一个搜索框有多少门学问？
一个搜索框，拆开看只有三样东西：一个图标、一行输入、一个按钮。
但把它真的做出来你会发现，这三样东西背后站着一整排学科：爬虫、分词、索引、排序、反爬、限速、备份、性能、多语言、运维、安全、合规……这不到两个月，我做的事基本上就是把这些门一门一门地补上。
丑话先说在前面：这个项目基本上是全 AI 开发的，我不会写代码。文案和删减是我自己改的，因为 AI 写东西太啰嗦、废话太多。所以下面这些事，一半是我自己想到的，一半是 AI 帮我校错的。
起因：到处都找不到，那就自己做一个
一开始我想要的特别具体：找几个个人网站。
我先去 B 站搜，没几个。又去看「博客录」那类站点收录站——说实话难用得让人看不下去，那个 UI 我是真的一眼看不过去。最后我想：国内外总有「个人网站搜索引擎」这么一个分类吧？结果翻了一围，竟然真的没有。勉强有几个，要么难用，要么连中文都不支持。
那行，我自己做一个。
第一步不是写代码，是定方案：界面上走直角、极简那一路（因为我实在受不了那种花里胡哨的目录站），再把 AI 那套「推荐位抽选」的想法揉进去。有了雏形之后，我在后台导入了那份公开列表——开头就是这样，一份别人整理好的清单，加上我自己的一个搜索框。
第一版：朋友说「竟然还行」
第一版做出来我拿给朋友看，他说了一句：「哎，竟然还行啊，你看这里面的网站都好牛逼。」
但问题马上就来了。
那会儿我对每个站只做了一件事：爬一遍、排除死链、抓个图标、把标题和描述更新到最新。所以：
- 收录量太少——翻几页就到底了，什么都搜不到；
- 搜索框基本是个摆设——它就只是拿关键词去比字符串，跟「搜索」两个字差得远。
一句话：骨架有了，但里面是空的。
转折：从友情链接开始
真正的转机特别偶然。我和朋友一起翻那些站的时候，发现了一件事：很多个人网站都有「友情链接」这一栏。
两个人当场就想到一块去了——那是不是可以做个爬虫，顺着这些友情链接自动爬，爬到的站再顺着它们的友链继续爬，像滚雪球一样滚下去？
做出来一试，收录量一下就上来了。这个方法一直用到现在，也就是今天这个爬虫的主要工作原理：从一个站出发，顺着友链把整张「人写给人」的网铺开——而不是去追那些大站。
牛马蛇神：收录一上来，麻烦也来了
友链爬虫把收录量拉起来之后，新的问题比收录量更烦：收得太杂了。
什么牛马蛇神都进来了。所以那段时间我们一直在做两件事：筛选——机器筛一遍，再人工过一遍；以及各种前端优化，尤其是手机版。
手机版那阵子我印象太深了。经常就是一个按钮怎么都放不到该在的位置上，我对着屏幕骂 AI：操你妈个逼。
主页也是重做过好几轮的。先是研究主页到底怎么摆，接着去研究 SEO 到底怎么算。说实话，现在这套排序对我来说已经变成半个黑盒了——我自己都不太清楚它是怎么运作的。
搜索：分词、索引、权重
搜索这块的优化是更后面才做的，大概是半个月到一个月之后了。因为前期都在忙着把爬虫和筛选取补好。
我记得主要就三件事：分词、索引、权重。
分词解决的是中文。英文有空格，程序知道一个词到哪儿结束；中文没有。「个人博客」四个字连在一起，程序并不知道你要的是「个人」+「博客」，还是别的什么切法。最后的解法是把中文两个字一组切开——「个人博客」切成「个人」「人博」「博客」，「博客小站」切成「博客」「客小」「小站」，只要两边都出现了「博客」，就能对上。
索引解决的是速度。同样是这套两字分组的思路，交给数据库原生去做，同一批词跑新旧两套，结果条数一模一样——摄影 2256 条、音乐 3787 条、创造力 67 条，一条不差，而单次查询从一秒多降到几毫秒。
权重的核心想法是我自己定的：相关排第一。搜索词整串出现在标题里的最靠前，其次是只出现在描述或域名里的，再按命中的词数和稀有度分。点击量和新鲜度都给封顶——它们只能在相关度差不多的时候起作用，永远翻不了盘。
这套权重具体怎么写是 AI 帮我落的代码，但「什么该排前面」是我想的。这一点对我很重要——见后面那节。
后来还补了一件事：早期只要沾上搜索词里的一小段碎片就出结果，乱打一串字也满屏东西。加了一条硬门槛——多词搜索必须命中至少两个词。改完之后「阿斯蒂芬阿斯顿」从 31 条变 0 条，而「读书笔记」「服务器」一条都没少。
还有就是我自己提出来的：我想搜一个站——给梁文峰打分的那种，名字就叫「滑动变祖器」，取自「滑动变阻器」的谐音，特别贴切。结果搜不到。
