做站点运营的人常把注意力放在“蜘蛛抓了多少页”，但更前置的问题是：蜘蛛是从哪个 URL 开始走这条路径的。第一跳决定了它接下来能看到什么。如果第一跳永远只落在首页，那么深层页面的发现速度就完全依赖首页到它的链路是否顺畅。
为什么第一跳值得单独拿出来看
蜘蛛不认识你的网站结构，它只知道手里有一批 URL。这批 URL 的来源主要有几种：上一次抓取留下的记录、Sitemap 提交的清单、外链指向的地址，以及站内链接暴露出来的路径。第一跳落在哪里，往往决定了同一批新页面是被“顺便发现”还是“专门去找”。
同一个新页面，如果入口是一条从栏目页延伸出去的普通内链，和入口是一条外部页面直接指向它的链接，蜘蛛到达它的时间和抓取意愿通常不一样。这不是玄学，而是链路长度和入口位置共同作用的结果。
常见的几类入口
首页与栏目页
这是最基础的入口，也是最容易被忽略质量的一环。首页链接太多、导航全靠 JS 渲染、栏目页第一屏全是图片，都会让第一跳之后的第二跳、第三跳变窄。建议保持首页到主要栏目的链接是静态可点击的 a 标签，并且数量可控。
Sitemap
Sitemap 相当于把 URL 清单直接递给蜘蛛，跳过发现环节。它的价值在于“确定性”：新页面、深层页面、更新频繁的页面都可以放进去。但要注意清单里只放能正常访问、返回 200 的地址，混入大量 404 或重定向地址会稀释清单的可用性。
外链
一条指向深层页面的外链，本身就是一个独立入口。相比从首页一路爬下去，蜘蛛可以直接落到这个 URL 上，再通过页面里的内链继续扩散。所以外链不只是权重问题，也是路径问题。
历史 URL
蜘蛛会记住已经抓过的地址，并定期回访。这意味着站点改版、目录调整之后，蜘蛛手里可能还握着一批旧入口。这些旧地址如果全部 404，第一跳就会落空。用 301 把它们指向新地址，比直接删掉更稳妥。
入口的数量不重要，可达性才重要
有人喜欢在首页堆几百条链接，希望“入口多就能多抓”。实际效果往往相反：链接越多，单条链接分到的注意力越少，蜘蛛更容易在首页浅尝辄止。更实用的做法是分层：
- 首页只放少量、稳定、指向主要栏目的入口；
- 栏目页负责把链接铺到列表页和聚合页；
- 详情页之间用相关推荐、上下篇形成横向通路；
- 关键的新页面，用一条明确的内链或外链单独点名。
怎么验证入口有没有被走通
光看设计不够，要看日志。把服务器日志按蜘蛛 User-Agent 过滤出来，然后看两件事：
- 入口页（首页、栏目页、Sitemap 里的地址）是否被持续访问；
- 从入口页出发，链接到的下一层 URL 是否出现在同一时间段的日志里。
如果入口页天天被抓，但某个栏目下的详情页长期没有记录，问题多半出在中间的某一跳：链接被 JS 隐藏、被 nofollow 挡住、或者那一层返回了非 200 状态。顺着链路往回查，比盲目发外链有效得多。
入口不是越多越好，而是每一条都要走得通。一条被中断的链路，比没有链接更浪费抓取机会。
几个容易踩的坑
- 只留首页入口：新页面要爬到第三、第四层才被发现，更新节奏跟不上。
- Sitemap 当成垃圾桶：把历史、失效、参数页全塞进去，清单质量下降。
- 入口页本身不稳定：入口页 5xx 或加载极慢，后面所有跳数都被卡住。
- 把跳转当入口：一条跳转链如果太长，蜘蛛可能在中间就停了。
回到最初的问题：蜘蛛的第一跳从哪里来，其实取决于你自己怎么安排。把入口设计清楚、保持在可访问状态、用日志定期核对，URL 被发现的过程就会更稳定，剩下的交给时间和持续的维护。