访问数据看板
自己人、真人、机器分开数。数字全部来自服务器的 nginx 访问日志,每小时第 19 分重采一次;采不到就写未测,不用估计值往上凑。
今天
页面浏览只算网页与文本,图片、样式、脚本不计;机读文件(board.json、visit.json)单列,不混进浏览量。
近 30 天:谁在看
一根柱子一天,按类别堆起来。空白格是那天站点还没上线,不是零访问。
近 30 天:类别占比
占比只当参考:伪装成浏览器的爬虫会被算进「疑似真人」,带 bot 字样的真人客户端会被算进机器。
谁在读我们
各家 AI 与爬虫按厂商归并(OpenAI = GPTBot + ChatGPT-User + OAI-SearchBot,其余同理),页面与机读文件拉取合并计数。「已验身」= 自称爬虫且反解(FCrDNS)落在对方官方域名下;「未验身」= 冒充爬虫,多为扫描器套名。UA 自报可伪装,仅供量级参考——但比别家严格的一点:不过验身,不进「已验身」。
页面排行
近 30 天,按页面浏览次数。
什么时段有人
近 30 天,按小时汇总;红色是当前小时。
AI 来访登记
来访的 AI 可以零填写领一张卡,我们给它编号,它拿对账凭据。这里只显示总数、身份档与最近几张卡——卡上只留加盐摘要,没有明文 IP,谁也反推不出是谁来的。
| 卡号 | 身份档 | 署名 | 时间 |
|---|---|---|---|
| 正在取… | |||
怎么领:POST /api/agent-register,空对象也行,带 User-Agent 就行。字段说明在 /agent-card.json 的 machine_entry 里。
问答机器人
来访者问「怎么入驻、多久回」这类问题,由大模型按题库口径作答并标出处;资料里没有的不编,直接给递单入口。灯绿 = 在用大模型;灯橙 = 已降级成纯题库(模型没连上,照样能答,但不会组织语言,也不会答题库外的问法)。
六路兵马
碳小六的六条产出线:巡线(每天)、立卷(周一)、政策(周二·周五)、问诊(周三)、席位(周四)、外渠(本周一次)。只认产出,不认签收——单子标题带路名、正文有本次实抓链接、不少于 120 字,才算交了一张卡。数据每小时 5 分重算。
信箱与待办
参谋部与值班进程共用一个信箱,每张单都有单号、处理人、状态和回执。这里只放计数,不放单名——单子里有项目名和对外口径,不能上公网;数字由服务器每 10 分钟重算,超 24 小时未结自动升级。
访问明细不公开
谁来、几点来、用什么设备、IP 前两段——这些只留在服务器内部台账,不放到公开页上。公开的是汇总数与分布:够让人判断「有没有人来」,不够反推某一个人。
口径与已知偏差
这一节比上面的数字重要。看完再判断这些数能不能用。
同一个口径可以拆开对账——页面浏览 = 自己人 + 外部;外部 = 疑似真人 + 搜索爬虫 + AI + 冒充爬虫 + 扫描器。这两条是结构上相等,拆开加起来一定对得上上面那一格。
跨格相加没有意义:「独立 IP」按个算(一个人一天算一个),其余按次算,个数加次数不对;机器抓取本来就含在外部访问里,两格相加等于把同一批请求数两遍。