每天 500 个垃圾提交怎么挡住的：我的导航站反垃圾五层方案和 7 条自动检测规则

我这个导航站开放用户提交网址，功能上线第一天我就知道会出事——但我没想到是那种事。

2024 年 3 月，一个分类页「AI 工具」在 48 小时里从 34 条涨到 612 条。我点进去一看，混着博彩、色情、仿牌购物、卖发票的，还有一个页面在教人怎么去俄罗斯买枪。我当天就把这个分类页下线了，删数据用了大半天。

更糟的是这只是一个分类。打开后台的提交日志，我看到全站每天的提交量在 400-600 之间，其中真正有效的可能只有 30 条。也就是说我的系统每天要处理 500 个垃圾提交，处理成本包括：数据库膨胀、页面被抓取后拉低全站质量、可能的合规风险、以及最要命的——我人工审核的时间。

这篇文章讲我最后怎么把每天 500 个垃圾提交压到 40 个以内的。核心思路一句话：不要在「收到之后」做判断，要在「接收之前」就挡住大部分，并且让提交成本高于垃圾站的批量提交收益。

第一层：把「提交入口」本身变成一道门槛

最初的版本是一个简单表单：网址 + 名称 + 分类 + 描述，任何人可提交，提交即入审核队列。这个设计对正常用户很友好，对垃圾站是完美的批量工具——他们可以用脚本每小时提交 200 条。

我做的改动，按见效顺序排：

• 必须登录才能提交。这一条直接把日提交量从 520 降到 210。原理很直白：垃圾站需要的是无摩擦的批量提交，一旦要注册账号，他们的成本就上去了。这一条是我做过的最有效的单一改动，没有之一。
• 去掉「描述」必填，改成选填。有意思的反效果：描述改成选填之后，日提交量又涨了 60%。原因是有个专门做「提交任务」的站点，会在描述里塞外链骗审核员点击。改成选填后，那些描述里的外链没有价值了，那类提交就消失了。这是我第一次遇到「减少功能反而更安全」的情况。
• 提交频次限制：同一账号每天最多 3 条，每周最多 12 条。超了直接返回错误。这个阈值我调过两次，从 5 条降到 3 条，再到现在的 3 条——理由是真实用户很少一次性提交多条（我自己测过，我这种对工具狂热的用户，一周也就提交 5-8 条）。

第二层：新提交进「隔离区」，不进正式库

这是整个方案里最重要的架构改动。原来是提交 → 直接入库 → 标记待审核。现在改成：

提交 → 隔离表（staging）→ 自动检测 → 达标才进正式表

隔离表是独立的数据库表，站前台完全不读它。这样做的直接好处是：即使有 500 条垃圾提交进入隔离区，用户看到的页面依然干净，搜索引擎抓到的页面也依然干净。数据库和前台之间隔了一层，风险从「前台被污染」降级成「后台有脏数据」。

隔离期我设的是 72 小时。这期间新提交的网址对前台和爬虫都不可见。

第三层：自动检测的 7 条规则和它们的实际阈值

隔离区里的每条提交，会跑一遍下面的规则。全部参数是我自己调出来的，不是抄的：

• 域名年龄与历史。新注册的域名（WHOIS 创建时间 < 30 天）直接判为高风险。我加了 60 天的阈值，误杀率在可接受范围内。
• 域名黑名单。接入现成的域名信誉库，覆盖博彩、色情、仿冒品牌三类。这一条拦掉了我 90% 的博彩类提交。
• 外链数量。检测目标页面里指向其他域名的可点击链接数量，超过 8 个直接拒（正常工具页几乎不会有 8 个外链，但垃圾推广页标配 20-50 个）。
• 页面内容质量：抓取目标页，提取正文少于 80 个字符的直接拒。这一条专杀那种只有一张图 + 一个下载按钮的页面。
• 关键词堆砌：页面的 title + meta + h1 里同一个词出现超过 4 次，判为优化过度。
• 标题党模式：用正则匹配「日赚|X天变现|全网最|免费领取」这类词，直接进黑名单。这条规则我用得最爽。
• 已有收录：如果目标域名在搜索引擎里没有收录，直接拒。理由是导航站不该收录一个连搜索引擎都不收录的站。这一条误杀了几个刚上线的小工具站，我后来把规则放宽为「有收录 OR 域名有 ICP 备案」。

