[AiPie] AI对接CMS发文的采集标题(清洗数据)方法

01.前提概要

之前一直都是在做SEO的有关工作，所以呢也积累了一些经验，这次开发AiPie(一款利用AI生成文章内容并发布到CMS的工具 官网直接百度 AIPIE )也非常荣幸的为百来个客户提供技术和服务，看着大家天天在群里说的一些收录慢，没有方向等问题，这里就和大家分享一下，我自己的 SEO优化心得，我们从浅到深，尽可能的用大白话的形式，将这个清洗数据的方法告诉大家，希望对大家的后续发文工作提供一些方向，我的个人理念更多的是喜欢和大家一起进步和成长，我也是一名站长，能够感同身受一些问题，在您购买AiPie的同时，我更希望能够把一些技巧给到大家，让大家更明白工具的意义和正确使用的方向。大家都知道，采集在AI出来之前一直是网站发文保持活性的首选方案，但是也滋生了很多问题，常见的有以下的问题：

百度把你K了，原因是文章过于相似，你可能是采集站

作者把你告了，原因是人家文章有版权

使劲造文章，反而权重收录不动声色，原因是爬虫直接忽略了，干的活儿跟你毛关系没有

当然还有很多类似的案例，就不举例说明了，做SEO的人都知道，排名好的基础就是词非常重要，那么词又是什么呢？在TDK中，可以是K(keywords)，也就是关键词，但是这个索引只能定义你的站点属性，并不能让你脱颖而出，人家在搜索中找到你，要想做“出头鸟”，其实你更应该在意你的文章标题，大部分站的词量，收录和权重都是和文章标题息息相关的，这里有兴趣可以去延伸下百度的算法，这里就不展开说了，百度和其他搜索引擎说的天花乱坠，其实多半是从你的页面的title入手的，也就是文章的关键词，相信大家现在见到的CMS大部分都会在发文章的地方单独出了一个关键词和描述的板块，可以针对单文章做优化SEO的工作，可见它的重要性，因此把我标题质量是非常关键的！

02.获得标题

如果大家阅读过AiPie的其他说明文档，相信你也知道有哪些渠道可以来制作标题，这里就介绍几种比较常见的，也会给大家说推荐的，常用的获取方案：

通过AI生成，特点是非常综合全面，缺点是涵盖不全，标题太过于客观

通过采集人家的标题，特点是速度快，得来全不费功夫，缺点是可能暗藏比较有标志性的标题和时效性标题

通过5118等工具抓长尾词或者百度下拉词制作标题，优点是关键词命中率高，缺点是一般人组合效果不理想和生成效果可能牛头不对马嘴，反而可能达不到理想目标

通过混合标题，比如双标题等增加关键词的接触面，优点是关键词命中率高，缺点是百度已经明显打击该类作弊手法了

等等其他方法

这里面我们最推崇的是通过AI生成标题作为辅助，主要还是采集别人的标题为主，前提是做好数据清洗，因为在上述的方式中，只有采集标题看来能够比较中和

03.如何高效采集标题

这里其实采集方法非常多，什么火车头，蓝天采集器或者付费插件之类的，非常多，但是都是标题文章全部一把抓的情况，我们这里使用AiPie辅助AI生成文案的话，就只需要标题即可，因此我这里推荐八爪鱼采集器，你能够非常灵活的配置，可视化抓取标题，同时上手难度低，非常友好，免费版也够用。

说到高效，讲究效率的事情的话，我们还是不得不说一些大型的站点，比如我的网站 是科技类属性的，大部分应该包含的是科技属性的文章，标题也就随即为开发语言，编程类和科技新闻类挂钩，要说这一类其实也是非常好做的，大型网站非常之多，比如什么CSDN啊，或者博客园，PHP中文网，脚本之家啊都可以，甚至很多小博客也是分享技术类的文章居多，那么这就是我们的采集方向了，资源确定好了，就可以动手了。

04.清洗规则，做个优雅的“小偷”

说是互联网小偷，确实自嘲，不够也不为过，能够为我所用，其实就是合理利用资源，也是一种能力的体现，所以做事情优雅起来，态度就要端正，心急吃不了热豆腐，做站做SEO同样是这个道理，你想要挤进前面的赛道，你要是没有啥过人的技巧就好好听我讲后面的，如何禅定的做标题清洗，一定程度上对你的SEO提升非常之重要。

其实我在群里也日常会分享一些心得，因为怕丢失，所以才又煞费苦心为大家整理成册，写到这里，也是激励大家，做个优雅的互联网“小偷”，偷的是标题，洗的也就是标题。

做好清洗首先要给大家讲明白几个概念问题：

首先AiPie目前支持的OpenAI的GPT3/3.5训练数据都比较老旧，虽说目前也是AI界顶尖，但是他对2023年的事情可谓一概不知，所以具有时效性的标题不要，比如说什么"2023年6月7日北京天气预报"，这种生成的比说多离谱，至少AI是在胡编乱造，更不要去写什么时政，敏感新闻，突发事件作为标题去吸引流量，还是劝各位不要把自己害了，这种擦边，现在让你过，你也活不久。

