每次都要重复判断、但判断标准已经稳定的存档决策：旧 URL 是否保留、是否改写、是否退出索引。它们一旦超过几十上百条，手工处理会同时拖慢发布节奏、放大遗漏，而错误又很难在事后发现。更合适的做法是把规则写成可执行的清单或脚本，把人工留给例外。
先区分三类动作：保留、改写、退出
历史页面存档不是单一动作，而是三种不同决策，适用前提差别很大。
- 保留：旧页面仍有访问价值，内容没有明显过时，URL 结构稳定。此时手工也能做，但一旦数量上来，逐个检查会变成负担。
- 改写：旧主题仍与业务相关，但内容陈旧、结构混乱，需要合并或重写。改写需要判断，适合人工决定方向，机器执行批量替换。
- 退出：页面已无访问价值，或与当前业务无关。退出的判断标准最容易固化，也最不该长期手工做。
关键变化点在于：当决策标准已经稳定、只是条目在增加时，手工就不再是谨慎，而是低效。反过来，如果标准还在频繁调整，手工反而更安全。
哪些工作适合先自动化
可以优先自动化的，是那些输入明确、输出可验证的环节。假设一个站点有大量旧文章需要处理，且团队已经确定了保留与退出的判断规则，那么下面这些动作适合先交给脚本或批量工具：
- 批量抓取旧 URL 的标题、状态码和最后修改时间，生成待处理清单。
- 按规则标记“疑似退出”的页面，例如长期无内链、无访问、主题偏离。
- 对确认保留的页面，批量检查内链是否指向已退出页面。
- 对确认改写的页面，批量替换过时的联系方式或统一表述。
一个实际动作是：先跑一次批量检查，输出所有旧 URL 的状态码和最后修改时间。如果结果里出现大量指向已退出页面的内链，下一步就不是继续手工改页面，而是先修内链规则，否则每改一次都会制造新的断链。
什么情况下手工仍然成立
手工不是被全面淘汰，而是被压缩到例外处理。以下前提成立时，继续手工更合理：
- 历史页面数量很少，且短期不会增长。
- 判断标准还在变化，比如业务方向刚调整，保留与退出的边界尚未稳定。
- 页面涉及法律、合规或对外承诺，必须逐条人工确认。
- 改写需要重新组织观点，机器只能辅助收集素材，不能替代判断。
换句话说，手工适合处理“规则之外”的页面，而不是处理“规则之内”的批量页面。把两者混在一起，才会出现规模扩大后越做越乱的情况。
自动化之后要盯什么，避免误判
批量处理会带来新的风险：把不该退出的页面退出，或者把该保留的页面改坏。判断是否处理正确，不能只看请求量或抓取量归零。请求量下降还可能来自入口减少、季节波动、统计口径变化，不能单独作为处理正确的证据。
更可靠的验证方式是分层检查：
- 对退出页面，检查是否仍有来自站内或其他页面的有效链接指向它。
- 对保留页面，检查标题、描述和正文是否仍与当前业务一致。
- 对改写页面，检查旧 URL 是否仍可访问，或是否已正确指向新位置。
如果检查发现退出页面仍被大量内链指向，说明自动化规则漏掉了内链处理，下一步应优先修内链，而不是继续扩大退出范围。
把人工留给例外，把规则留给批量
规模扩大后，真正不适合继续手工做的，不是所有历史页面存档工作，而是那些已经能用稳定规则判断的批量决策。保留、改写、退出三类动作中，退出和部分保留判断最容易固化，适合先自动化；改写和涉及合规的页面仍需人工。先跑一次批量检查，根据输出决定下一步是修规则还是继续人工，比单纯增加人手更能控制风险。
