treg 程序化页面(Programmatic Pages)实战:以 Pipedream 数据为镜,构建 Agent 工具目录的 SEO 增长体系
treg 程序化页面(Programmatic Pages)实战:以 Pipedream 数据为镜,构建 Agent 工具目录的 SEO 增长体系
导读:本文基于 treg 仓库的 pseo-catalog-plan.md 这一内部规划文档,完整还原其从 Pipedream 排名数据、Blotato sitemap 反推,到落地为
/apps/<agent>、/mcp/<platform>、/catalog/<slug>、/use-cases/<job>四级 URL 结构的全部推演过程。你将看到:为什么“薄页面赢在词还年轻的时候”、为什么 2,791 个端点页会被否决、catalog YAML 如何同时充当内容管线与内链引擎,以及索引门槛为什么是“用量”而不是“搜索需求”。读完可复现一套以开源注册表为数据源、以产品界面为 SEO 表面的程序化 SEO 打法。
1. 这份文档回答什么问题
treg 是一个开源的工具目录与调用网关——项目的自我定位是 “OpenRouter for agent tools”,仓库根目录的 README.md 与 design.md 对该定位有完整描述。在公开站点 treg.to 上,/catalog/<slug> 已经用服务端渲染的方式列出了 81 个平台货架,但搜索引擎的表现并不理想:Search Console 28 天里只有 41 次点击、其中 35 次是品牌词。这份 pseo-catalog-plan.md 就是针对“如何让目录页本身成为流量入口”的完整作战计划。
文档的数据基础来自三类实证:
- DataForSEO 对 pipedream.com 的 4,000 个美国关键词排名拉取(2026-08 口径);
- Blotato 的 sitemap 反推(
/ai-agent/<agent>、/mcp/<platform>、/tools/<free-tool>三级结构); - treg 自己的 Search Console 与 catalog 数据(
catalog_store.load()装载的 81 平台、1,034 能力、485 个上个月有调用的端点)。
注意:文中所有数字均为文档记录时间(2026-08-21)的实测快照,属于规划依据而非承诺;后续小节会标明哪些是仓库源码可以验证的实现事实。
2. 先看证据:Pipedream 页面到底赚了多少流量
文档第一张表是 Pipedream 美国区自然流量的逐 URL 模式拆解,它推翻了“看起来的结论”:
| URL 模式 | 估算访问/月 | 占比 | 排名关键词 | 进前 10 |
|---|---|---|---|---|
/(品牌词:pipedream / pipe dream) |
15,700 | 67% | 146 | 21 |
mcp.pipedream.com/app/<app> |
3,980(去掉一个离群值约 580) | 17% | 345 | 84 |
/apps/<a>/integrations/<b> |
850 | 3.6% | 1,619 | 49 |
/apps/<a> |
630 | 2.7% | 589 | 53 |
/community |
610 | 2.6% | 596 | 103 |
/blog |
580 | 2.5% | 68 | 31 |
/apps/<a>/(triggers|actions)/<x> |
370 | 1.6% | 398 | 48 |
/vs/<competitor> |
15 | 0.1% | 2 | 1 |
其中离群值是丹麦会计品牌 “e conomic”(月 301k 访问、排在位置 10)独自贡献了 3,400 的流量。从这张表文档提炼出五条结论:
- “流量很多”主要是品牌词——68% 的美国自然流量是用户直接输入产品名,对一个有 3,000 个 app、百万级用户的公司,非品牌自然流量只有约 4,000 访问/月;
- app×app 页面是“广度机器”而非“流量机器”——三种
/apps模式合计 2,600 个排名关键词、约 1,850 次访问,平均每个关键词每月不到一次访问,价值在于长尾和让 app 中心页被爬取的内链图,而非单页流量; - 最新、最薄的页面赚走最多的非品牌流量——
mcp.pipedream.com/app/linear只有一个标题、一个 H1(“Linear MCP Server”)、两步安装说明,没有 H2、没有内链、没有 schema,却在 “quickbooks mcp”“plaid mcp server”“pipedrive mcp”“sendgrid mcp”“typeform mcp” 等词上稳居前五、共 84 个前 10 位置。文档称之为 SEO 增长打法的第一定律:当词还年轻、SERP 还薄时,低投入页面也能赢;而集成页有多年权威却只排在 11–50 位; - 对比页基本无用——
/vs/zapier只有 15 次访问,底部对比栏的作用是爬取路径与占位,不是流量; - Pipedream 页面上的每一行都是一个 CTA——产品界面即 SEO 界面,这是唯一值得抄的部分,而且它是产品决策而非内容决策。
3. 机制拆解:为什么他们的页面能赢
Pipedream 的程序化页面没有进 sitemap——/sitemap.xml 只列了 11 个 hub URL。文档从其开源注册表(PipedreamHQ/pipedream/components/,3,397 个 app、4,626 个 trigger、11,681 个 action)反推出完整的查询意图阶梯:
