8 min remaining
0%
What Mercury Do

自主管道:為人工智慧時代遷移和武器化30萬篇文章

探索我們為人工智慧搜尋引擎遷移和優化30萬篇文章所採取的創新方法,確保零停機時間和增強的可見性。

8 min read
Progress tracked
8 分鐘閱讀·
AI Generated Cover for: The Autonomous Pipeline: Migrating and Weaponizing 300,000 Articles for the AI Era

AI Generated Cover for: The Autonomous Pipeline: Migrating and Weaponizing 300,000 Articles for the AI Era

簡而言之:這是我原始架構分析的第一版。沒有潤飾,沒有「思想領導」的表演。只是我們在Mercury實際構建的內容:系統、技術堆疊、發生故障的事物,以及2026年工程的殘酷現實。我的一生都在產品、人工智慧和基礎設施的交匯處度過。這是我思考的地方。今天,我們將探討我們不僅僅是遷移了30萬篇舊有文章——我們建立了一個自主系統,能在遷移過程中重寫並武器化這些文章,以適應人工智慧搜尋引擎。

那晚我看著30萬篇文章自動遷移

香港的星期二凌晨3:47。我盯著一個顯示CLI尾部儀表板的筆記型電腦螢幕,這個儀表板實時更新——條目出現的速度快過我能閱讀的速度——我試著回想上一次感受到這種恐懼與解脫的組合是什麼時候。

三週前,一位日本客戶找上我們,提出看似標準的內容管理系統遷移(從WordPress遷移到我們的自訂無頭系統)。他們經營十六個不同的行業垂直領域——醫療、能源、航空航天,應有盡有——自2017年以來一直托管在WordPress上。30萬篇文章。數百萬字。十年的機構知識被困在一個已經變成監獄的平台上。

問題是?他們每天發佈 20 篇新文章。零停機容忍。如果我們讓網站關閉即使一小時,我們將會破壞他們的領先地位/收入來源。如果我們錯過了任何一次重定向,我們將會燒毀十年的 SEO 資本。

我告訴他們我們會處理好。然後我坐在公寓裡盯著天花板看了一個小時,懷疑我是否剛剛撒了謊。

為什麼我們不寫腳本

關於傳統遷移的事情是:你寫一個 Python 腳本,運行它,結果在第 7,432 篇文章時出錯,因為某人的 2019 年博客文章包含了一個摧毀你的 UTF-8 解析器的表情符號,然後你在凌晨 4 點進行除錯,而客戶卻在驚慌失措。這是機械的、脆弱的,且非常愚蠢。

我不想要一個腳本。我想要一個不需要睡覺的團隊。

所以我們沒有建立一個遷移工具。我們建立了一個工作團隊——十一個自主代理運行在人工智慧上,每個都有特定的工作描述,每個都遵循相同的節奏:定位 → 報告 → 行動 → 記錄。他們不會等我告訴他們該做什麼。他們會醒來,閱讀資料庫的當前狀態,並做出決策。

讓我介紹一下實際完成這項工作的團隊成員:

考古學家(WP遷移工具)

這個代理人對連續性情有獨鍾。每天早上六點(東京時間),它會閱讀上一次運行的同步日誌,然後查詢所有十六個Payload集合以尋找空缺。它不僅僅是移動內容——它進行手術。它剝離了十年的WordPress短碼雜物,修復了指向死去子域的內部鏈接,並生成實際有意義的新摘錄(因為舊的摘錄一半只是文章的前160個字符,包括「點擊閱讀更多...」)。

它是並行運作的。在遷移醫療垂直領域的同時,它已經在審核能源垂直領域的內部鏈接是否損壞。當它遇到邊緣案例——例如,一篇有十七條來自已刪除帳戶的嵌入推文的帖子——它不會崩潰。它會標記該案例,將其路由到Notion中的人工審查隊列,然後繼續移動。

幽靈寫手(內容優化器)

這就是項目停止遷移並變成升級的地方。

客戶不僅需要將他們的文章移動;他們需要為2026年做好準備。閱讀他們內容的B2B客戶不再從Google開始——他們從Perplexity、Claude和Gemini開始。他們提出問題並期望得到單一答案。如果你的內容沒有結構化以便被AI引用,你就不存在。

所以當考古學家在移動家具時,幽靈寫手則在重新裝修房子。它將標題改寫為陳述性而非聰明的(「三種匯率節省方式」變成了「匯率對沖實施減少17%的浪費:案例研究」)。它將密集的段落拆分為可掃描的、數據密集的單位,讓RAG系統可以輕鬆攝取。它在長篇文章的末尾添加了結構化的常見問題,以特別針對AI回答引擎。

每篇經過這個代理人的文章都比進入時更有價值。我們不僅僅是在保存歷史;我們是在為GEO時代武器化它。

完美主義者(SEO代理人)

你知道誰在凌晨兩點關心 JSON-LD 結構化資料嗎?這個代理。它掃描每個集合以尋找缺失的元資料,強制執行嚴格的字元限制(標題 60 字,描述 155 字),並即時生成網站地圖。當它在 Payload 中檢測到 slug 變更時,它會立即計算重定向矩陣並在變更上線之前更新 .htaccess 規則。

它捕捉到了人眼可能會錯過的東西:一個來自 2022 年的類別檔案頁面,擁有 4,000 個指向它的反向連結。如果我們錯過了那個重定向,客戶的自然流量將會在一夜之間下降 12%。完美主義者標記了它,繪製了地圖,並在我吃晚餐的時候修復了它。

