公众号文章抓取后灌进NotebookLM，我把吃灰收藏盘活成了SEO竞品情报库

摘要：做SEO的人收藏夹最狠——竞品公众号、Google官方文档、英文研究报告，堆成山却从来不看。我把一套研究工作流跑通了：用Claude Code跑trafilatura脚本把竞品公众号稳定抓成干净Markdown，灌进NotebookLM，靠引用回溯零幻觉地问、对比、听。吃灰的收藏第一次变成可查询、可溯源的竞品情报底座。核心不是多读，是把"收藏到能用"的反馈链路从半年缩短到7天。

保哥做SEO二十多年，有个职业病：看到一篇好文章，手比脑子快，先收藏再说。竞品独立站的策略拆解、Google算法更新的官方解读、外贸大号公众号里那些藏着真货的长文，全进收藏夹。

前阵子我翻了一下自己的微信收藏，光2026年标记"必读"的SEO干货就40多篇。一篇没打开过。每一篇当时都说服了自己"这个对项目有用"，然后集体烂在那儿。

这篇文章，就是我花一个下午打磨、现在每周都在用的那套流程。从稳定抓取竞品公众号文章，到灌进NotebookLM，再到一步步用它越来越深的功能，把一堆吃灰资料真正盘活成能查、能问、能溯源的研究底座。手把手，一次讲透。

收藏夹为什么是SEO人的"情报坟场"？

我先说个扎心的判断：对做SEO、做外贸独立站的人来说，收藏夹不是知识库，是坟场。

而且我们这行收藏得比谁都狠。原因很简单——SEO是个信息差生意。竞品上了什么新落地页、Google哪条政策悄悄改了措辞、某个AI搜索又开始影响点击，谁先消化谁先动手。所以看到一篇像样的拆解，第一反应永远是"先存下来，回头细看"。

问题就出在那个"回头"。它从来不来。

我后来想明白了，烦的不是没读，是骗了自己半年。点收藏那一下，心里以为自己已经掌握了竞品的打法，其实只是把焦虑搬了个家——从"我还不了解对手"搬到"我迟早会研究透对手"。然后那个"迟早"就一直不来，对手的排名却一天天往上走。

更要命的是，SEO资料有时效。你收藏的那篇"AI Overviews优化指南"，半年后Google把触发逻辑改了，你那篇收藏连同你以为存下来的"认知"，一起过期。AI Overviews对自然流量的冲击变化有多快，凡是盯过这块的人都有体会。资料躺在收藏夹里不消化，等于没收藏。

卡住你的不是没时间，是反馈链路太长

很多人把"收藏不看"归因于忙。我不这么看。

真正的卡点是反馈链路太长。从"我点了收藏"到"这条信息真正进入我的决策"，中间隔着一道几乎不可能跨过的鸿沟：你得专门腾出整块时间，把一篇5000字的竞品长文从头读到尾，还要边读边记，读完还得自己归纳出"对我有什么用"。这套动作的启动成本太高了，高到你永远在等一个"等我有空"的完美时刻。

那个完美时刻不存在。于是收藏越攒越多，链路越来越长，最后整个系统瘫痪。

我这套流程要解决的，不是"逼自己多读书"，而是把这条链路从"半年都跨不过去"压缩到"7天内一定兑现"。手段不是更强的意志力，是更短的反馈回路——让消化一篇竞品文章的成本，从"专门读两小时"降到"散步时随口问一句"。

下面我把那套流程，按由浅入深拆开，每一步都对应一个你现在就有的真实场景。

第一步：竞品公众号文章怎么稳定抓下来？

事情得从把文章抠出来说起。公众号有很强的反爬机制，所以这是整套流程里技术含量最高的一步。但说出来你可能不信，我实际只花了15分钟。

第一个动作老老实实手动：把想研究的竞品公众号文章挨个点开，复制链接，黏到一个 links.md 文件里。40多个链接，大概10分钟。这一步没有捷径，也不需要捷径——你本来就只想研究自己筛过的这几篇，不是要爬人家整个号。