| 层级 | URL | 标题 = 查询词 | 数量 |
|---|---|---|---|
| app | /apps/notion |
“Notion API Integrations” | ~3,000 |
| pair | /apps/notion/integrations/slack-v2 |
“Integrate the Notion API with the Slack API” | 任意有序对,按需生成(≈900 万可能) |
| component | /apps/notion/triggers/new-page |
component 名原样 | ~16,300 |
| workflow | …/create-a-page-with-notion-api-on-new-gist-from-github-api-int_… |
“{action} with {B} API on {trigger} from {A} API” | 每个 trigger×action(≈5,400 万可能) |
| 手写 | /vs/zapier ×5、/templates ×40 |
— | 已经过时(手写页写 “2,200+ apps”,生成页写 “3,000+”) |
文档由此提炼出八条原则,并为 treg 逐一给出对应物。这里把最关键的几条连同仓库证据展开:
① 数据即内容,页面即视图。 每一页都是注册表(名称、描述、版本、README、OAuth 配置)的函数,贡献者写代码、页面自动出现。treg 的对应物是 catalog 目录下的 YAML 注册表(如 catalog/linkedin.yaml),/catalog/<slug> 已经从它渲染;新页面必须同样从 catalog 渲染,任何页面不得携带 catalog 里不存在的数字或名称。这一点在源码里是硬约束:_platform_rows() 直接调用 catalog_store.load() 并逐一统计 endpoints/capabilities/providers,JSON 路由与服务端渲染页面共用同一个 builder,routers/catalog.py 的注释明确写着“the two can never disagree about what is on the shelf”。
② 标题就是字面查询词,由实体名组合而成。 每一层瞄准一种查询形状。treg 的对应映射是:<platform> api pricing(货架层)、<platform> mcp server(mcp 层)、<agent> + “connectors”/“mcp”长尾(agent 层)、用大白话描述的工作(capability 层,证明有效前 noindex)。
③ 无边无际的长尾、高度集中的头部。 Pipedream 的对偶页可以为任意组合生成,但每页都链向同一批按用量排序的前 24 个 app 和页脚的 8 个赚钱 app。treg 手里有真实的用量数据:前 10 个端点占每月 25,000 次调用的 49%(Google SERP 30%、X 17%、人脉 enrichment 15%)。所以应当把使用量最高的平台放进每个页面的页脚,让权威向那里汇集。
④ 用不翻页的 A–Z 目录为每个实体提供两跳爬取路径。 treg 的 /catalog 已经列出全部 81 个货架,保持不翻页、服务端渲染即可。routers/web.py 的 catalog_index 正是这样实现的:一个页面渲染全部 _platform_rows(),并带上 ItemList 与 BreadcrumbList 两份 JSON-LD。
⑤ 每个页面都是漏斗。 Pipedream 的 “TRY IT”/“USE THIS ACTION” 会带预选组件深链进 builder;treg 的对应做法是每一行都打开 connect/install 流程、/apps/<agent> 页面从按钮直接发起 OAuth 或 Plugins 安装。
⑥ 用机器独有数据对冲薄页风险。 Pipedream 每个 component 带完整源码、版本、key、文档链接,且随每次 PR 变化。treg 能放的独有数据更多:每次调用的价格、参数、test_request、验证日期、观测到的成功/延迟。仓库里 cost_view()(domain/catalog/store.py)会把 currency: credit 和 currency: unit 这类非货币计价统一折算成 usd 字段,9 位小数精度,“因为按行计的价格可能是美分的万分之一,舍成 0 会把真实收费变成‘免费’”。
⑦ 开源注册表既是内容管线也是外链引擎。 Pipedream 的每个 npm 包都带 "homepage": "https://pipedream.com/apps/<app>",每页都写 “View on GitHub”,换来 5.7k forks。treg 的仓库是公开的(文档记录 423 stars),每个 catalog YAML、每条 MCP 目录 / ChatGPT 插件列表都应指向自己的页面——那些本身就是 <platform> mcp server 这个词的 SERP 的目录站,同时兼任入站链接。
⑧ 结构胜于打磨。 没有 canonical、meta description 里是原始 markdown、自我配对、JS-only 的 “Load more”、只有 Googlebot 能渲染的 Vue SPA——照样有效。唯一不能抄的是:AI 爬虫不渲染 JS,所以 treg 的页面必须服务端渲染(文档注明与 wiki §8 一致)。仓库里的 _page()(routers/web.py)就是为这个目的存在的共享外壳:一个地方统一持有 <title>、meta 与爬虫所需的头部。