偏執者(安全與合規)

這個在每次部署之前運行。它檢查 CORS 通配符,防止任何人抓取新的 API。它搜尋可能已經潛入配置檔的硬編碼秘密。它對每篇文章進行 WCAG 2.1 AA 可及性審核,檢查替代文字和顏色對比比率,因為客戶的法律團隊對 ADA 訴訟感到恐懼。

在上線前三天,它標記了五篇包含 2017 年未授權庫存照片的文章。它不僅僅是標記它們——它生成了替換圖片的查詢,檢查重複項,並準備了替換腳本。它讓我們避免了一個 50,000 美元的版權侵權頭痛。

我停止參加站立會議。我只是閱讀日誌。

蜂巢思維

這裡有一個讓這一切實際運作的細節:Obsidian MD 整合。

我們將其用作共享皮質。每個代理都寫入相同的工作區。有一個任務板和知識圖譜,隨著代理完成工作而自動更新。有一個架構頁面,隨著系統的變化而演變。有一個審計追蹤,記錄每一個決策——為什麼特定文章被標記為手動審查,為什麼創建了重定向規則,為什麼安全檢查失敗。

當第三天有一位新開發者加入項目時,我不需要給他們簡報。我只是給了他們 Obsidian 的訪問權限。他們像讀小說一樣閱讀遷移日誌,並確切知道我們的進度。

系統有記憶。人類團隊會忘記。代理人不會。

我意識到這是不同的那一刻(我毫無用處)

在第四天左右,情況發生了變化。我在回顧每日摘要時注意到,合規代理人標記了五個特定項目,幽靈作家當天優化了400篇文章,重定向管理器捕捉到了我們錯過的URL模式——我意識到我不再是在管理一個專案。我是在監控一個生態系統。

問題不再是「我們的發佈進度正常嗎?」而是「系統今天學到了什麼?」

這是很難向未曾感受過的人解釋的部分。是的,代理人為我們節省了時間。我們在大約五天內花了20個人小時遷移了300,000篇文章。一個傳統的代理商會為此投入二十個人六個月。

但真正的升級不是速度。它是「決策品質」。當你的程式碼庫的每一個角落都有一個自主智慧在檢查,記錄其發現並揭示異常時,你不再依賴直覺。你依賴的是事實真相。代理人不會感到疲倦。他們不會假設昨天已經修復了那個錯誤。他們每次都會檢查。

堆疊(為關心的工程師而設)

  • Claude Code / Kimi Code / 開放代碼 API: 不是用於聊天,而是用於結構化認知。我們建立的是管道,而不是對話。每個代理輸出 JSON,下一個代理可以解析。
  • Payload CMS 3.x: 無頭、原生 TypeScript,並為多租戶架構而建。它將十六個垂直領域處理得像是十六個獨立的出版物,實際上它們就是這樣。
  • Vercel: 我們的後端主機。
  • Obsidian: 原生 MD 工作區系統自動撰寫其文檔,因為人類不應該這樣做。

99.2% 成功率

我們沒有捕捉到所有內容。0.8% 的文章需要人工介入。古老的 Flash 嵌入內容,代理無法調和。2018 年的自訂 JavaScript 計算器需要手動重建。一篇完全用 Wingdings 寫的文章(我不想知道為什麼)。

但系統標記了每一個。沒有任何內容漏掉。沒有任何內容變得黑暗。編輯團隊在整個遷移過程中持續發佈,卻不知道他們的內容正在背景中被轉移到一個新的宇宙。

接下來會發生什麼

客戶的新網站已經上線。代理仍在運行——現在處於維護模式,檢查 404 錯誤,優化新發佈的文章,保持系統健康。

但我已經在思考我們接下來要建造的東西。

這是工作的全新形態。不是人類管理工具,而是人類指揮永不休息、永不忘記、永不停止優化的自主團隊。這令人恐懼。這令人疲憊。而我現在不認為我會以其他方式進行。

—— 詹姆斯,Mercury Technology Solutions,2026年3月

Frequently Asked Questions

What is the Autonomous Pipeline and how does it work?

The Autonomous Pipeline is an innovative system designed to migrate and optimize 300,000 articles for AI search engines without downtime. It leverages autonomous agents, each with specific responsibilities, to perform tasks like migrating content, optimizing for SEO, and ensuring compliance, all while learning from the data they process.

What challenges did you face during the migration process?

The main challenges included maintaining zero downtime during migration, preserving SEO equity, and ensuring that the content was optimized for AI search engines. Traditional migration methods often lead to issues such as broken links and content misalignment, which we addressed by using autonomous agents that could adapt and respond in real time.

How did the autonomous agents improve the migration process compared to traditional methods?

Unlike traditional scripts that can fail with unexpected data, the autonomous agents continuously monitor and adapt, allowing for real-time decision-making and problem-solving. This resulted in a more efficient migration that not only preserved content but also enhanced its value for AI-driven search engines.

What role does structured data play in this migration?

Structured data is crucial for improving visibility in AI search engines. One of the autonomous agents, known as the Perfectionist, ensures that every article has the appropriate JSON-LD metadata, which helps enhance search engine indexing and improves the chances of being cited by AI systems.

What are the practical benefits of using the Autonomous Pipeline for content migration?

The practical benefits include significantly reduced migration time, enhanced content quality, and improved SEO performance. By automating the process with intelligent agents, we achieved a seamless transition that not only safeguarded the client's existing content but also positioned it effectively for future AI interactions.