剩下的5分钟，我没自己写脚本。把 links.md 丢给Claude Code，说了一句话：

把links.md里所有URL抠出来，挨个抓网页正文，用trafilatura转成干净的Markdown，每篇按"文章标题_编号.md"存成单独文件，装好依赖直接跑。

回车。Claude Code自己装了trafilatura，写完脚本，跑完，40多个 .md 文件躺在文件夹里。我从头到尾没碰键盘上一行Python。如果你好奇它大概写了什么，核心就十来行：

#!/usr/bin/env python3
import re, sys, trafilatura

text = open(sys.argv[1], encoding="utf-8").read()
urls = re.findall(r"https?://[^\s)\]]+", text)
for i, url in enumerate(urls, 1):
    html = trafilatura.fetch_url(url)
    md = trafilatura.extract(html, output_format="markdown") or ""
    open(f"{i:02d}.md", "w", encoding="utf-8").write(md)
    print(f"[{i}/{len(urls)}] {url}")

说实话，这段你不用看懂。把上面那句话直接丢给Claude Code就完事了，丢给别的AI编程助手也一样，是个Agent就能干。如果你想把这类小任务用得更顺手，我之前专门写过用了一年Claude Code后只留下的6个高频命令，配合着看效率更高。

这就是2026年用AI的正确姿势：以前是"得先学会Python才能批处理一坨数据"，现在是"把任务描述清楚扔给AI，自己看结果"。这十几行脚本省下来的不是十几行代码，是"我得先去学爬虫"那道挡了无数SEO人的门槛。trafilatura为什么能把网页正文抽得这么干净、还能直接吐Markdown，它的官方快速上手文档里讲得很清楚，感兴趣可以翻一翻。

为什么是Markdown不是PDF？我一开始也犹豫。NotebookLM两个格式都吃，但Markdown上传后它的"引用回溯"明显更准——回答时能精确引到第几段，PDF经常只能引到一整页。对SEO这种讲究"这句话到底出自哪、可不可信"的活儿，段落级溯源比页面级值钱太多。这个差别后面会反复用到。

抓公众号有哪些坑和红线？

这一节源文没讲，但我觉得比脚本本身更重要——尤其对靠内容吃饭的SEO人，合规这根弦得绷紧。

先说技术坑。公众号有几篇可能抓不下来：一是需要登录态才能看的，fetch_url 拿到的是登录墙；二是正文几乎全是图片的"图片号"，trafilatura抽文字会抽到一堆空；三是被平台临时风控了，连续抓太快会返回异常。我的做法是抓完扫一眼每个 .md 的字数，明显偏短的几篇手动复制正文补上，不跟反爬机制硬碰硬，10分钟搞定的事不值得跟它死磕。

再说红线，这一条我必须讲清楚：

说白了，这套流程是给你"读得更快"用的，不是给你"抄得更省事"用的。保哥做SEO二十多年，见过太多站靠搬运短暂起量、又被Google一轮原创性更新打回原形。你抓竞品文章是为了看懂对手怎么想，从而做出比他更好的东西——这是研究；把对手的文章换几个词发出去——这是找死。这条边界，比任何脚本都该刻在心里。

守住这条线，资料库就准备好了。下面进入真正的主角。

同样一堆资料，为什么不直接喂给ChatGPT？

有人会问：抓都抓下来了，直接丢给ChatGPT让它总结不就行了，何必多一个NotebookLM？

这正是我要重点讲的地方，也是NotebookLM跟通用聊天工具最大的区别——引用回溯。

我之前用通用大模型处理这类场景，最大的不爽是它会编造看起来很顺的回答。你问"这几篇竞品文章里关于外链策略的共识是什么"，它给你一段四平八稳的话，但你根本没法验证哪句是真从你的资料里来的、哪句是模型自己脑补的通用知识。对SEO来说这是致命的：一个被幻觉出来的"Google官方建议"，足以让你把整个季度的策略带偏。

