聚合网站的分类；按内容来源分才靠谱

一个聚合站导航栏挂十几个分类，点进去两三个，发现是同一批稿子换了个标题，这场景不稀奇。聚合网站的分类，大部分人第一反应是按行业切：新闻、科技、财经、体育、生活。切完看着挺齐整，做上半年就乱，因为同一篇稿子既能算科技也能算财经，边界永远吵不完。我的看法比较土：先按内容来源切，行业标签往后放。

聚合网站的分类，先按来源切一刀

内容来源拢共就四种——自己写的、从别处搬的、用户投上来的、接口喂进来的。任何一个聚合站都是这四样的组合，区别只是比例。这么分的妙处在于，每一种来源对应一整套完全不同的麻烦：原创拼的是编辑，采集拼的是合规和频率，UGC 拼的是风控，接口拼的是稳定性。你按行业分，分完还是不知道该防谁；按来源分，运维重点立刻能落到具体位置上，值班的人也知道半夜报警了先看哪。

原创为主的站，聚合是拿来串专题的

有些站内容全是自己人写，那它的聚合其实是栏目编排，把散在各处的旧文按主题重新串成专题页。这种最省心，来源单一，版权上没有争议，缓存也好做，整页丢 CDN 都没事。代价是更新压力全压在编辑身上，一个人扛三个栏目，撑不了多久就开始注水，标题越起越大，内容越写越薄。真要走这条路，宁可栏目少两个，也别让每个栏目都半死不活。

采集和转载，边界得明明白白

从别人那搬内容，最怕的不是搬，是搬完不认账。页面上留个来源、留个原文链接，成本几乎为零，出事的时候这就是你的态度。抓取频率也别太狠，robots.txt 里写清楚不让碰的目录就别去碰，UA 老老实实报自己是谁，别装成搜索引擎爬虫。图片尤其要留神，直接外链对方的服务器，人家一开防盗链，你的页面就是一片空白框，读者还以为你站挂了。有条件的把图落到自己这边，顺手压一下体积。

还有一种偷懒做法是把整站镜像过来，连导航都不改。这种站在搜索结果里活不长，被投诉一次就够喝一壶，删库重来都算轻的。要做就做摘要加跳转，把点击导回原站，看着像在给别人送流量，其实是给自己留后路。转载页的 canonical 也别硬指向自己，那等于告诉搜索引擎这稿子是你的，容易招麻烦。

UGC 型聚合，管的是人不是稿

用户投稿、论坛、评论聚合这类，运维重心完全不在服务器上，在内容风控上。审核队列、垃圾外链、批量注册、图片上传，一样都躲不掉。外链统一加 nofollow 是基本操作，别指望人工一条条过。还有个容易翻车的点：UGC 页面千万别做整页 CDN 缓存，登录用户刷出别人的信息，这种事故比慢一点严重得多。缓存按来源分开配，静态的聚合列表页可以狠一点，带用户状态的页面老老实实回源，别图省那点回源带宽。

接口聚合，最省人力也最脆

比价、聚合搜索、视频聚合这类靠接口吃饭的站，平时看着轻松，接口方一改字段，页面白屏，你连日志都翻不出原因。密钥绝对不能放前端，这是老生常谈，照样天天有人犯。中间加一层本地缓存，别每个请求都穿透过去，接口有配额，超了就是硬墙，求人都没用。降级方案得提前想好：接口挂了显示什么、缓存能撑多久、给用户一句明确的稍后再试，而不是让人对着转圈干等。说句不客气的，纯接口站如果没做本地存储，本质上是把命交给了别人。

按行业分不是不行，别拿它当主轴

行业标签该留还是留，它决定读者怎么逛你的站。但行业标签不该是运维的抓手，因为同一篇稿子放哪个栏目，多数时候靠感觉。真正要稳的是 URL 结构：来源决定的一级目录别年年改，改一次跳转规则就得跟着改，历史收录全得重新爬一遍。有些站上线时图新鲜搞了套复杂路径，第二年想收都收不回来。路径短、层级浅、来源能一眼看出来，这三点守住就够了，剩下的交给站内搜索。

混合来源，数据库里得有个来源字段

大部分站是混着的，这很正常，也不用强行拆成几个子站。关键是每条内容入库时带一个来源类型：原创、转载、投稿、接口，四个值就够。听着像废话，可真遇上来源方要求下架、或者要给监管说明内容构成的时候，有这个字段后台筛一下就能出清单；没有的话只能一篇篇翻，翻到天亮还漏。前端顺手把来源显示出来，读者也多一分信任，一举两得的事。

下一步不用搞太复杂。找张纸，把站上内容按四种来源估个大概比例，写下每种来源最怕的那件事；再去数据库看一眼有没有来源字段，没有就加上；最后检查缓存和 CDN 规则是不是按页面类型分开配的。这三件事做完，比再开五个栏目实在得多。