这7 条里，最有效的三条是：域名黑名单（拦掉 42%）、外链数量（拦掉 21%）、标题党正则（拦掉 16%）。三条加起来拦掉接近 80%。

剩下的进隔离区等人工审核。我的人工审核量从每天 520 条降到 90 条左右，这90 条里大部分是「不确定」而不是「明确的垃圾」，所以审核时间从每天 2 小时降到 25 分钟。

第四层：给审核通过的用户「反滥用」的激励

这一层是我做完前面几层之后才想到的。逻辑很简单：如果「提交并审核通过」这个行为对用户有价值，那用户就有动力去做得更认真，因为垃圾提交的成本也随之上升。

我的设计：

• 审核通过的提交会给提交者 +15 积分（积分能换什么另说，反正是个正反馈）
• 被拒绝的提交 -5 积分，积分低于 -30 的账号提交权限冻结，需要申诉
• 一个月内提交 20 条以上且全部通过的用户，直接进「可信提交者」名单，提交后免人工审核，7 小时内自动上线

效果超出预期。我把「免审核」这个权限开放给 23 个用户之后，这 23 个人贡献了全站 34% 的提交量，而且因为有积分激励，他们会主动去劝阻自己朋友别乱提交（我收到过两次这类留言，都是「我朋友拉了个博彩站被我拦住了」）。

另外还有个副作用：为了拿积分，有用户开始补充目标站的中文说明。这批由站点老用户写的说明，比我自己写的好得多，因为他们的措辞更接近真实用户的语言。我挑了其中 40 多条直接用在了分类页的描述区。

第五层：把「审核通过」变成稀缺资源

最后一层最简单粗暴，但效果最直接：给每个分类页设置收录上限。

规则是：每个分类页最多保留 150 条，超出之后新提交的进入排队，不自动上线，站长每周人工挑 10-15 条加入。

为什么这个上限这么重要？因为它把「无限提交」的收益变成了零。垃圾站的商业模式是「大量铺页面等被收录」，如果一个分类页最多只有 150 条且满了就不收，那铺 600 条和铺 10 条的成本是一样的 pointless。这是让「垃圾站的自动化脚本失效」的根本手段——不是拦它，是让它没有收益。

上限也带来了额外的好处：分类页不会因为条目太多变成一个巨大的低质列表页。150 条配 8 个二级分组，页面长度控制在 6000 字左右，用户体验反而变好了。

现在的实际数据与遗留问题

方案上线一年后的实测数字：

• 日均提交请求：从 520 降到 78
• 日均进入隔离区：78 条
• 自动规则拦截率：约 51%（40 条/天）
• 人工审核通过率：约 44%（20 条/天）
• 分类页污染事件：从 2024 年 3 月那次的 1次/月，降到 0 次（一年多没再出过一次博彩类上架）
• 我的日常投入：从每天 2 小时降到每天 25 分钟

遗留问题也很明确，我还没解决：

第一，账号复用。现在垃圾站开始用小号矩阵，注册时每个号只提交一条。我加了邮箱域名黑名单（拒绝 gmail.com、outlook.com、qq.com 等公共邮箱作为注册邮箱），把日提交量又压到 43 条，但这种对抗会一直升级，不可能一劳永逸。

第二，AI 生成的合规页面。现在的垃圾提交里有相当一部分是那些「用 AI 生成的无害内容站」——内容通顺、域名干净、外链不多，只是完全没有价值。这类站目前只能靠人工审核识别，一条约 40 秒。找到自动区分方法是目前我最难的一个问题。

第三，优先级倒挂。我的人工审核队列是先进先出的，所以老用户提交的优质内容可能排在垃圾提交后面。这个问题很蠢但就是一直没改，我在纠结要不要改成「可信提交者优先 + 时长加权」的混合队列。

回过头看，这套方案的核心其实不是那些规则，是三个判断：降低提交摩擦的同时引入身份成本、让内容在前台可见之前先过一道自动化、以及用配额上限消灭垃圾站的收益模型。技术手段是次要的，判断才是主要的。如果你正在做开放提交，第一件事应该是想清楚「我愿意为提交这个动作增加多少摩擦」，这个数字定了，剩下的方案自己就浮出来了。