延伸閱讀如何從穩定 metadata 自動產生

文章末尾的延伸閱讀，會把讀者帶到下一個問題。如果每一篇都手寫一份清單，新增文章之後，就得再決定哪些舊文章應該補上它；文章越多，這份人工對照也越容易漏掉。

本站先用文章已經有的 metadata 產生候選，再以固定規則選出少量文章。我在意的是這套規則能不能說清楚：一張卡片為什麼出現在這裡、哪些內容絕對不能進來，以及當結果不理想時，應該回頭檢查什麼。它不需要假裝理解了文章全文。

以下依 2026 年 10 月 25 日的實作與本機輸出說明。這是一個以分類、tags 和日期排序的小型規則，不是依讀者行為訓練的推薦系統。

先決定哪些文章有資格被推薦

發布資格和相關程度，是兩個不同的問題。

文章頁先呼叫 getPublishedNotes(locale)，取得該語言可公開的文章。這一層會排除草稿、缺少發布日期，以及發布日期晚於台北當天的內容；接著才把集合交給 selectRelatedNotes()。

後者再排除兩種候選：語言和目前文章不同，或 stableId 與目前文章相同。因此，延伸閱讀不會把自己列進去，也不會為了湊滿卡片而突然帶出另一種語言。

這個分工有一個需要記住的限制：selectRelatedNotes() 本身不檢查草稿與發布日期。若別的使用位置直接把全部文章交進來，它不會替呼叫者補上發布過濾。我用受控資料確認過這個差異，所以不能只看到函式名稱，就把它當成安全的公開查詢入口。

首頁、列表、文章頁與 sitemap 為什麼要共用發布查詢談的是同一組公開資格。延伸閱讀接在這組資格之後，才開始回答「先放哪幾篇」。

分數來自分類與相同的 tags

目前每一個候選的分數是：

同分類加 3 分，每一個相同 tag 加 2 分。

這裡的「相同」是字串相同，沒有大小寫轉換、同義詞整理或語意分析。Astro 和 astro 不會被當成同一個 tag；標題裡即使出現同一個技術名稱，也不會因此得到 tag 分數。

假設三個候選都和目前文章同分類，計分結果如下。這是用來解釋規則的受控例子，不是三篇真實文章的成效比較。

候選情境	分類分數	tags 分數	總分
有兩個相同 tags，發布較早	3	4	7
有一個相同 tag，發布較新	3	2	5
沒有相同 tag，發布最新	3	0	3

第一個候選仍然排在前面。日期只會在分數相同時決定先後，不會讓較新的文章直接越過分數較高的文章。

本站目前的分類只有 development，所以同語言候選的分類分數都是一樣的。現階段真正拉開分數的主要是 tags；保留分類權重，不代表網站已經建立多分類推薦，也不能把這個權重說成經過讀者研究的最佳比例。

同分之後，還需要可預期的順序

排序依序比較分數、publishedAt，最後才比較 stableId。同分時，新發布的文章在前；連發布時間都相同，才以穩定識別字打破平手。

我把兩個同分、同發布時間的候選放進受控集合，確認它們最後依 stableId 排序；也確認函式不會改動傳入集合的原始順序。這些檢查是在核對排序契約，不是在證明哪個候選比較值得讀。

穩定的順序讓結果比較容易追查。若某張卡片換了位置，可以回頭看 tags、日期或候選集合是否改變，而不是先猜測是不是推薦系統「有自己的想法」。

不必湊滿，也不代表一定高度相關

函式預設最多取兩篇。有多少合格候選，就從排序後的集合取多少，不會複製同一篇來補位置。文章版型也只在清單非空時輸出延伸閱讀區塊；草稿預覽則直接不建立這份清單。

但目前沒有最低分數門檻。即使沒有相同 tag，只要仍在候選集合裡，也可能被選中。以現在只有一個分類的狀態來說，這種候選還是會拿到相同的分類分數，接著靠日期排序。

所以「卡片出現了」只能解讀成它通過目前的候選與排序規則，不能解讀成它已被確認為最適合的下一篇文章。若文章量繼續增加，低關聯候選反覆出現，才有理由評估最低門檻或人工指定；不需要先替未出現的問題加上一整套設定。

自動清單仍然有編輯責任

tags 一旦參與排序，就不只是文章上方的裝飾文字。調整 tag 拼法，可能改變哪些文章彼此靠近；隨意加上一批過於寬泛的 tags，也可能讓原本不同的題目看起來一樣相關。

我會先檢查文章真正回答的問題，再決定 metadata 要不要改。如果兩篇都談「驗證」，一篇教讀者檢查發布輸出，另一篇談 AI 誤判後如何撤回結論，它們可以共享某個 tag，但不因此成為同一篇文章的替代品。

這套規則目前不讀全文，不追蹤點擊、不辨識先備知識，也不保證先推薦入門篇再推薦進階篇。需要一條明確閱讀路徑時，正文裡有理由的文章連結，仍然比一份自動清單更能交代為什麼要往那裡讀。

更新 metadata，也會改變下次建置的結果

延伸閱讀是在 Astro 產生文章 HTML 時決定，卡片本身是一般連結，不必等瀏覽器再向推薦服務取資料。相對地，新增文章、調整 tags 或改變發布資格之後，既有靜態頁面的清單也要隨重新建置與部署才會更新。

本機核對時，我用實際的公開集合計算預期清單，再比對 HTML 語意篇三語文章頁的兩張卡片與順序，結果相符。這能證明選定頁面的輸出接上了目前規則；沒有點擊分析，也就不能順便說這樣的推薦增加了閱讀量。

我會先維持這份能解釋的清單。等到有具體的錯配案例，再判斷是 metadata 不準、排序規則不足，還是讀者其實需要一條人工安排的閱讀路徑。