rss feed 规模扩大后哪些环节该停止手工：保留、改写与退出的取舍
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /6e8f55e2bd8e.html
📄
rss feed 规模扩大后哪些环节该停止手工：保留、改写与退出的取舍
当站点从几十个页面扩到成百上千个可订阅条目时，最该停止手工做的不是“写内容”，而是那些每次都要人眼确认、却几乎不产生新判断的重复动作：手工维护订阅源文件、逐条核对条目是否重复、逐页检查抓取反馈。保留手工的只有需要判断力且出错代价高的环节，比如决定哪些栏目值得出现在订阅源里。缺少完整抓取数据或后台权限时，最小动作是先固定一份订阅源清单和条目命名规则，再谈自动化；这只能让后续比较有共同基准，不能证明抓取或收录已经改善。
手工维护订阅源文件，什么时候必须退出
判断标准不是页面数量本身，而是“同一动作是否重复到无法逐条复核”。假设一个站点有 300 个可订阅条目，每次发布后都手工往一个静态 <channel> 里加 <item>，那么漏加、错序、链接写错会随着条目增加而累积，而人工核对全部条目的成本也在上升。此时适合退出纯手工，改为由内容系统按固定模板生成订阅源。
但退出有前提：条目字段必须已经稳定，比如标题、链接、发布时间、摘要的取值来源明确。如果字段还在频繁改，自动化只是把混乱固化。一个可执行动作是：先抽 20 条做一次字段对照，确认每条都能从同一来源取到值；若不能，先解决字段来源，再自动化。这个动作的结果决定下一步是继续整理字段，还是可以进入生成流程。
逐条核对重复与失效，哪些可以改写为抽样
重复条目和失效链接的检查，在规模小时可以逐条看，规模大后应改为规则加抽样。适用规则检查的前提是链接格式、命名方式有规律，例如同一栏目使用固定路径前缀；没有规律时，规则会大量误报，反而增加人工负担。
可以把工作拆成两层：
- 规则层：检查空标题、空链接、明显重复的链接。这些不需要人判断，适合自动跑。
- 抽样层：每次从新增条目里抽一小批，人工确认摘要是否偏离原文、分类是否放错。抽样用于发现规则覆盖不到的问题，不用于给出整体质量结论。
需要说明的是，抽样没发现问题，不能推出订阅源整体没有问题；它只说明这一批样本在检查项上没有异常。若抽样连续多次发现同类错误，才值得回头修改规则或字段来源。
抓取与索引反馈，为什么不能只靠手工盯
抓取、索引、排名是不同环节，手工盯其中一项很容易得出错误结论。比如发现订阅源请求量下降，有人会立刻认为是内容质量变差；但更合理的解释还包括抓取频率正常波动、订阅源地址调整、抓取集中在其他路径。没有完整日志或权限时，无法区分这些原因。
缺少数据时仍可执行的最小动作是：记录订阅源地址、最近一次确认可访问的时间、以及条目更新的大致节奏，形成一份可核对的观察记录。它的作用是让后续变化有对照，而不是证明处理正确。请求量或抓取量归零，也不能单独作为“必须重做订阅源”的证据，还要看地址是否仍可访问、内容是否仍在更新。
保留手工的三种情况，以及退出的边界
不是所有手工都该停止。以下情况适合保留人工判断：
- 决定订阅源收录范围。哪些栏目进入订阅源、哪些只留在站内，这涉及内容策略，规则难以完全替代。
- 处理异常条目。当自动检查报出可疑条目时，由人确认是误报还是真实问题。
- 调整订阅源结构。栏目合并、拆分、命名变化会影响长期可维护性，需要一次性判断。
退出的边界可以这样划：如果一个动作每次的判断标准都一样、结果可以直接从已有字段推出，就适合退出手工；如果每次都要结合业务意图权衡，就保留人工，但把执行交给流程。这样做的结果是，人力从重复核对转向少数关键判断，下一步才可能谈扩大订阅源覆盖范围。
一个注明假设的短例子
假设某站点有 500 个可订阅条目，编辑每天手工检查新增条目是否重复。若改为规则检查加每周抽样 30 条，编辑每周节省的核对时间可用于确认字段来源是否稳定。这里节省的时间是假设的说明方式，不是真实收益承诺。能推出的结论只是：在字段来源稳定的前提下，规则加抽样比逐条核对更可持续；不能推出订阅量、抓取量或排名会因此变化。