所以我顺手把错别字、谐音的处理一起做了：搜不到的时候给一行「您是不是想找」，但不替用户改——点不点，他自己决定。
顺带 那个站挺有意思：DeepSeek 之前涨价的时候，它给梁文峰打的分直接掉成了「小南梁」；最近发了 V4.1 Flash，还小降了一波价，评分又升回去了，成了「梁神」。
两次差点没的
做这个项目最惊险的都不是代码，是运维，而且两次都跟「数据只有一份」有关。
第一次：我在本地调完，顺手把整个目录传上服务器——把本地那个「模拟数据库」一起带了上去，直接覆盖掉服务器上唯一一份真数据。那次丢了十几个用户的资料，永久回不来。
第二次更离谱：我给数据库做备份，但备份文件就放在服务器自己身上。后来运营商线路坏了一整天，网站跟着死了一整天，备份和原数据一起失联。那天我什么都做不了。
第二次之后我就上了异地热备：每天自动打包，本地留几份，再自动推到另一台不同机房的机器上。数据只有一份，就等于没有。
一天三十万次的「访客」
还有一段时间，网站流量莫名其妙地爆了。我第一反应是「来人了」，甚至去把服务器升级了一档。
结果排查下来差点气笑：根本不是人，是 ChatGPT、Facebook 那些 AI 的爬虫——一天三十万次请求，每秒都在下载我站里的东西，稳定吃掉一百多 KB/s，差点把服务器干冒烟。
先上的方案是套一层 CDN，但没什么用——主要是它自带的访问量统计根本不准，我连谁在打我都看不清。最后干脆和 AI 一起自己写了一套识别 + 拒绝的东西：按用途分流——抓语料去训练的，入口直接拦；「用户让 AI 读这一页」和正常的搜索引擎，放行；只扫站做排名数据的采集器，也拦。
门面：多语言、邮件、证书，和一件还没做完的事
对外的部分一样要打磨。
多语言：中英日三套界面，每个网站的标题和简介都有三个语言版本。这里最容易出的错不是翻译，而是「键没对齐」——少配一个，页面上就会直接显示键名，所以每次改文案都要拿脚本把三套语言包对一遍。
邮件：注册验证、找回密码都要发信，所以邮件系统也得自己搭。这块的体验就是两个字：折磨。一是垃圾邮件天天往里灌；二是机房封了发信的端口，只能绕走 IPv6；三是很多老牌邮箱厂商压根不支持 IPv6 收信——现在好像只有 QQ 邮箱能收到，别的我真不知道了。
证书：有一次发现 www 开头的地址报证书不匹配——因为签证书时只签了主域名，子域一直靠前面的 CDN 遮着，直到直连才暴露出来。补签之后就正常了。
再往上，是产品层面的东西。我给收录的站做了一套质量评估，只做三件事：创造力、表现力、实用性——不输出对外分数、不给网站贴优劣标签，只用来让排序更偏「内容本身值不值得读」，而不是「谁的域名更权威」。目标只有一句话：让那些没人读过的深思，有机会被读到。
最早的版本想用「页数」衡量创造力，结果一看榜就发现：工具型、服务型的站被系统性低估了（它们本来就页面少）。后来才改过来——规模要看作者自己公开的站点地图，而不是「我爬到了多少」。还有一条现在写死在原则里：技术实现不计分。用不用框架、有没有压缩，这些在 AI 时代一句话就能生成，没有区分度；反而是一个全手写、不用框架的老站，更可能是真人在一个字一个字地写。
支撑我一直改下去的，是两次很具体的经历：一次搜「创造力」，翻到一篇讲《绝非天赋》的长书评，写得很好却几乎没人看过；另一次搜到一篇学术论文的解读，发在个人主页上，浏览量还不到一百。这类内容如果按「权威度」排，永远排不到前面；但如果按「内容本身值不值得读」排，它们其实很好。
关于 AI：它不是替我做，是把我想的放大了
最后说点我自己真正的看法。
这个项目基本是 AI 开发的——我自己是不会写代码。处理文案和删减是我自己改的，AI 写东西太啰嗦。
我不认为 AI 会让人丧失创造力。我认为 AI 是创造力的放大器。我脑子里有一个很清楚、但说不清怎么实现的东西（比如「吧这个按钮放在左边」「搜索相关永远排第一」），AI 把它变成了真的能跑的东西。没有它，这个想法大概永远只会停在一句「要是有个搜索框就好了」。
写在最后
现在这个站我自己也在用。说实话，如果拿它当主力的搜索引擎，我是不满意的——平时我要找东西，更多还是翻收藏夹、翻 B 站。
但如果只是找个人网站，那它对我来说已经非常满意了。
如果你也在做自己的东西，我的经验就一句：不用一开始就会所有门。先把它跑起来，剩下的门会自己找上门来。
欢迎来 konwk.com 搜两下——如果搜出来的东西答非所问，记得回来告诉我。