我之前分享过自己做网站内链的一些思路，总结起来其实很简单。
首先将网站的 GSC 出词数据全部收集起来，然后将页面上的文案内容全部整理下来，将这两份数据放到 Excel 表格中。
然后再使用公式，去标记这些内容在哪些文案中出现过。对于那些出现过的关键词，再自己去人工核查一下，并顺便去做一条内部链接。
当然过程中得遵循内链的一些基本原则，像一个关键词最好只对应一个页面，避免出现「一对多」这种情况。
其实这套模式我自己是一直有在工作环境中使用的，但是最近我想把这套体系升级一下，将 AI 的能力引进来，实现更方便，或者说更全面的内链创建。
至于升级的点，主要还是为了优化现有这套方案的弊端。
比如现在这套方案，如果 GSC 报表里没有出词，那这套体系就没办法使用。但是你我都知道，在网站搭建初期，肯定是有一些关键词适合做内部链接的。
其次就是 GSC 的出词毕竟有限度，如果我们有意图引导 GSC 出词，还是有必要去做一些前期的“埋词”操作。
正是基于上面的几点不足吧，所以我下一步打算在现有基础上升级下，自己在用的这套内链方案。
比如将两部分数据整理完后，全部扔给 AI，让 AI 工具给出相应的关键词建议，或者是相关关键词变体建议。甚至可以的话，直接让 AI 给我详细的内链操作步骤。
其实新升级的这些思路，实际操作起来并不难。但可能存在一个比较尴尬的点，就是当内容足够大之后，相应的 AI 模型消化不过来。
甚至，当投喂的内容量足够多时，相应模型的 API 成本也会蹭蹭蹭往上升。
所以这几天也一直在思考更敏捷的一些方案，可能的话在本地机器上部署个开源的 AI 模型跑起来，试试具体操作后看看实际效果。
甚至我在考虑要不要将这套模式，做得更自动一些，抛弃之前使用的 Excel 方案，转而使用一些自动化程度更高的方案。
后面实操下，看看具体什么方案比较合适。
