避免 thin content：AI 主题长文的厚度下限与自检命令

为什么你的文章'已发现但未编入索引'？大概率是 thin content。本文给出 AI 主题长文的五条厚度下限、结构模板，以及三条可直接复制的自检命令。

TL;DR

thin content（内容稀薄页）是 Google '已发现但未编入索引' 状态的最常见根因：页面被抓取但不进索引，流量为零。本文给出 AI 主题长文的五条厚度下限——正文 ≥2000 字、H2 ≥5、教程文代码块 ≥3（注明语言）、对比文表格 ≥1、FAQ ≥5 条——以及 <main> 纯文本字数统计、H2 计数等可复制的自检命令。核心原则：字数不是目标，信息密度才是；表格是 AI 摘要引擎最常引用的形式，首段直接定义是 GEO 的第一抓手。

thin content（内容稀薄页）指对用户缺乏独立价值的页面——内容过短、模板化、缺少结构化信息（无表格、无代码、无数据）。Google 通常将其排除在索引之外（GSC 中表现为'已发现-尚未编入索引'），AI 摘要引擎也会降低对它的引用优先级。

操作步骤

构建站点
pnpm build 生成最终 HTML——自检的对象是构建产物而非 Markdown 源文件，导航与页脚的字数不会计入。
统计 main 纯文本字数
用第 3 节的 python 命令统计 <main> 内纯文本字数，确认 ≥2000；不足先补真实内容，而不是拉长句子。
统计 H2 与结构化元素
grep 统计 H2 数量（≥5）；教程文再查注明语言的代码块（≥3），对比文查表格行（≥1）。
不达标不提交
任何一项低于下限，回到正文补数据、案例与对比，重建后重跑本流程，全过再进入发布清单。

thin content（内容稀薄页）指对用户缺乏独立价值的页面——内容过短、模板化、缺少结构化信息。它是 Google Search Console 里"已发现-尚未编入索引"状态的最常见根因：页面被 Googlebot 发现并抓取，但因为价值不足被排除在索引之外，表现为零曝光、零流量。本文给出 GPTMap 编辑部在 AI 主题长文上使用的厚度下限与结构标准，以及三条可直接复制的自检命令——写完一篇文章、准备发布之前，先跑一遍。

1. thin content 是什么，Google 怎么处理它

Google 的官方立场是不给"对用户缺乏独立价值"的页面排名。Search Essentials 与"创建实用、可靠、以用户为中心的内容"指南给出的判断维度包括：内容是否有原创信息与洞察、是否有明确的主题聚焦、是否由懂行的人创作、页面是否主要为了搜索引擎而非读者而拼凑。

thin content 在实践中有三种典型形态：

过短：千字以内、只把问题复述了一遍就结束。
模板化：每个 H2 下都是"明确目标：先定义完成的标准"这类占位句子——字数够了，信息量为零。
聚合空壳：只有链接列表、没有摘要与对比的标签页 / 目录页。

Google 的处理不是罚款而是降权：这些页面通常停在"已发现-尚未编入索引"或"已抓取-尚未编入索引"状态。这个状态的危险之处在于它不报错——文章看起来正常发布了，只是永远没有流量。

2. 五条厚度下限

GPTMap 编辑部在发布清单里执行的下限如下。它们不是 Google 的官方数字（Google 从不公布阈值），而是从真实翻车案例里提炼的经验值：

维度	下限	说明
`<main>` 纯文本字数	≥ 2000 字	用第 3 节的命令统计，别用全文 HTML 字数（导航和页脚会虚增）
H2 数量	≥ 5	一篇文章至少要有五个真正展开的小节
代码块（教程 / 技术文）	≥ 3，且注明语言	每个围栏开头紧跟语言名（如 python、typescript）
表格（对比 / 选型文）	≥ 1	对比文没有表格基本等于没写
FAQ	≥ 5 条	同时进正文 FAQ 区和 FAQPage 结构化数据

两条使用说明：第一，这些下限是"不达标大概率翻车"的门槛，不是"达标必然收录"的保证——内容质量永远在阈值之上；第二，不同文种侧重不同，教程文盯代码块、对比文盯表格，但字数与 H2 是所有文种的公共下限。