明确不抄的一条: Pipedream 的 pair 与 workflow 页被索引到了远超需求的程度(如 “create sitemap with WebScraper.IO on new transaction from YNAB”)。它们靠自身权威扛得住;而一个 2026 年才上线、只有 41 次点击的域名扛不住。所以 treg 的原则是:生成整个图,只索引被测量的节点。
4. 本类别内的先例:blotato.com 的三级结构
Blotato 的 teardown 已证明它为什么有效(561 个引用域在关键查询上击败 Buffer 的 99k;/tools/* 的收入超过 162 篇博客文章;81 个第三方 n8n 模板才是真正的楔子)。文档拉取其 sitemap 得到已上线结构:
/ai-agent/<agent> 16: chatgpt, claude, claude-code, codex, cursor, gemini, windsurf, perplexity, …
/mcp/<platform> 9: instagram, linkedin, tiktok, x, youtube, threads, facebook, bluesky, pinterest
/tools/<free-tool> 12: social-media-api-cost-calculator, best-time-to-post, …
/blog/how-to-post-to-<platform>-with-claude (每平台一篇 —— “怎么做”住在博客里)
/blog/<platform>-api-pricing (每平台一篇 —— 买家自己的话术)
/blotato-alternatives (一个 hub,18 工具对比表,“Verified August 2026”)
要点是:三级而非四级。因为产品固定的工作(“post”)只有一个,how-to 的形态是 platform × agent,永远不会是 agent × category × job;而定价帖是同一批平台在买家另一种措辞下的重复覆盖。
5. treg 自己的数据说了什么
Search Console(28 天):41 次点击、35 次品牌。24 个 /catalog/<slug> 货架页有曝光零点击,其中 /catalog/linkedin 已匹配到 linkedin api pricing(位置 86)与 serpapi(位置 74)——已被索引、方向正确、只是太薄,需要在每个聚类上做冷启动。
2026-08-21 实测的月度需求(美国区):claude connectors 2,900 · claude mcp servers 1,600 · firecrawl mcp 1,300 · chatgpt connectors 1,000 · chatgpt mcp 1,000 · claude code mcp servers 880 · cursor mcp servers 720 · linkedin mcp server 480 · apify mcp 480 · chatgpt for seo 480 · ahrefs mcp / semrush mcp 390 · dataforseo mcp 210 · reddit mcp server 210 · youtube mcp server 140 · how to find instagram influencers 170。而**死词(0–20/月,试了 30+ 种措辞)**是全部 “how to
实时 SERP:linkedin mcp server / reddit mcp server 的 SERP 是 GitHub 仓库、mcpservers.org、PulseMCP、Docker Hub、Apify——薄、可赢,而这些目录站本身就该是 treg 被收录的地方。dataforseo mcp 的 8 个结果里 6 个是 dataforseo.com(厂商持有自己的名字,wiki §3 说不要硬碰)。claude connectors / chatgpt connectors 的 SERP 被 Anthropic/OpenAI 文档加大型 listicle(Composio、Forte Labs)占据——hub 词正面打不赢,但 hub 词下面的长尾可以。
Catalog 形状:81 个平台,其中 47 个有 ≥2 个 provider(linkedin 8、google 8、youtube 7、instagram 6、tiktok 5、x 5、reddit 4);1,034 个能力,201 个有 ≥2 个 provider,72 个有 ≥3 个。
此刻已成事实的产品事实:treg 是 ChatGPT 目录里的公开插件(搜 “treg” → Install,2026-08-20 由 Jason 验证);是 Claude 的 OAuth MCP 连接器;treg mcp install 支持 Claude Code / Cursor / opencode。
6. 已经被 wiki 定下的红线(不重新争论)
- 所有公开标题/标题/锚文本用
treg.to,绝不用裸treg(免疫学 SERP 混战); - 不为每个端点做程序化页面——“这是这里最明显的想法,也是最可能招致全站惩罚的想法”;
- 不做 “best X”/“X alternatives” listicle;没有博客节奏;
- §8 的实战 URL 单元:
/integrations/<provider>/优先,/use-cases/<job>/其次;capability URL 在需求、可比性、差异化内容全部被证明之前保持 noindex; - 厂商名 SERP(如