NotebookLM把这个问题在产品层面解掉了。它的每一句回答，都只基于你上传的资料，而且后面跟着引用编号，像 [3][12] 这种。点一下编号，左侧资料面板自动跳到第3篇文章，对应那一整段高亮。也就是说，它告诉你的每句话，都能溯源到原文具体哪一段。

更妙的是反向信号：如果某个判断它死活不肯说，多半是因为你给的资料里确实没有支撑。这本身就是有用的情报——它在告诉你"这块是认知盲区，对手也没人写透"。

一句话，ChatGPT是"什么都敢答但你不敢全信"，NotebookLM是"只答有据可查的，但答的你能拿去用"。对要拿数据和事实下决策的SEO人，后者才是研究工具该有的样子。

资料灌进去之后，第一个动作该做什么？

打开NotebookLM，新建一个笔记本，把抓好的Markdown全拖进左侧的Sources面板。面板唰唰跳出来，开始转圈，几十秒后每个文件前面一个绿点，上传完成。

先了解几个边界：单个source容量上限50万字、200MB，一篇公众号文章再长也撑不破；支持PDF、Word、Markdown、txt、网页URL（直接贴链接它自己抓）、YouTube（自动转字幕）、音频（自动转写）。Markdown优先，前面讲过，引用回溯精度高一档。

上传完先别急着用花哨功能。右侧那个对话框，直接问。我灌进去一批竞品独立站的SEO拆解后，问的第一个问题是：

这几篇里，关于"AI搜索时代独立站还要不要堆内容"的核心分歧是什么？分歧到底在哪？

不到10秒，一段大约400字的浓缩回来了，每个判断后面都跟着引用编号。我点开 [5]，左侧直接跳到第5篇，对应段落整段高亮。等于它替你把几篇长文里散落的观点抽出来、对齐、还标好了出处。

这一步什么配置都没改，纯默认。光是"直接问加点引用看原文"这一条，已经能解决八成"我囤了一堆资料但读不完"的场景。至于问什么——了解全貌、提炼对方的关键词布局逻辑、找出你和对手的策略差异，凡是你想得到的都能问。但能问，不等于会问。

问题问不对，工具再强也白费：给SEO人的提问清单

NotebookLM再聪明，也只是个被动应答的助理。你问得敷衍，它答得也敷衍。我一开始踩过最大的坑，就是只会问"帮我总结一下"——它给你一段四平八稳的摘要，看着全，其实没用，因为这种问法等于没给它方向。

做SEO研究，提问得带着目的、带着角度。下面这几类问法是我日常用得最顺手的，你可以直接抄去改：

这里头藏着三个让答案质量翻倍的小技巧。第一，逼它列清单、别让它写散文。同样问竞品的外链来源，"列成表格、每条标出处"比"介绍一下"得到的东西可用十倍——散文你还得自己拆，清单直接能进行动表。

第二，凡是涉及数字、结论，习惯性追一句"出处是哪篇、原话怎么说的"。NotebookLM会乖乖把引用编号摆出来，你点过去核一眼，假数据当场现形。SEO决策最怕的就是拿着一个二手转载、早就过时的数字当真。

第三，用"对比""分歧""矛盾"这类词去逼它找差异。它默认倾向于求同、给你一个和谐的综述，但对SEO人有价值的往往是分歧——对手们在哪件事上吵起来了，哪件事上达成了你没注意的共识。把问题往"差异"上引，比问"共同点"信息量大得多。

Discover Sources：怎么让它替你补齐找不全的一手英文资料？

有个常被忽视的功能叫Discover Sources，对做国际SEO、出海独立站的人尤其值钱。

你给它一个主题词，它会自己去网上搜相关的一手资料，补进你的Sources列表。我研究AI Overviews优化时，让它围绕这个主题自动补料，它一口气补了好几篇英文的官方说明和第三方研究进来——这些是手动一篇篇搜绝对搜不全的。它会一次给最多10条推荐，每条带一句"为什么跟你的主题相关"的标注，具体怎么用，NotebookLM官方的Discover Sources说明里有详细步骤。