3. 如何自检：三条可复制命令

构建产物是最终真相——检查构建出来的 HTML，而不是 Markdown 源文件。

统计 <main> 纯文本字数（先 pnpm build，把 <slug> 换成文章 slug）：

python3 -c "import re; h=open('apps/web/.next/server/app/zh/posts/<slug>.html',encoding='utf-8').read(); t=re.sub(r'<script[\s\S]*?</script>','',h); t=re.sub(r'<style[\s\S]*?</style>','',t); m=re.search(r'<main[^>]*>(.*?)</main>',t,re.S); print(len(re.sub(r'\s+',' ',re.sub(r'<[^>]+>',' ',m.group(1))).strip()))"

这条命令剥掉 script 与 style，只取 <main> 内的文本，再压缩空白后计数。之所以不用全文 HTML：导航、页脚、侧栏的字数会制造达标假象。

统计 H2 数量（对 Markdown 源文件）：

grep -c '^## ' apps/web/content/posts/<slug>.zh.md

统计注明语言的代码块与表格行（教程文看前者，对比文看后者）：

grep -c '^```[a-z]' apps/web/content/posts/<slug>.zh.md
grep -c '^\|' apps/web/content/posts/<slug>.zh.md

四条命令全部过线再提交。任何一条不达标，回去补内容——补真实的数据、案例和对比，而不是把句子拉长。

4. 结构模板：定义 → 分节 → 表格 → FAQ

4.1 首段直接定义（GEO 第一抓手）

第一段必须包含"X 是……"的直接定义，与 frontmatter 的 definition 字段互相呼应。AI 摘要引擎（ChatGPT、Perplexity 及各类 AI 搜索）在组织回答时，优先从文章开头搬运结构化定义句。一个可被原样搬走的定义，比三段铺垫更有引用价值。

4.2 对比文：表格是 AI 最爱的形式

对比、选型类文章必须用 markdown 表格承载核心结论：模型名、价格、上下文长度、适用场景各占一列。表格对 AI 引擎的意义在于结构对齐——它可以整行整列地引用而不需要重新组织语言。同时给表格配上"怎么选"的决策段落，让表格有解读、不是孤数据。

4.3 教程文：step 化 + howTo 结构化数据

教程类文章把操作拆成明确的步骤序列，并在 frontmatter 里加 howTo 字段（name + description + steps，每步 name + text）。前端会渲染 HowTo JSON-LD，这是 Google 富结果里步骤展示的入口。代码块逐个注明语言，命令行示例给出预期输出。

4.4 FAQ：自问自答覆盖长尾

把用户真实会问的问题写进 frontmatter 的 faqs（≥5 条），正文里再以"常见问题"区完整呈现一遍。FAQ 覆盖的是搜索长尾与 AI 对话里的追问场景——很多用户的问题不会精确命中标题，但会精确命中 FAQ。

5. 三个常见反模式

占位文字充字数。"明确目标：先定义完成的标准""注意验证结果"这类句子在任何主题下都成立，因此不构成信息增量。自检方法很简单：逐节问"删掉这节，读者损失了什么？"答不上来就删或重写。

聚合空壳页。标签页、目录页如果只有链接列表，就是典型的 thin 页型。要么给每条被聚合的内容写一句独立摘要并提供筛选逻辑，要么 noindex。GPTMap 的频道页之所以能收录，是因为每个频道有独立的 summary、topics 与文章计数，而不是裸列表。

与站内已有文章高度同质。同一主题写第三篇时，如果核心结论与既有文章重合度过高，Google 可能只收录其中一篇，其余进入"重复内容"判定。解法不是 noindex，而是给新文章一个真正不同的切面——不同受众、不同深度、不同决策场景——并在文间互相内链。

6. 与 GEO 的关系：双重惩罚

thin content 在 AI 搜索时代的代价是双份的。搜索引擎侧是前面说的不收录；AI 摘要引擎侧则更隐蔽：即使页面被索引，稀薄的内容也提取不出可搬运的结构化片段——没有表格可引、没有定义可搬、没有数字可复述——于是永远不会出现在 AI 的回答里。反过来，一篇厚度达标、结构清晰的文章，同一份内容同时服务 SEO 与 GEO：这就是 /llms.txt 这类面向 LLM 的内容标准的出发点——把结构化、可引用当作一等公民。