做 AI 导航最难的不是收链接，而是让它每天都别变成垃圾堆做 AI 导航最难的不是收链接，而是让它每天都别变成垃圾堆我

做 AI 导航最难的不是收链接，而是让它每天都别变成垃圾堆

我以前以为做一个 AI 导航站，核心工作就是「多收录」。工具多一点，模型多一点，新闻多一点，看起来就会更有价值。

真正维护了一段时间后，我的想法变了。

AI 领域现在的问题不是信息不够，而是信息过载：昨天还在刷屏的模型，今天可能就被新版本盖过去；一个 GitHub 项目突然涨星，但点进去发现 README 都没写清楚；新闻源里混进融资、汽车、股票甚至泛科技内容，标题里带个 AI 就被误收录。

所以我最近维护 AI热榜时，越来越把它当成一个「质量工程」项目，而不是单纯的导航页。

项目地址先放这里，全文也只放这一个入口：

很多导航站最大的问题，是列表越来越长，但用户越来越不知道从哪里开始。

比如 AI 工具页，如果把 ChatGPT、Cursor、Midjourney、开源小项目、浏览器插件全部平铺在一起，确实显得很丰富，但对普通开发者并不友好。你打开页面以后，真正想问的是：

所以 AI热榜里做了一个很实用的思路：让数据有层次。

首页保留热点，工具页保留分类，Agent 页会突出 GitHub 热门项目，模型页则不再做 HuggingFace 原始列表，而是改成「精选模型榜单」。这一步很关键，因为模型页面如果只按抓取结果展示，很快就会被各种量化版、蒸馏版、魔改版、实验 checkpoint 淹没。

真正有用的模型页，应该告诉用户：现在通用模型看谁、编程模型看谁、多模态看谁、开源旗舰看谁，而不是把一堆仓库名倒给用户自己猜。

AI热榜现在的更新节奏是每 6 小时跑一轮数据流程。听起来像是一个普通定时任务，但里面真正麻烦的是「过滤」。

新闻源要判断是不是 AI 相关，不能因为某篇文章里出现了一个 AI 单词就收进来。工具和 Agent 要检查链接，GitHub 项目要看仓库是否真实存在，模型要去重，还要过滤掉明显噪音版本。

这类质量门看起来琐碎，但非常影响体验。

举个例子：如果一个新闻列表里混进几条股票快讯、汽车发布会、消费电子软文，用户不会觉得「偶尔有点杂质」，而是会立刻怀疑整个站的可信度。导航站最怕的不是少几条，而是多几条不该出现的东西。

所以我现在更愿意少收一点，也不想把页面做成信息垃圾桶。

最近一个比较大的变化，是给新闻补了站内文章系统。

以前很多 AI 新闻列表都是标题加外链。用户点一下就离开，进入英文原文、媒体页面、登录墙，或者各种加载很慢的站点。对开发者来说，这种体验并不好：你只是想快速知道今天发生了什么，不一定想立刻读完整原文。

更好的方式是：先在站内看到中文导读、核心结论、摘要提炼，最后再把原文链接放在底部。

这个变化表面看是页面跳转方式变了，本质上是信息消费方式变了。它让 AI热榜从「链接集合」往「信息整理」靠近了一步。

还有一个我最近踩得比较深的点：模型页和提供商页不能混在一起。

提供商页关注的是公司、平台、API、最近上线了哪些模型；模型页关注的是具体模型本身，哪个适合写代码，哪个适合多模态，哪个开源生态更强。

如果两个页面都只是展示一串模型名，用户会看不出差别。

所以现在 AI热榜对提供商数据做了动态增强，会参考 OpenRouter 的模型索引，提取最新模型、模型数量、更新时间、能力标签。但模型精选页会继续做人工规则和生成脚本结合的筛选，强调「值得用」而不是「刚好抓到了」。

这也是我觉得做 AI 信息站最有意思的地方：它不是简单爬虫，而是数据工程、产品判断、内容编辑的混合体。

比如 Agent 页图标缺失，看起来只是 UI 问题，但用户会下意识觉得项目维护粗糙。

比如 GitHub 星数显示成 362.093K，就会显得像没打磨过的数据面板。

比如搜索结果里的链接多拼了一个 https://，点出去就是坏的。

这些都不是大功能，却会决定一个工具是否「可信」。

所以 AI热榜里现在会更关注这些细节：图标 fallback、星数格式、静态详情页、sitemap、中文摘要、链接质量、分类顺序。它们单独看都很小，合起来才像一个真正能长期用的产品。

如果你也在做 AI 工具导航、技术资讯聚合、开源项目榜单，我现在最大的建议是：不要只追求收录数量。

更值得投入的是：

AI 信息每天都在变，真正稀缺的不是链接，而是持续整理、持续筛选、持续更新的能力。