很多站点把 sitemap 当成一次性的動作：上线时生成一份，扔進搜尋资源平台，之後再没打開過。實际上它更像一份需要持續维護的候選清單，它告诉搜尋引擎“這些地址值得来抓”，但既不保證抓取，也不保證收錄。清單维護得越准，作為參考的價值越高；混進太多噪声，反而會稀释信号。
sitemap 只是候選清單
它解决的是“發現”問题，不解决“索引”問题。地址寫進去，只代表你希望它被看到。能否被抓、抓了之後是否進索引，取决于 robots 規則、服務器可訪問性、頁面本身的质量，以及它與其他地址之間的關系。把 sitemap 理解成“给爬虫的一份目錄”，比理解成“收錄開關”更接近事實。
lastmod：寫真實修改時間，別批量刷
- 只在正文有實质變化时更新；改模板、改頁脚、改導航不算内容更新。
- 不要每次构建都寫入目前時間，全站時間戳整齐划一反而是異常信号。
- 時間格式统一（常用 ISO 8601 並带时区），別在同一份文件里混用多種寫法。
- 長期不更新的老頁面可以保留在清單里，但不必為了“顯得活跃”而人為改動時間。
規模上来後：分片與索引文件
單個 sitemap 文件有地址數量與体积上限（常见是 5 萬條 URL、未压缩 50MB 量級），超過就要拆成多個文件，再用一個 sitemap index 文件把它們串起来。
- 按栏目或頁面類型分片，出問题时能快速定位是哪一批地址。
- 分片文件地址保持稳定，別频繁改名或換路径。
- 每個文件都要是有效 XML，编碼声明正确，地址里的 & 等特殊字符要轉义。
失效地址要及时摘掉
清單里長期挂着大量 404、410 或已被 noindex 的地址，會让這份目錄的可信度下降，排查問题时也被噪声干扰。
- 返回 404、410 的地址：確認下线後直接從 sitemap 移除。
- 做過 301 的地址：寫跳轉後的目标地址，別把舊地址留在里面。
- 被 noindex 或 robots 屏蔽的地址：不要出現在 sitemap 里，两邊信号互相矛盾。
提交之後盯哪些反馈
提交後首先要看的是“有没有被抓”，而不是“有没有被收錄”。平台里的 sitemap 报告一般會给出已提交地址數、被發現的地址數、抓取情况，這些數字反映的是你给的清單有没有被讀到、被處理，與最终索引狀態是两件事。
- 已發現數遠低于已提交數：先检查文件格式、地址可訪問性、分片是否都挂進了索引文件。
- 有抓取但長期不入索引：問题多半在頁面本身，不在 sitemap。
- 观察周期按周看，不必几小时刷一次，短時間的波動說明不了什么。
几個常见誤区
- 把 sitemap 当成收錄保證，提交完就等结果。
- 把全站 lastmod 统一改成当天，指望這样能催快抓取。
- 把所有篩選頁、排序頁、带參數的地址一並塞進去，让清單里大半是低價值地址。
- 只放首頁和栏目頁，深层内容全靠内鏈慢慢被發現。
- 站点調整後新舊地址同时存在，清單里两份都留着。
sitemap 的價值在于准确，不在于多。清單越干净，越接近站点真正希望被索引的那批地址。