semrush mcp)赢不了,但一个带安装步骤、可运行调用、价格与限制的集成页“服务于激活与 agent 检索,而这并非 SERP 被要求完成的工作”——用首次调用数而不是排名来评判它; - 长青页用第 14/30 天的索引与曝光打分,第 60/120 天用辅助注册打分,永远不用第 7 天门槛。主要增长单元是成功的重复调用;install → auth → 首次调用 → 第二周漏斗仍然没有埋点;
- 任何数字声明都来自构建时的 catalog;观测成功/延迟统计要带“非公平基准”警示;对具名厂商打印可靠性数字由 Jason 拍板;
- 页面必须服务端渲染:GPTBot/ClaudeBot/PerplexityBot 不跑 Vue SPA。
7. 四级 URL 结构与每个页面的打法
原则一句话:treg 的实体图是 agent × platform × provider,只有“有人会输入某个节点的名字”时,那个节点才配拥有页面。 没人会带 agent 前缀搜工作;人人都搜平台 + “mcp”/“api pricing”/“scraper”,以及 agent + “connectors”/“mcp servers”。因此:
/apps/<agent> 4 页 chatgpt · claude · claude-code · cursor
/mcp/<platform> ~25 页 每个有 ≥2 providers 且测得 "<platform> mcp" 词的平台
/integrations/<provider> ~47 页 按 wiki §8 —— 激活页,排名不是它们的工作
/catalog/<slug> 81 页 已存在;变成 "<platform> api pricing" 页
/use-cases/<job> ~201 辐条层:能力写成工作句,provider 对比,agent 标签页;≥2 providers 且观测到调用时才索引
/tools/<free-tool> 少量 api-cost-calculator 式,学 Blotato 的 /tools/*
/apps/<agent>——“treg.to in ChatGPT / Claude / Claude Code / Cursor”。目标词是 chatgpt connectors 家族的长尾(如 “chatgpt connectors for seo”“claude mcp server for linkedin”)而非 hub 词。内容必须是真正 per-agent 的:该客户端的安装路径(ChatGPT:Plugins → 搜索 treg → Install,配截图;Claude:OAuth 连接;Claude Code/Cursor:一条命令)、五个可粘贴的、能端到端完成真实工作的 prompt、以及指向 /mcp/<platform> 的平台列表行。页面从一个按钮直接发起连接流程——Pipedream 的教训:产品界面就是 SEO 界面。四页手写,折叠线以上手写、以下模板化。
/mcp/<platform>——“LinkedIn MCP server — 8 providers, from $0.002/call, works in ChatGPT, Claude, Cursor”。这是与实测需求、薄 SERP 精确匹配的叶子页。每页包含:agent 现在能在这个平台上做什么(大白话的能力列表——"find influencers" 出现在这里,作为一行、链接到产品里的工作搜索)、provider 对比(价格、验证状态、观测成功/延迟并带警示)、每个 agent 的安装标签页、一条可运行调用。标题携带平台自己的名字——linkedin mcp server,不是 “treg.to linkedin”。只为有实测词的平台构建;其余货架留在 /catalog/<slug>。
/catalog/<slug>——变成 “api pricing” 页。已被索引、已匹配 linkedin api pricing。重命名为买家措辞(“LinkedIn API pricing — 8 providers compared, per-call”),把预渲染从列表改成对比表,加上 treg call 示例。不产生新 URL——这是 wiki 所称“现有站点上 ROI 最快的纯 metadata 修复”。仓库中 call_template()(domain/catalog/store.py)就是生成那条 treg call 示例的函数:它优先用 test_request 里的真实值——该请求在验证日期实际打过线上 API,所以这行命令是“已知可用”而非“形状正确”;目标用端点 ID 而非 <provider> <path>,任何没有注册工具的调用者都能直接复制粘贴。
/use-cases/<job>——辐条层(2026-08-21 经 Jason 反对后修订)。Pipedream 的零流量页面不是浪费,它们是辐条:每个都把自己的 hub 名字带进面包屑、H1 和父链接(为 /apps/<app> 提供锚文本与实体覆盖,而 hub 持有 53 个前 10 位置);每个都是外部链接的入口点(GitHub issue 或论坛回答会链接到具体 action 页而非 hub);它们的长期尾部相加(1,619 关键词 → 850 访问)。其排名最好的叶子正是 H1 是工作大白话的 action 页(“find social media accounts by email” → Proxycurl action 页)。
