镜像域和 CDN 子域会不会变成第二个正本？noindex 该加在哪一层

2026-10-27 的监测专项里，我们循着两条线索查清了一件事：某个长期出现在企业搜索结果里的疑似「克隆站」，大概率不是外部侵权，而是自家建站系统的基础设施——黄页平台登记的公司网址填的是这个镜像域，旧站的文章页图片走的也是它的 CDN 子域。线索指向「自家资产」而不是「外部小偷」，处理方式就完全不同：不是发律师函，是技术收敛。这篇把这个判断过程和 noindex 的三层写法讲清楚。

直接给答案：镜像域和 CDN 子域的风险不在于它今天排第几，而在于它可能被搜索引擎单独收录，长期演化成「第二个正本」，稀释主域的实体信号。处理顺序是：先搞清归属，再分层加 noindex，最后用四项验证收口。

先判归属：外部克隆还是自家基础设施

先说结论：判断方式是找「只有自己人才会留下的痕迹」。

三条线索按可信度排：① 企业信息平台和黄页的登记记录——我们那次的突破点是某黄页把公司网址直接登记成了那个镜像域，还留了一个曾用名体系的邮箱；② 自家旧站源码里的资源引用——文章页的图片 CDN 就是镜像域的子域，这基本坐实了基础设施关系；③ 解析与服务指纹——IP 段、证书、服务端特征与自家建站服务商一致。三条同时成立，就按「自家资产的技术收敛」处理，而不是维权下线。

这一步值得所有外贸企业做一次：把你公司的名字放进搜索引擎，逐条看出现的域名——哪一个在卖你产品、哪一个只是渲染节点。多数企业从没做过这件事，而镜像域往往在建站时就埋下了，一埋好几年。

三层 noindex，管的东西不一样

先说结论：robots.txt、meta robots、X-Robots-Tag 三层经常被混用，混用的后果是「明明写了 noindex 却没生效」。

最容易犯的错就是第一行：发现镜像被收录，第一反应是 robots.txt 里 Disallow 掉——对从未被抓取的页有用，对已经在索引里的页，恰好挡住了爬虫读到 noindex 的机会，页面反而继续留在索引。正确顺序永远是：先让它能被抓到并读到 noindex，等索引清退完成，再考虑 Disallow。

镜像收敛的完整方法论，和《网站让 AI 读到了，为什么光改 robots.txt 不够？爬取、索引、引用是三道不同的门》里的「三道门」框架同源：先决定爬虫能不能读，再决定要不要存，最后才轮到引用。

收敛之后，四项验证收口

先说结论：noindex 不是配完就完，四项验证缺一项都可能在几周后反弹。

1. 响应头逐个子域验：curl -I 看每个子域、每个目录的响应头确实带 X-Robots-Tag: noindex。
2. site: 结果逐月下降：镜像域的收录数应该按周可见地减少，4 周内清到接近零。
3. 主域 canonical 自指：正式站每个页面的 canonical 指向自己，不给镜像任何「正本声明」的空间。
4. 排查引用路径：AI 手测公司名，确认它引用的「官网」指向主域（方法见《AI 引用为什么要可点击才算数？三家平台的手测取证法》）。

适用判断一句话：自家建站体系带出的镜像子域、图片 CDN 域，一律做 X-Robots-Tag 收敛，这是建站卫生，不是可选项；真正被外部竞争对手克隆的站，走的是另一条路——留证、平台投诉、主机商举报，不要用 noindex 思路去处理别人的站。

常见问题

镜像域现在排得很靠后，放着不管行不行？

不行，它的风险不是位置是身份。镜像和主域内容一致，搜索引擎在「谁是正本」上会摇摆；AI 侧更实际——它抓到哪套就用哪套，公司资料可能来自一个你根本不维护的渲染节点。

CDN 域上的图片也要 noindex 吗？

要，图片页被单独收录是常见现象。CDN 域统一加 X-Robots-Tag: noindex 一次性解决，且不影响图片本身的加载与展示——noindex 只管索引，不管访问。

怎么区分镜像节点和正经的子域名站？

看内容与功能：内容与主站完全同构、没有独立价值的（渲染缓存、备用线路），收敛；有独立内容与独立运营意图的（帮助中心、招聘站），保留并各自做好 canonical 自指。

想聊你自己的具体业务场景，联系大宗师网络（外贸社媒训练营）：微信 Dazongshi98。