用 Claude Code 批量生成页面，怎么做才不变成内容负债
能批量生成一千个页面，不代表该发一千个页面。分界线很清楚：每个页面有没有别处拿不到的独立信息。只换地名或型号名、正文几乎相同的页面，短期可能有量，长期是负债。做法是给生成流程加五道闸门——数据完整性、信息独立性、重复度、事实可核性、内链合理性，不过闸门的页面不允许发布，并且分批上线，每批之后看数据再决定继不继续。
能批量生成一千个页面，不代表该发一千个页面。分界线很清楚：每个页面有没有别处拿不到的独立信息。只换地名或型号名、正文几乎相同的页面，短期可能有量，长期是负债。做法是给生成流程加五道闸门——数据完整性、信息独立性、重复度、事实可核性、内链合理性，不过闸门的页面不允许发布，并且分批上线，每批之后看数据再决定继不继续。
批量生成页面这件事，技术门槛现在几乎为零。给 Claude Code 一份数据表和一个模板，一个下午生成一千个页面完全做得到。
正因为太容易，判断力才是唯一稀缺的东西。
分界线只有一句话：这个页面上有没有别处拿不到的信息。
负债这个词不是修辞。大量低信息量页面会稀释站点的整体质量信号，会占用抓取预算，会让真正有价值的页面更难被发现。而且清理起来比生成麻烦得多。
判断标准就一条：每个页面能不能回答一个别的页面回答不了的具体问题。
值得做的：
这几类的共同点：数据本身就是不同的，页面只是把已有的差异呈现出来。
不值得做的：
这几类的共同点：页面之间的差异只在标题和几个替换变量上。
把判断写成流程，就是在生成和发布之间加一道闸门。不过闸门的页面不允许发布。
生成每个页面所需的字段，有没有齐全。
比如生成规格页，如果某个型号缺了三个关键参数，这一页就不该生成——生成出来也是半成品，而半成品页面比没有页面更糟。
规则写死：必填字段缺任何一个，跳过这一页，记入待补清单。
这一页有没有至少三条只属于它的信息。
「只属于它」的意思是：这三条信息在同批其他页面里不出现。参数值不同算，场景描述不同算，注意事项不同算；只是把商品名替换了不算。
不足三条的，说明这一页没有独立存在的必要，应该合并到别的页面里去。
同批页面两两之间的正文相似度。
这一项可以直接算：把正文去掉变量部分之后做相似度比较，超过阈值的成组标出。一批页面如果大面积高相似，说明模板写得太死，要回去改模板，而不是硬发。
页面上的每个数字和结论，能不能追到源数据。
生成过程里最危险的是模型「补全」了源数据里没有的东西——你的数据表里没写功率，它写了一个看起来合理的数字。这类内容一旦规模化，就是规模化的错误信息。
规则和前面几篇一样：只能使用源数据里出现过的值，缺失就写缺失。
这一页有没有链出到相关页面，站内有没有页面链接到它。
一批孤岛页面，既不被链接也不链出，除了占位没有别的作用。生成时就应该按数据关系把内链一起建好。
---
name: page-generate
description: 基于结构化数据批量生成页面，并在发布前执行五道质量检查，不合格的页面不进入发布目录。当用户要批量生成规格页、兼容性页、对比页或问题页时使用。
argument-hint: [数据文件] [模板名]
allowed-tools: Read Write Bash(python3 *)
---
## 输入
- $0：源数据文件，每行一个页面的数据
- $1：`templates/` 下的模板
## 生成规则
- 只使用源数据里出现的值。任何字段缺失，跳过该页并记入 `pending.md`，不要推断或补全
- 每页正文必须用到至少三个该行独有的数据点
- 每页按数据关系生成 3 到 5 条站内相关链接
## 质量闸门
生成后逐项检查，全部通过才写入 `output/`，否则写入 `rejected/` 并注明原因：
1. 数据完整性：必填字段是否齐全
2. 信息独立性：是否有至少三条本页独有的信息
3. 重复度：与同批其他页面的正文相似度是否低于阈值
4. 事实可核性：每个数字能否在源数据中找到，逐一核对
5. 内链：是否已生成相关链接
## 输出
- `output/`：通过的页面
- `rejected/`：未通过的页面，每个附上未通过的原因
- `report.md`：本批统计——生成多少、通过多少、各闸门分别卡掉多少、相似度最高的五组
## 禁止动作
- 不发布，只生成到本地目录
- 不为了通过闸门而改写数据
- 通过率低于 70% 时，停下来报告，说明大概率是模板或数据源有问题
最后那条很关键。通过率低不是让它想办法把页面塞过闸门，而是一个信号：要么源数据不够，要么模板设计得不对。这时候硬发的话，就是在批量制造问题。
五道闸门能拦住结构性问题，拦不住「读起来像机器写的」。
所以还要人抽。比例上，第一批抽 20%，读顺了之后可以降到 5%。
抽查的时候只看一件事：连着读三页，是不是同一个句式在填不同的空。
如果是，问题在模板，不在个别页面。回去改模板——让每页的结构随数据变化，而不是所有页都走同一个七段式。
这一步没有捷径。批量生成里唯一不能自动化的，就是「这批东西读起来像不像人写的」这个判断。
就算全部通过了，也不要一次性发一千页。
建议的节奏：
分批的价值不只是控制风险，更重要的是它让你有数据可依据。一次全发，效果好坏你都不知道原因；分批发，你能看出哪种类型的页面有效。
发布之后，三个月内看这几个数：
如果发了三百页，收录一百页，其中只有五页有流量、零转化，那这批就是负债。正确的处理是删掉或合并，而不是再发三百页去摊薄。
删除自己发过的页面，心理上很难，但比留着更划算。
内容和流量这条线到这里结束。接下来三篇回到日常运营：补货预测、客服邮件分类、竞品监控——都是每天都在发生、最适合先自动化的活。
结论前置、事实可核、结构清楚、来源写明，这几条对普通搜索和 AI 问答同时有效，所以不用为 AI 单独做一套内容。Claude Code 在这里的价值不是替你写，而是替你查：哪些页面没有直接回答标题提出的问题、哪些缺结构化数据、哪些事实没有具体数字。为 AI 单独准备一份和用户看到的不一样的内容，是风险动作，不要做。
大部分团队用 AI 还停在翻译、写文案和生成图，AI 只参与了工作中间一小段。Claude Code 的区别在于它能读本地文件、通过 MCP 接外部数据、把流程写成 Skill 反复执行，也就是能自己动手而不只是给建议。但对外发送、改价、改库存这类动作必须留人工确认；能批量生成不等于该批量生成。建议先挑一个每周都要重复、规则写得出来、结果能验证的动作跑通，再往外扩。
作者
大阪烧鸟
大阪烧鸟，关注 AI 在跨境电商运营中的实际应用、Shopify 独立站与日本商业观察，偏爱把复杂问题拆成可执行的方法。
如果这篇内容对你有帮助，可以继续浏览 zens.osaka 的文章列表，按主题顺着看相关问题。
转载或引用请保留 zens.osaka 的原文链接与标题。
