TopsTip“`html
多年来，URL结构一直是技术SEO的一个标准步骤。保持简短、使用连字符、包含关键词，这些方法虽然依然有效，但在AI助手和大语言模型（如ChatGPT、Perplexity、Claude、Google的AI概览等）日益成为内容发现渠道的今天，这种做法已经不够全面。
为什么AI系统以不同方式读取URL
传统的搜索引擎花费数十年时间开发复杂的爬虫和索引基础设施，它们可以解析JavaScript，追踪重定向，解决规范化问题，并在URL是随机字符时推断页面上下文。
相比之下，AI检索系统，尤其是检索增强生成（RAG）管道和联网的大语言模型，通常以不同的方式工作。开发者构建的RAG系统会使用URL数据源提取内容，将网页内容转换为可搜索的“块”，并将其存储为数值向量以便日后检索。
URL作为语义信号的核心原则
URL上下文定位的目标是帮助Gemini（以及AI概览/AI模式）更好地理解和回答有关单个URL内容和数据的问题，而无需传统的RAG处理。这样，LLM可以从多个URL中提取直接信息，分析多份报告并整合多个来源的信息，以生成更准确的摘要。这在理论上有助于提高AI的事实准确性并减少幻觉。
零样本分类是一种技术，能够在没有任务特定训练数据的情况下，帮助模型分类网页的目的。模型通过分析语义线索（如URL结构）并使用余弦相似性或基于提示的推理方法，将其映射到预定义类别。
实用的架构原则
使用逻辑且扁平的层次结构
在构建URL结构时，确保其逻辑性和扁平化可以帮助AI系统更容易地理解和解析内容。
让每个段落都便于人类阅读且具有描述性
URL中的每个段落都应当易于阅读，并清晰地描述页面内容，以便AI系统能更准确地推断页面的功能。
URL段与实际搜索意图对齐，而不仅仅是关键词
设计URL时，不仅要考虑关键词，还要关注用户的实际搜索意图，以便更好地服务于AI检索系统。
当AI系统在回答中引用某个来源时，通常会显示URL和摘录。这个URL对用户来说就像搜索结果一样可见，他们会根据这个URL做出是否点击的决定。
“`