treg 的等价物是把能力写成工作:1,034 个能力,201 个有 ≥2 providers。“Find someone's work email from a LinkedIn URL — 3 providers, from $0.009/success.”——provider 对比是端点页永远不会有的独有内容。Per-agent 安装是页面上的标签页、一个 URL,绝不是 /apps/<agent>/<job> ×4。Jason 的类别(sales、instagram、seo……)是 hub 上的分节标题,不是一个 URL 层级——正如 Pipedream 用 “Popular triggers / Popular actions” 而不是把 /apps/notion/triggers/ 当页面。how-to 就是 use-case 页;agent 只是它上面的一个标签。
索引门槛——用量,而不是搜索需求。 wiki §8 说 capability URL 在搜索需求被证明前保持 noindex;但 noindex 页最终会停止传递链接信号,所以它不再是辐条。修改测试:一个有 ≥2 providers 且有真实观测调用(observed 块;上个月 485 个端点有调用)的 use case 就被索引。其余为 agent 与内链图渲染、不进索引,直到它们挣得资格。预期的索引集:约 100–150 个 use-case 页,每页都有竞品无法再生的东西——而不是 2,791 个没有的。生成整个图,索引被使用的节点,让 hub 收集锚文本。
唯一一个 catalog 今天无法服务的实测 how-to:how to find instagram influencers(170/月)——按垂类做网红发现不在 catalog 里;这一页要等能力加入。
刻意缺席的部分:每端点页(2,791 个——被 wiki 与惩罚数据双重禁止);provider×provider 或 agent×category×job 树;/vs/ 与 “alternatives”(Pipedream 每月 15 次访问;衰退中的词;还会把引用品牌排除在 AI 推荐之外);hub 词 claude connectors / chatgpt connectors 作为页面标题——那是 Anthropic/OpenAI 的地盘。
8. 上线顺序与门槛
/apps/chatgpt+/apps/claude(产品驱动;插件列表是新的且真实存在)与/mcp/linkedin(480/月,SERP 是 GitHub 仓库,货架已有曝光)。共三页。- 把 81 个
/catalog/<slug>页重命名为定价措辞——一次模板编辑。 - 把 treg 提交到本身就是 SERP 的目录站:mcpservers.org、PulseMCP、Glama、Smithery、Docker MCP hub、Anthropic 的连接器目录。Blotato 的教训:赢在买家已经驻足的地方被列出,而这些列表同时也是页面需要的外链。
- 第 14/30 天:逐页检查索引与曝光——
/mcp/linkedin是否进入linkedin mcp server前 30?/catalog/linkedin是否从 74 位前进?是,就在一次发布中把/mcp/<platform>铺到其余约 24 个实测平台;否,更多页面也修不好它。 - 第 60/120 天:按落地页统计辅助注册与首次调用——这需要
first_call_at归因,与 marketing/landing/_measurement.md 提到的同一个阻塞点。
9. 留给 Jason 的开放问题(与仓库现状的呼应)
- 渲染:以上所有页面用服务端
_page()(wiki 的 AI 爬虫论点让它接近强制),对比 UI 以嵌入式而非 SPA 呈现——仓库中 routers/web.py 的_page()与 routers/catalog.py 的_platform_rows()已经是这个方向的实现; - 观测成功/延迟能否带警示出现在公开的 per-vendor 页上,还是只允许价格?wiki 说这是 Jason 的裁决;
- catalog 是否应该新增网红发现能力(这是今天唯一有实测需求、treg 却无法诚实服务的 how-to);
- treg 团队余额为负(−$0.11)——今天 DataForSEO 拉取后的状态;下一轮测量前先充值。
10. 这篇规划沉淀出的方法论
把整份文档压缩成一张可复制的检查表:
- 让注册表成为唯一内容源:页面是数据的视图,页面里不许出现注册表里没有的数字(routers/catalog.py 的
_platform_rows()是现成的“单一 builder”模式); - 按查询形状分页层:平台名 + “mcp”/“api pricing” 一层、agent + “connectors” 一层、工作大白话一层,各自独立测词、独立定索引门槛;
- 测需求再建页:
<platform> mcp server这类薄 SERP 词用低投入叶子页先赢;hub 词正面打不赢就走长尾与目录站收录; - 用产品界面当 SEO 界面:每一行都是 CTA,页面直接发起 connect/install 流程;
- 生成全图、索引用到的节点:辐条层服务内链与外链入口,索引门槛是“≥2 providers 且有真实观测调用”;
- 服务端渲染优先:AI 爬虫不执行 JS,这是 2026 年做程序化 SEO 的硬约束;
- 用正确的时间窗口评估:第 14/30 天看索引与曝光,第 60/120 天看辅助注册与首次调用,永远别用第 7 天。
对正在用开源目录构建 agent 工具生态的团队来说,这份文档的真正价值不在“程序化页面”四个字,而在它给出了一套用自身数据(catalog、用量、观测调用)校准 SEO 决策的完整闭环:先测量,再建页,用产品漏斗承接,最后用首次调用而不是排名来打分。