现有 AI 内链优化方案的局限性
此前曾探讨利用 AI 进行内部链接优化的实验，但发现当前市面上的开源技能（Skill）存在显著弊端。最典型的问题在于全局扫描机制：当 AI 试图扫描站点地图以梳理内链关系时，往往受限于网络环境或对话上下文长度，无法完整消化全站信息。对于链接数量庞大的网站，这种全局扫描极易导致抓取流程中断或数据遗漏。
此外，现有方案缺乏结果持久化能力。每次执行优化任务时，AI 均需重新扫描和分析，无法复用历史数据，导致效率低下且资源浪费。
借鉴 Link Whisper 的传统逻辑
针对上述痛点，方案设计摒弃了纯全局扫描模式，转而借鉴 WordPress 插件 Link Whisper 的成熟逻辑。该插件的核心工作流程分为两步：
- 建立内容与关键词的绑定关系；
- 基于关键词搜索定位，自动执行内部链接优化。
具体而言，发布文章 A 后，在系统中建立"A 文章 -A 关键词”的映射。当后续发布文章 B 且文中出现该关键词时，系统会自动将关键词锚文本指向文章 A。这种机制以极低的维护成本，实现了全站内链结构的自动化管理。
AI 驱动的内链优化新方案
基于此思路，本周构建了全新的 AI 内链优化流程：引入谷歌表格（Google Sheets）作为核心数据库，存储“链接 - 关键词”的对应关系，并定制专属 Skill 让 AI 接管表格管理与全站内链构建。
得益于 AI 智能体（Agent）与计算机操作（Computer Use）技术的进步，该流程已实现约 90% 的自动化。剩余环节主要依赖人工审核，重点把控 AI 的执行质量与信息提取准确度。目前初版流程已跑通，虽需在后续使用中持续迭代完善，但整体技术方向已明确可行。
