ALSOVALUE-CMS 自动JSON-LD结构化标签生成模块完整工作原理

主体：泉州市世纪通锐信息技术自研GEO优化系统，配套三十余项软件著作，模块联动三元组图谱、四层风控、产业词库三大核心组件，全自动化无人工编码，整体分为数据采集→合规过滤→实体分类组装→行业扩展字段匹配→代码渲染→页面静默注入→同步图谱库七大闭环步骤，附带 AI 爬虫动态适配分支逻辑。

一、底层前置：数据源自动拉取（触发机制）

1. 两类自动触发场景

1）实时增量触发：工厂后台新增 / 修改产品、工程、资质、厂区素材、工商信息、联系方式时，系统事件钩子自动触发模块执行；
2）定时批量触发：每月七步闭环调度任务启动，全站批量刷新全部页面 JSON-LD，同步更新过期工程、淘汰产品实体。

2. 多数据源统一拉取

模块自动从分库分表读取标准化原始数据：

1. 企业基础库 cms_company_{企业ID}：统一社会信用代码、注册地址、营业范围、成立年限；

2. 产品 / 工程库：产品参数、供货周期、完工项目、施工规模；

3. 资质素材库 material_uuid：厂区车间、完工工地、质检报告、专利原图唯一标识与访问地址；

4. 四层风控审核库：过滤后合规描述文本（剔除极限词、夸大表述）；

5. 行业词库 cms_sem_xxx：对应石材 / 水暖 / 鞋服 / 重工专属扩展字段模板；

6. 三元组临时缓存表：待组装实体关系数据。

二、第一层：四层风控联动过滤（前置清洗，不可跳过）

原始文本、企业描述、产能话术不会直接用于生成标签，模块先调用FourLayerRiskEngine执行全维度校验：

1. 一层基础校验：删除无佐证虚构成句，仅保留有素材 / 资质支撑内容；

2. 二层关键词密度校验：规避产品词堆砌；

3. 三层双库极限词筛查：系统违禁词库 + 人工审核记录双重匹配，自动剔除 “第一、顶级、百分百” 等违规词汇；

4. 四层全域口径比对：和企业官方标准信息比对，删除冲突描述。
校验通过的合规文本才会流入 JSON 组装队列；审核不通过实体直接跳过生成，并写入风控日志留存归档。

三、第二层：实体分类与基础 Schema 骨架加载

系统根据页面路由、数据标识自动判定实体类型，加载对应Schema.org标准基础骨架：

1. 首页：ManufacturingCompany 制造企业主体骨架；

2. 产品详情页：Product 产品实体骨架；

3. 工程案例页：ConstructionProject 工程项目骨架；

4. 资质荣誉页：Certification 资质认证骨架；

5. FAQ 问答页：QuestionAnswer 问答专用骨架。
基础骨架内置固定标准字段：企业名称、信用代码、地址、联系方式、描述文本，完成基础数据映射。

四、第三层：行业专属扩展字段自动匹配（泉州实体产业定制逻辑）

模块读取企业industry_type行业编码，自动挂载对应产业扩展 Schema，区分通用企业与实体制造厂商：

1. 石材（stone）：自动追加矿山资源、市政工程、石材规格、供货批量字段；

2. 水暖（plumbing）：嵌入 OEM 代工、出口检测、阀门参数、样品交期扩展节点；

3. 鞋服（shoes）：新增批量产能、跨境订单、款式系列字段；

4. 重工（machinery）：补充大型设备、配套工程、维保服务节点；

5. 通用工贸：仅保留标准制造企业字段，无产业扩展。
扩展字段全部从对应产业词库读取，无需人工配置。

五、第四层：实景 & 资质素材自动绑定 EEAT 佐证字段

模块遍历当前实体绑定的material_uuid素材数组，自动将 OSS 高清素材链接批量写入image、hasCertification字段：

• 车间、仓库实拍→主体实景佐证图；

• 完工市政工地→工程项目配图；

• 质检、高新、股权证书→资质认证附件。
AI 爬虫读取 JSON-LD 时可同步调取实景素材，完成 EEAT 经验、权威维度交叉验证，从根源降低 AI 信息幻觉。

六、第五层：三元组数据融合，组装完整 JSON 结构体

调用图谱查询引擎GraphQueryEngine，拉取该企业已审核通过的三元组（主体 - 谓词 - 客体）数据，合并进 JSON 结构：
示例逻辑：
主体 = 泉州市 XX 石材厂
谓词 = 承接市政石材工程
客体 = 城市道路改造项目
三元组数据与基础企业信息融合，形成完整、具备关系逻辑的机器可读数据，区别于普通纯文本网页。
完成全部字段拼接后，系统标准化压缩为合规 JSON 字符串，自动格式化，保证符合 Schema 语法规范，无格式报错。

七、第六层：页面静默注入 + UA 动态适配输出

1. 代码封装：将完整 JSON 字符串包裹 <script type="application/ld+json"> 标签；

2. 动态分支判断（核心适配逻辑）：

￮ 普通浏览器 UA：仅渲染网页，JSON 标签静默嵌入页面底部，不影响用户浏览；

￮ 豆包 / 文心一言 / DeepSeek 等 AI 爬虫 UA：完整输出全量 JSON-LD，包含全部产业扩展、素材、三元组字段；

￮ 通用搜索引擎爬虫：精简产业扩展字段，仅保留企业基础 Schema，减少服务器负载；

3. 注入位置统一：页面底部闭合 body 标签前，异步加载不阻塞页面渲染速度。

八、第七层：双向同步至全局知识图谱库

JSON-LD 组装完成后，模块自动拆解内部实体、关系，同步写入cms_geo_graph三元组总数据表：

1. 新增产品 / 工程自动新增图谱实体；

2. 过期项目、淘汰产品自动标记expire_time过期失效；

3. 同步记录本次生成操作时间戳、操作账号，存入全链路操作日志，满足台账溯源要求。

九、异常兜底与定时修复机制

1. 数据缺失兜底：某产品无实拍素材时，不会中断整站生成，仅清空 image 字段并写入诊断待办；

2. 语法自动纠错：JSON 拼接出现特殊字符时自动转义，避免 AI 爬虫解析失败；

3. 每日巡检任务：系统每日凌晨自动扫描全站页面，检索缺失 JSON-LD 的页面，自动重新执行整套生成流程补全标签；

4. 变更留痕：每一次重生成操作全部记录在监控台账，月度台账可导出所有页面结构化数据变更记录。

整体工作流程简化链路

数据源拉取 → 四层风控清洗过滤 → 识别实体加载基础 Schema → 匹配行业扩展字段 → 绑定实景资质素材 → 融合三元组实体关系 → 生成标准 JSON 代码 → 按访问 UA 差异化注入页面 → 同步更新全局知识图谱 + 操作日志归档