我的经验是，做SEO研究最该用它补的，是一手官方文档。比如你研究站点结构，与其看十篇二手解读，不如让它顺手把 Google官方的SEO入门指南这类原始资料拉进来，跟你抓的中文竞品文章放在一起对照。中文大号怎么转译官方说法、哪里转译跑偏了、哪里加了私货，一对照全看出来了。

半年的"以后再看"，第一次被一次性管理起来。每一个加载好的文件，对应当时那个"我以后会研究透对手"的承诺，现在它们终于不再只是承诺。

Studio九种形态，SEO人真正用得上哪几个？

聊几轮之后，看右下角的Studio面板，这是NotebookLM真正的工作台。一键就能把同一批资料转成多种形态。我不打算把九种全吹一遍，只挑做SEO真正用得上的几个，按场景告诉你怎么配。

• 思维导图：可点击展开的主题树。我那批竞品资料被它自动归到几个分支，比如"内容策略""技术SEO""外链打法"。这是我找认知盲区的主力工具——哪条主线下面只挂着一两篇，说明这块对手也没研究透，恰好是你的机会缺口。
• 简报（Briefing Doc）：约1500字的结构化摘要，浓度最高，要给团队同步一个领域的全貌用这个。
• 常见问题（FAQ）：自动从资料里抽问答，覆盖核心争论。"快速过一遍"的最佳形态。
• 学习指南：章节梳理加重点提炼，系统补一个陌生领域（比如你刚接触本地SEO）用这个。
• 时间线：按时序抽取事件，最适合理顺一个概念的演变。比如想看AI Overviews从去年到今年怎么一步步影响点击，把相关报道丢进去生成时间线，脉络一目了然。
• 数据表格：从一堆非结构化文字里抽出结构化对比表。这个是SEO竞品分析的硬核武器，下一节单独讲。
• 音频概览：杀手功能，单独成章讲。

我自己的搭配习惯，给你抄作业：

到这一步都还是"点一下出结果"的级别，没碰任何高级配置。如果你只想把吃灰收藏快速盘活，到这儿基本够用了。

数据表格：怎么把10篇竞品综述压成一张可溯源对比表？

这个功能我要重点夸，因为它直接对应SEO里最费时的活儿之一——竞品横向对比。

以前做竞品分析，我得开十个标签页，一篇篇翻，手动在Excel里填"这家目标词怎么布的、外链来源什么结构、内容多久更一次、有没有上Schema"。光填表就半天，填完还经常忘了某个数据是从哪篇看来的。

现在把这十篇竞品综述灌进NotebookLM，让它生成一张数据表格，指定要抽的维度：目标关键词布局、外链来源结构、内容更新频率、结构化数据使用情况。它唰一下把十家拉成一张表，关键是——每个格子里都带着回溯引用。你看到"A家每周更3篇"，点一下就跳到原文那句话，不用担心是它编的。

这张表拉出来，对手的打法差异就摊在你面前了。接下来怎么把这些差异变成你自己的行动清单，我之前写过四层逆向拆透竞品、变成行动清单的完整框架，数据表格正好是那套框架最省力的第一步。

这里有个读表的诀窍：最该盯的不是"他们都做了什么"，而是那些大多数对手都没填、或者填得很弱的格子。比如十家里有八家压根没上产品结构化数据，这就是一块没人抢的技术SEO洼地；又比如所有人内容更新都卡在每月一两篇，你把频率和质量提上去，就有机会靠新鲜度甩开他们。竞品分析真正值钱的洞察，往往藏在那一列列空白里，而不是密密麻麻填满的地方。

2026年起Studio还多了一件事：每次生成不再覆盖前一份。同一张表你可以基于不同资料子集、不同指令生成好几个版本，全留在历史里。这意味着Studio不只是即时生成器，更是一个迭代过的情报归档。

