TopsTip长期以来，URL结构一直是技术SEO的一个基本检查点：保持简短、使用连字符、包含关键词即可。然而，随着越来越多的用户通过AI助理和大型语言模型（如ChatGPT、Perplexity、Claude、Google的AI概览等）发现内容，这些传统方法逐渐显得不够全面。
这些系统与传统搜索爬虫不同，它们检索和合成信息的方式各异。如果你的URL架构没有考虑到这一点，你被大型语言模型引用的机会可能会减少。在新的搜索时代，我们需要将SEO基础扩展到适应AI爬虫及其处理URL的方式。
为什么AI系统以不同方式读取URL
多年来，搜索引擎开发了复杂的爬行和索引基础设施。它们可以跟随重定向、解决规范问题、解析JavaScript（有时）并从随机字符的URL中推断页面上下文。然而，AI检索系统，特别是检索增强生成（RAG）管道和连接网络的大型语言模型，通常以不同的方式工作。
一个由开发人员构建的RAG系统基本上会使用URL的数据源来提取内容——它们爬行URL，将网页内容转换为可搜索的“块”，并将其存储为数值向量以供后续检索。这种方法正在发展成为一种特定于Gemini的URL上下文定位领域。URL上下文定位的目的是帮助Gemini（以及可能的AI概览/AI模式）更好地理解和回答关于单个URL内容和数据的问题，而无需执行传统的RAG处理。
URL作为语义信号的核心原则
在AI系统中，零样本分类是一种无需特定任务训练数据就能对网页目的进行分类的技术。模型通过分析语义线索（如将URL结构视为纯文本字符串）并使用余弦相似性或基于提示的推理等方法将其映射到预定义类别。这项技术特别有助于识别钓鱼链接和其他恶意链接，仅基于其URL模式，但也说明了大型语言模型如何开始利用零样本分类仅依靠URL来推断语义相关性。
一个没有传达任何信息的URL迫使大型语言模型更费力地工作，并增加了内容分类的模糊性。实际上，当AI系统在响应中引用来源时，它通常会与摘录一起显示URL。该URL会像搜索结果一样对真实用户可见，他们会据此做出是否点击的实际决定。
实用的架构原则
使用逻辑性、浅层次的层级结构
为了让AI更容易理解和分类，URL结构应该是逻辑且层次浅显的。这不仅有助于AI系统更好地解析和存储信息，也有助于用户更容易地理解和导航。
确保每个URL段落都是可读且具有描述性的，这样不仅有助于SEO，也能提高用户体验。URL中的每个部分都应该清晰传达页面的主要内容。
URL的段落应与实际搜索意图对齐，而不仅仅是关键词。理解用户的搜索意图并在URL中体现这一点，可以提高页面在AI系统中的引用率和相关性。
在整个网站中保持类别命名的一致性。这样可以减少混乱，提高搜索和AI系统的理解能力。
避免在URL中堆砌关键词。这种做法不仅对SEO无益，而且可能对AI系统的解析产生负面影响。
通过遵循这些原则，你可以更好地适应AI时代的变化，提高内容被引用和检索的机会。
