很多站点把 sitemap 当成一次性的动作：上线时生成一份，扔进搜索资源平台，之后再没打开过。实际上它更像一份需要持续维护的候选清单，它告诉搜索引擎“这些地址值得来抓”，但既不保证抓取，也不保证收录。清单维护得越准，作为参考的价值越高；混进太多噪声，反而会稀释信号。
sitemap 只是候选清单
它解决的是“发现”问题，不解决“索引”问题。地址写进去，只代表你希望它被看到。能否被抓、抓了之后是否进索引，取决于 robots 规则、服务器可访问性、页面本身的质量，以及它与其他地址之间的关系。把 sitemap 理解成“给爬虫的一份目录”，比理解成“收录开关”更接近事实。
lastmod：写真实修改时间，别批量刷
- 只在正文有实质变化时更新；改模板、改页脚、改导航不算内容更新。
- 不要每次构建都写入当前时间，全站时间戳整齐划一反而是异常信号。
- 时间格式统一（常用 ISO 8601 并带时区），别在同一份文件里混用多种写法。
- 长期不更新的老页面可以保留在清单里，但不必为了“显得活跃”而人为改动时间。
规模上来后：分片与索引文件
单个 sitemap 文件有地址数量与体积上限（常见是 5 万条 URL、未压缩 50MB 量级），超过就要拆成多个文件，再用一个 sitemap index 文件把它们串起来。
- 按栏目或页面类型分片，出问题时能快速定位是哪一批地址。
- 分片文件地址保持稳定，别频繁改名或换路径。
- 每个文件都要是有效 XML，编码声明正确，地址里的 & 等特殊字符要转义。
失效地址要及时摘掉
清单里长期挂着大量 404、410 或已被 noindex 的地址，会让这份目录的可信度下降，排查问题时也被噪声干扰。
- 返回 404、410 的地址：确认下线后直接从 sitemap 移除。
- 做过 301 的地址：写跳转后的目标地址，别把旧地址留在里面。
- 被 noindex 或 robots 屏蔽的地址：不要出现在 sitemap 里，两边信号互相矛盾。
提交之后盯哪些反馈
提交后首先要看的是“有没有被抓”，而不是“有没有被收录”。平台里的 sitemap 报告一般会给出已提交地址数、被发现的地址数、抓取情况，这些数字反映的是你给的清单有没有被读到、被处理，与最终索引状态是两件事。
- 已发现数远低于已提交数：先检查文件格式、地址可访问性、分片是否都挂进了索引文件。
- 有抓取但长期不入索引：问题多半在页面本身，不在 sitemap。
- 观察周期按周看，不必几小时刷一次，短时间的波动说明不了什么。
几个常见误区
- 把 sitemap 当成收录保证，提交完就等结果。
- 把全站 lastmod 统一改成当天，指望这样能催快抓取。
- 把所有筛选页、排序页、带参数的地址一并塞进去，让清单里大半是低价值地址。
- 只放首页和栏目页，深层内容全靠内链慢慢被发现。
- 站点调整后新旧地址同时存在，清单里两份都留着。
sitemap 的价值在于准确，不在于多。清单越干净，越接近站点真正希望被索引的那批地址。