Audio Overview：让吵架的SEO观点替你吵一架

Audio Overview也在Studio面板里，但它配得上单独一章，是NotebookLM真正的杀手功能。

我做的第一件事，不是让它总结，是让它吵架。

点Audio Overview，默认生成一段约10分钟的双主持人对话播客。但默认不是它最强的形态。点旁边的Customize，可以做三件事：指定只用哪几篇资料、写自定义生成指令、选时长（从约2分钟到最长约50分钟的深度版）。

保哥的收藏里，正好有三篇立场完全对立的文章，主题都是"AI搜索到底会不会杀死SEO"。一篇某海外工程师写的"自然流量已死，赶紧all in投放"；一篇国内一位独立站老炮写的"零点击是伪命题，被看见的方式变了而已"；第三篇更狠，标题大意是"别慌，Google自己的总访问量这几年还涨了，缩水的是没价值的内容站"。

这三篇我半年前各自收藏时都点了头。三个时刻三个我，从没串过。

我让NotebookLM只用这三篇做资料，自定义指令写成"两位主持人针对'AI搜索是不是SEO末日'做13分钟对抗性辩论，每人必须引用具体观点"。戴上耳机出门散步，回来时听完了——我听到了自己半年来对这个话题的全部摇摆，被两个声音替我吵了个明白。比自己闷头读三篇，留下的东西多得多。最关键的是，散步这段时间本来就是空的，它没多占我一分钟正经工作时间，却把三篇打架的长文嚼碎喂给了我。

Audio Overview已经支持50多种语言，把默认声音切到中文，同样的方式能生成中文播客，语气节奏都符合中文习惯。2026年还出了视频版概览，自动配幻灯片和字幕，把那段辩论变成视频后，视觉锚定让信息留存又高一档，适合发给团队。

说到底，Audio Overview不是帮你省读的时间，是把几篇互不相干、甚至互相打架的孤岛文章，接成一场有来有回的对话。你那些对立的收藏，第一次产生了化学反应。这种把碎片观点拼成完整认知的活儿，跟AI内容生产工作流是接力关系——前者帮你把别人的东西吃透，后者才轮到你产出自己的。

我的每周SEO情报工作流长什么样？

把上面这套打通之后，我现在每周日下午，固定半小时，做一件事。

把这一周新收的竞品文章和行业资料导出成Markdown（还是那句话丢给Claude Code），直接塞进对应的笔记本。整个动作不超过10分钟。

工作日里突然想到一个问题——比如"上次那家竞品提到的内链做法，到底跟我们差在哪"——打开笔记本直接问，看引用回原文，10秒解决，不用再满收藏夹翻。

周末有空要写一篇综述或者定下个季度策略，就在Studio里先生成简报加思维导图看全局，再用数据表格把竞品差异拉成表，最后用学习指南或测验把核心知识点固化下来。读过的东西，第一次真的留在了脑子里，而不是停在"我收藏过"。

不用再担心收藏吃灰了。因为收藏从"我以后会看"，变成了"我下周日会被一起处理"——一个明确的、最多7天就兑现的承诺。每周30分钟，换来一周对竞品动向的清爽掌控。

为什么非得固定到周日下午、固定半小时？因为靠"想起来再弄"那套，等于又把链路交还给意志力，迟早回到收藏吃灰的老路。把它焊死成一个雷打不动的时段，研究这件事才从"需要下决心的大工程"，退化成刷牙一样的日常动作。反馈链路能不能真正缩短，关键从来不在工具多强，而在这个动作会不会自动发生。

这套流程的边界在哪？哪些它做不了？

我从不卖"银弹"。这套流程很顺手，但有清晰的边界，认不清边界比不用还危险。

第一，它只活在你给的资料里。你问它"我这个词今天排第几"，它一脸茫然——它没有实时数据，它的世界就是你上传的那几十个文件。要看实时排名、抓取日志、最新收录，老老实实回GSC和你的工具。它负责帮你想清楚"该往哪个方向使劲"，但"现在到底使到什么程度"，只有实时数据能回答，这两件事千万别混为一谈。

