G1.07.2content audit设计研究
审计暴露重复、过时与孤立内容
别名: 内容审计 · duplicate stale orphan · ROT
概念解释
清单登记「有什么」之后，审计判定每一条是保留、合并、更新还是下线。它专门暴露三类伤害架构的对象：重复（同一事实多处各写各的）、过时（仍可到达但已不真）、孤立（无入口、无引用、无维护者）。这三类合称 ROT（redundant, outdated, trivial/orphaned）里最该先处理的部分。审计不是阅读品味检查，是为新结构清场：不先处理这三类，新类目会把垃圾一起分类得很漂亮。
清点回答存在，审计回答去留。没有清单的审计会变成抽样吐槽。
机制
重复让查找结果和类目计数膨胀，用户要在几个近似页里赌哪一份是真的。过时让正确的路径导向错误的事实，架构越「好找」，伤害越大。孤立对象平时不出现在导航里，却能被搜索和外链打中，成为无法解释的幽灵页；新结构若没给它们位置，上线后它们仍按旧 URL 活着。三类问题都会把「类目下有多少」变成不可信的数字，后续的广度深度、分面计数、相关推荐全被污染。
审计要把对象映射到动作，而不是映射到分数。分数不能合并两篇重复政策，动作可以。
怎么研究
以已知的重复组、过时页、孤儿 URL 为金标准，看审计流程能检出多少，以及漏检的后果。
- 范式：在清单上标注 ROT 动作；用近重复检测、日期与政策版本对照、入链与导航引用分析来辅助。对比「只做新导航」与「先 ROT 再导航」的找路与信任指标。
- 自变量：审计覆盖率、是否包含文件型内容、过时的操作定义（超过 N 天、被新政策替代、法律失效）。
- 因变量：检出的重复组数、用户撞上过时事实的任务数、上线后幽灵 URL 的命中。
- 方法论注意点：流量为零不等于孤立，可能是关键但低频的合规页。过时不能只看最后修改时间，一篇每年点一次「保存」的旧政策时间戳是新的。重复要看事实是否同一，不看标题是否同一。
边界
档案库和历史记录的职责就是保留过时对象，审计的动作变成「标成历史并移出当前查找默认集」，不是删除。法律保留期未到的内容即使孤立也不能下线。自动近重复会把多语言版本和无障碍替代格式误判为重复，要有「等价但必须并存」的类型。用户个人内容（草稿、私信）不适用站点级 ROT。
怎么落地
- 在清单上为每条对象填一个动作：保留 / 合并到 / 更新 / 下线 / 归档，禁止只打分。
- 重复组指定一个权威页，其余改重定向，不要在新导航里挂多个近义入口。
- 过时页要么更新要么移出默认检索与导航，并标明历史身份，避免「还能打开」被当成仍有效。
- 验证：从搜索日志里抽十次到达后立刻离开的页面，看审计是否已把它们标成过时或重复。抽十条无入链的 URL，看是否被标成孤立并给出动作。两者对不上，审计还停留在意见。