其次对于具有特殊性的标题，比如“2022年fiime站点运行日志记录”或者是“我的java学习笔记(一)”之类的，这种标题只针对特定站点有效或者是标题含糊不利于生成文章的，建议丢弃，由于AiPie目前还受到token的长度限制，因此一定要注意这种标题，过于宏观，也说不全面的标题，文章不会好到哪里去。如果你不在意文章质量当我没说。

最后说一种标题过长的，比如说：“python抓取网站提示错误ssl.SSLCertVerificationError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: self signed certificate in certificate chain (_ssl.c:1056)”这个问题确实看起来非常具体，但是实际AI生成的文章中，他不一定知道这个问题，或者生成内容根本不相关，这就需要搜索引擎的概念了，虽然说关键词越多，搜索到的内容越具体，但是对于我们来说不是这样的，标题越长，第一个显示不美观，第二个范围过于具体，被匹配的概率降低，这种情况建议对标题做精简或者做换行，转换成两个标题来使用

关键字词的清洗规范，这里给大家整理了一些常见的字词陷阱，不要拔下来就一股脑发 ，有的玩意儿不适合做标题 或者根本效果不太好，一般常见的清洗范围如下：

原创 转载 转发 转 笔记 翻译 周报 年报 日志 月报 新闻词 站点词 时效词 政治词 头条词(非必要不采集) 特殊字符 括号词 章节词 还有一些常见口水话 擦边词等

举个例子，可以看下，反正根据实际情况一定要做好清洗

05.为什么要清洗这些词

我特意把为什么写到最后面，也是给大家留一个思考空间，上述整理了一些典型，包括什么“转载”“译文”等字眼对于蜘蛛来说你这就此地无银三百两，告诉他我不是原创的，我是转载的，你看着办吧！不要不重视这些细节，细节决定人家就排在你前面。

第二个文章标题的质量决定AI文章的质量，标题的具体和完整，决定返回文章的精致与严谨，AI的一切智能并不是AI才是主人，而是我们要学会利用AI来做SEO，主导地位从来也没有变过，所以大家一定不要过于依赖，还是需要有个人思考能力。踢掉那些非关键，过于口水的，毫无意义的，可能虚假的，擦边不安全的，具有不确性的东西噶了，留下的才是精华，这才是提升网站收录的关键。

06.AI文章最近会被K么

大家最近在使用AiPie也在问我这个问题，“百度现在都在处理算法了，低于2000字的文章不收录？”“是不是AI文章现在要降权啊”，针对这个问题可能和某些资本有关，这里不具体指谁，毕竟我不卖网站，所以我只能告诉大家一个现实， 之所以有人会散布消息说K你 是因为某些人的站单价被你们拉低了 之前卖4k 现在2k都可能卖不出去了 哈哈哈，当然你说百度没有针对AI文章的算法么？真的不管么？那也肯定不是，只能说，文章质量上去了，排版美观了，文案科学具体，不具有更多AI特征，那不就是原创么？百度奈你何？ 总的来说 百度不会平白无故给你涨权重 你都不发文章了 人家在偷偷发 吃亏的只会是你

07.AiPie支持程度

目前AiPie支持了市面上大部分CMS，可以实现全自动24小时发布 支持大模型

[1]Openai [2]谷歌bard [3]ollama本地大模型

[4]kimi [5]360智脑 [6]讯飞星火大模型

[7]百度ERNIE [8]百川AI [9]商汤大模型

[10]昆仑天工AI [11]零一万物 [12]MiniMaxAI

[13]智谱AI [14]紫东太初maasAI [15]阿里云通义千问

[16]DeepseekAI [17]火山引擎豆包 [18]TigerBotAI

[19]腾讯混元大模型 [20]孟子大模型 [21]元象通用大模型

[22]Jan本地AI大模型 [23]LlamaFamily

支持CMS

[1]WellCMS [2]MySQL数据库 [3]Local本地化 [4]DedeCMS

[5]DiscuzX|DiscuzQ [6]WordPress [7]极致CMS [8]ModStar

[9]Emlog [10]Typecho [11]PHPCMS [12]PbootCMS

[13]Zblog [14]EyouCMS [15]迅睿CMS [16]帝国CMS

[17]Halo [18]Ghost [19]接定制

支持插件

[1]dtitle双标题生成器 [2]Longs长尾词扩写 [3]多平台发布(tasks)

[4]ai2word AI伪原创 [5]translate AI翻译 [6]《Nature》风格润色

[7]小红书语料 [8]titletool标题生成 [9]txt_cms转发插件

[10]百度文本安全AI审核