第二，料错它也跟着错。引用回溯能保证它没编，但保证不了原文是对的。你抓进去一篇数据本身就过时的竞品文，它会忠实地引用那个过时数字。涉及关键数据，单一来源永远要交叉验证，这一点AI帮不了你。

第三，它不替你做判断。它能告诉你三篇文章吵什么、各自论据是什么，但"我们到底该跟哪派"，这个决策永远是你的。工具负责把信息嚼碎摆好，下咽和消化还得自己来。

第四，一个现实问题：NotebookLM是Google的产品，国内访问需要自己解决网络可达性。如果条件不便，这套"抓取加引用回溯"的思路同样成立，你可以把抓好的Markdown喂给国内能用的、同样支持引用溯源的工具，方法论是通用的，工具只是壳。

认清这四条边界，你才不会把它当成不会犯错的神，而是当成一个嘴严、肯标出处、但不替你拿主意的研究助理。这恰恰是它最该有的样子。

写在最后：把反馈链路缩短到7天

写到这儿，我真正想说的，其实不是"怎么抓公众号"。那只是动作。

我们这行最熟练的句子之一，叫"下次一定"。收藏一篇竞品拆解，"下次一定研究"；关注一个不错的外贸号，"下次一定追"；存了一套GEO课程，"下次一定学"。但"下次"从来不会自己来。它不是承诺，是自我安慰，是把"我还没动手"翻译成"我准备动手"，好让心里那个"我还在进步"的错觉再撑一晚。

收藏夹之所以是坟场，不是因为文章不好，是因为我们一直在用"收藏"这个动作，替代"研究"这个动作。手指点一下心就安了，对手却没在等你。

NotebookLM替不了你研究。但它给了一个兜底——一个让"读完"真的发生的兜底。我这篇做的，就是帮你把竞品的认知取出来，再放进你自己的脑子里。

学习和研究这件事，其实没那么神圣。它需要的不是更多的决心，是更短的反馈链路。把链路缩短到7天，然后，去建你的第一个笔记本。

常见问题解答

抓取竞品公众号文章，会不会有法律或封号风险？
只抓自己筛选过、用于个人学习研究的少量文章，不批量爬整个号、不二次发布，风险很低。真正的红线是把抓来的内容改头换面当原创发出去——那不只是封号问题，更会被Google的原创性更新打击。我的原则很清楚：抓来是为了看懂对手、做出更好的东西，不是为了搬运。

不会写Python，能跑通抓取这一步吗？
完全可以。整个抓取脚本你一行都不用自己写，把链接整理进一个文本文件，连同一句自然语言指令丢给Claude Code这类AI编程助手，它会自己装依赖、写脚本、跑完。你只负责看结果。这正是2026年用AI的方式——描述清楚任务，而不是亲手实现。

NotebookLM和直接用ChatGPT总结，到底差在哪？
最大的差别是引用回溯。NotebookLM的每句回答只基于你上传的资料，且标注来源、可点击跳回原文段落；ChatGPT会调用通用知识填充，容易产生看似合理实则编造的内容，你无法验证。对要拿数据下决策的SEO人，可溯源这一点至关重要。

为什么强调用Markdown而不是PDF上传？
NotebookLM两种格式都支持，但Markdown的引用回溯精度更高——它能精确引用到具体段落，PDF往往只能引到一整页。做SEO研究讲究"这句话出自哪、可不可信"，段落级溯源比页面级实用得多。

国内用不了NotebookLM怎么办？
NotebookLM是Google产品，国内访问需自行解决网络可达性。如果不便，这套"抓取干净Markdown加引用回溯研究"的方法论本身是通用的，可以换成国内能用、同样支持来源溯源的工具，核心是流程而非具体软件。