blog
Link nội bộ tự động và focusKeyword bằng TF-IDF cho blog Markdown song ngữ
TF-IDF đề xuất focusKeyword, một script Node chèn link nội bộ thẳng vào file .md của từng ngôn ngữ, và tôi duyệt từng anchor bằng git diff thay vì để build tự chèn.
- Ngày đăng
Mỗi bài blog của site này có một focusKeyword, và các bài trỏ tới nhau bằng link nội bộ tự động. Cả hai do script Node đọc thẳng thư mục content/: TF-IDF đề xuất từ khoá, tôi duyệt, rồi link:internal ghi link vào chính file .md. Blog có 2 bản ngôn ngữ, nên mọi bước chạy riêng cho content/blog/ và content/en/blog/.
TF-IDF đề xuất focusKeyword, tôi chọn cụm cuối
npm run seo:keywords in 5 ứng viên mỗi bài. Script lấy mọi n-gram từ 1 tới 3 token, bỏ cụm bắt đầu hoặc kết thúc bằng stopword, rồi chấm điểm. Mỗi vị trí có weight riêng: title 5, tag 4, heading 3, description 2, thân bài 1. N là số bài của ngôn ngữ đang tính.
const idf = Math.log((N + 1) / (d + 1)) + 1
let score = t.tf * idf * (1 + 0.3 * (n - 1))
if (t.exactTag || containsPhrase(titleTokens, phrase)) score *= 1.5
Mỗi token thêm vào cụm cộng 30% điểm, cụm trùng tag nguyên văn hoặc nằm trong title nhân 1,5. 3 filter đứng trước công thức: cụm xuất hiện ở hơn 3 bài (df > 3) bị loại vì không phân biệt được bài nào; cụm phải nằm trong title, heading hoặc tag của chính bài và lặp ít nhất 2 lần ở thân bài; cụm 1 token chỉ qua nếu là tag nguyên văn hoặc tên riêng viết hoa trong title.
Kết quả vẫn chỉ dùng được khoảng một nửa. Một lượt chạy trên 4 bài, điểm sẽ đổi khi blog thêm bài:
| Bài | Top 1 của TF-IDF | focusKeyword tôi chọn |
|---|---|---|
| Chi phí subagent Claude Code | final review (135,8) | subagent Claude Code |
| Gemini 3.6 Flash trên Antigravity | Flash (144,6) | Antigravity CLI |
| Fable 5.2 và prompt | bảng giá (31,3) | Fable 5.2 |
| Loop engineering | không có ứng viên | loop engineering |
final review có thật trong bài nhưng không ai gõ nó vào Google để tìm bài về chi phí subagent. TF-IDF đo cụm nào đặc trưng cho bài, không đo người đọc gõ gì. Tiếng Việt không có bước tách từ nên còn cụm cụt: bài subagent ra phí mỗi lượt (51,0) thay vì "chi phí mỗi lượt", bài về skill ra UI UX Pro và UX Pro Max (cùng 55,1) cho một tên UI UX Pro Max.
Vì vậy script không bao giờ ghi thẳng top 1. Nó xuất file đề xuất, tôi sửa tay, rồi --write chỉ đọc file đã duyệt:
node scripts/seo-keywords.js --out $TMPDIR/kw.txt # mỗi dòng: vi/<slug> = <top 1>
node scripts/seo-keywords.js --write $TMPDIR/kw.txt
--write chèn đúng 1 dòng focusKeyword: '...' ngay trước dòng date: đầu tiên, không dùng matter.stringify vì hàm đó định dạng lại cả YAML. File được parse lại để so với cụm vừa ghi, lệch thì khôi phục bản cũ. Bài đã có focusKeyword bị bỏ qua nên chạy lại không thêm gì. Lần ghi đầu, ngày 03/11/2026, đụng 38 file, mỗi file đúng 1 dòng.
2 bản ngôn ngữ không dịch từ khoá của nhau: subagent Claude Code và Claude Code subagent, trang nén và compressed pages, dịch ngược phần mềm và reverse engineering. Mỗi bản chọn cụm người đọc bản đó gõ.
check:keywords: 7 chỗ focusKeyword nên có mặt
npm run check:keywords kiểm focusKeyword có ở title, seo.title, description, 100 từ đầu của thân bài, slug, một H2 và alt của ảnh. So sánh sau khi hạ chữ thường và bỏ dấu. Gate này mềm, luôn exit 0. Output của một lượt chạy:
[vi] nang-cap-website-nextjs-16 (Next.js 16): thiếu ở slug
[en] ai-engineer-roadmap-2026 (AI Engineer roadmap): thiếu ở 100 từ đầu
30/44 bài đạt đủ
Thiếu ở slug thì tôi để yên: đổi slug là đổi URL và phải thêm redirect. Thiếu ở title, description hay đoạn đầu thì sửa chữ cho tự nhiên. alt vẫn phải mô tả đúng hình, chỉ chứa từ khoá khi câu mô tả vẫn đúng.
