旧文迁移前的主题去重清单

把几个平台的旧文摊到一张表上，很容易看到一个被平台结构掩盖的事实：同一主题你可能写过三四遍，只是分别发在不同地方、用了不同标题。单看每一篇都成立，放进同一个站点，它们立刻变成彼此的竞争者。

这种竞争在原平台上不明显。平台有聚合页和权重分配，同主题的多篇内容会被收拢到同一个入口下。自建站没有这层缓冲，每篇文章都是独立入口，主题重叠直接表现为流量分流：几篇文章争同一批搜索词，谁也排不上去。等搬完再发现，返工成本已经翻倍。

聚类要在动文件之前做

给每篇旧文打一个粗粒度的主题标签，不看平台，也不看发布时间。标签的粒度控制在一个能独立成栏目的概念上，太细会把本可以合并的文章拆散，太粗又会把无关内容捆在一起。同一标签下出现两篇以上，全部进入合并候选，先不动文件，只做标记。

这张表里还需要两列：结论是否仍然成立，以及哪些事实会随外部条件变化。它们决定后续是合并、更新，还是放弃。

三种重复要分开处理

• 论点相同、论据不同：合并成一篇，保留互补的例证，删掉重复论证。
• 论点相同、结论依赖外部条件：以最新一版为底稿，旧文只保留历史脉络，并标注写作时间。
• 单篇内部混了两个主题：先拆再归栏。硬塞进任一栏目，都会在同一栏目里制造新的重复。

第三种最容易被忽略。迁移时按标题归类，往往会把一篇跨主题的文章放进错误的栏目，读者读到一半发现话题断了，站内的主题结构也跟着模糊。

一个主题只留一个入口

每个主题选内容最完整的一篇作为主文，其余重写后并入，或降为主文里的一个章节。完成后逐项核对：站内是否还能搜到同一主题的两个独立入口；正文内链是否都指向主文；涉及平台规则、工具版本、价格这类会变的事实，是否已经更新，或者明确交代了写作时间。

去重清单的价值不在于删掉多少篇，而在于迁移后的文章池有清晰结构。留下的文章数量可能远少于预期，被合并或放弃的甚至接近留下的两倍，但每一篇都有明确位置，不会互相拆台。这道工序放在搬运之前，多花一周；放在搬运之后，就是几个月的返工。