link:internal chèn link nội bộ tự động: dry-run, --write, git diff
npm run link:internal # dry-run, in: slug: "anchor" -> /url
node scripts/link-internal.js --write # ghi vào .md
git diff content/ # duyệt từng anchor
Đích là bài có focusKeyword; chữ khớp là focusKeyword cộng aliases, thử cụm dài trước. Script chỉ khớp trong văn xuôi, bỏ code, heading, link có sẵn, <Callout> và <Checklist>. Nó lấy lần khớp đầu tiên nằm từ ký tự thứ 200 của thân bài trở đi, giữ nguyên chữ gốc làm anchor ([chữ gốc](url)), ranh giới từ theo Unicode nên claude không khớp trong claude-code hay CLAUDE.md. Mỗi bài nguồn nhận tối đa 3 link mới mỗi lần chạy (--max n đổi số này), tổng link nội bộ không quá 8. Bài đích ít link vào nhất được ưu tiên, bộ đếm cập nhật ngay trong vòng lặp nên link trải đều.
Lúc ghi, script dựng toàn bộ nội dung mới trong bộ nhớ trước, nên có lỗi thì chưa file nào bị ghi. File CRLF hoặc BOM bị từ chối. Không bump updated, vì bọc anchor không đổi fact.
Lần --write đầu trên 38 bài chèn đúng 2 link, 1 cho mỗi ngôn ngữ. Bản Việt:
-... số trang nén 0%. Vòng đo 30 giây một lần ...
+... số [trang nén](/mac-trang-nen-tang-vot-vong-lap-cho-log) 0%. Vòng đo 30 giây một lần ...
Ít vì focusKeyword hiếm khi lặp nguyên văn ở bài khác. Muốn thêm khớp thì khai aliases: ['chữ khác'] trên bài đích. noLink: ['chữ'] là chiều ngược lại, nhưng chặn theo chữ chứ không theo vị trí: mọi chỗ khớp chữ đó bị bỏ, cả chỗ hợp lý. Với một anchor vô lý, thường gọn hơn là sửa tay chữ anchor trong file: bài nguồn đã link tới đích nên lần chạy sau bỏ qua cặp đó. Chưa bài nào khai aliases hay noLink, và dry-run npm run link:internal hiện in 0 link.
Vì sao link nội bộ nằm trong file .md, không chèn lúc build
Anchor là chữ của bài. Chèn lúc build thì bài đăng ra khác bài tôi đọc trong editor, và đổi focusKeyword của một bài đích sẽ đổi link ở các bài khác mà không có diff nào để xem. Link nằm trong .md thì mỗi anchor là một dòng thay đổi, git diff là bước duyệt, git revert là cách rút lại. Không có chế độ ghi tự động trong CI.
Cái giá có thật. Bài mới ra không tự có link vào cho tới lần tôi chạy script. Link chèn xong không bump updated, nên lastmod trong sitemap không phản ánh nó. Phần mask còn ca hiếm chưa phủ, như blockquote lồng JSX hoặc HTML inline giữa dòng, nên đọc diff là lưới chặn cuối.
Sau build, check:links (trong postbuild) quét out/: link nội bộ chết và link chéo ngôn ngữ trong thân bài làm fail build. Bài mồ côi chỉ cảnh báo, và được tính từ thân .md chứ không từ HTML, vì khối "Bài liên quan" xếp theo tag nên trong HTML bài nào cũng có link vào. Bước kế tiếp của tôi là khai aliases cho các bài đích đáng nhận link nhất, rồi duyệt dry-run từng đợt.
Bài viết liên quan
tất cả bài viết →- check:seo và check:links trên out/ của Next.js: kiểm HTML đã build, không kiểm source2 gate chạy trong postbuild đọc thẳng out/**/*.html: canonical, og:image, hreflang hai chiều, title trùng, xhtml:link của sitemap, link nội bộ chết. Lỗi làm build fail trước khi deploy.đọc tiếp →
- Nạp trễ GA4 và AdSense trong Next.js static: 1,3 MB JS ra khỏi headgtag.js và adsbygoogle.js cộng lại khoảng 1,3 MB JS chưa nén. Một component nạp chúng sau tương tác đầu tiên hoặc khi rảnh, chỉ trên domain thật, để không tranh main thread lúc tải trang.đọc tiếp →
- Gỡ @tailwindcss/aspect-ratio: lỗi im lặng khiến mọi ảnh cover cao 0pxPlugin aspect-ratio thay theme.aspectRatio nên Tailwind core ngừng phát aspect-video. Hộp ảnh sập còn 0px, mọi cover vô hình, build vẫn xanh. Đây là cách tôi lần ra và chặn lỗi này.đọc tiếp →
- Critical CSS cho Next.js static: critters, font và màn hình đầu trên PSI mobileSite Next.js static của tôi dính 3 bẫy PSI mobile: CSS chặn render, font inline tải sớm và JS chờ ở màn hình đầu. Đây là cách xử lý từng cái, bắt đầu từ critical CSS bằng critters ở postbuild.đọc tiếp →