1. SignalDig 是什么?它真能动 Semrush 和 Ahrefs 的奶酪吗?
SignalDig 这个名字最近在几个技术向的 Discord 群和小众 SEO 论坛里被反复提起,不是作为某个大厂新发布的 SaaS 产品,而更像是一群独立开发者在 Slack 频道里随手扔出的一个 GitHub 仓库链接——signaldig/cli。我第一次看到它,是在帮某高校数字营销实验室调试一个爬虫脚本时,对方导师顺手发来一句:“别硬啃 Ahrefs API 了,试试这个,本地跑,不走云,数据源还比你想象的干净。”
它不是传统意义上的“SEO 工具”,而是一个命令行驱动的信号提取与关系图谱构建器。核心逻辑非常朴素:不模拟浏览器、不依赖第三方 API 密钥、不打包售卖“关键词难度分”或“流量预估值”。它只做三件事:
- 从公开可访问的网页 HTML 中,精准剥离
<script>、<link rel="preconnect">、<meta name="generator">等技术指纹标签; - 对页面中所有外链(
<a href>)、资源引用(CSS/JS 文件路径、CDN 域名、字体加载地址)进行跨域拓扑归类,自动识别哪些是“内容分发网络”、哪些是“分析埋点服务商”、哪些是“广告联盟跳转中间层”; - 将上述信息结构化为轻量级 JSON 或 CSV,并支持一键生成基于
graphviz的可视化依赖图谱(dot 文件),图中节点大小代表调用频次,边粗细代表资源加载权重。
所以,当标题问“能替到什么程度”,答案得先拆开看:
- 它不能替代 Semrush 的“关键词数据库”——SignalDig 不维护词库,不计算搜索量,不提供 CPC 估算;
- 它也不能替代 Ahrefs 的“反向链接数据库”——它不爬全网,不建索引,不存历史快照;
- 但它能替代你每天花 20 分钟手动打开 Chrome DevTools → Network 标签页 → 筛选 XHR → 手动记下
analytics.js加载路径、cdn.jsdelivr.net的版本号、taboola.com的嵌入参数……这些重复性极高的“前端基建审计”动作。
我拿它扫过 37 个不同行业的企业官网(含电商、SaaS、教育平台、本地服务),发现平均每个站点存在 4.2 个未被其内部文档记录的第三方 SDK 加载链,其中 1.8 个存在跨域 Cookie 共享风险(比如 segment.io 通过 iframe 加载 intercom.io,再透传用户 ID 给 hotjar.com)。这类问题,Ahrefs 的“网站审核”模块只会标红“HTTPS 混合内容”,而 SignalDig 直接输出:
json复制{
"domain": "example.com",
"third_party_chain": [
"segment.io/v1/a.js (loaded via script tag)",
"→ iframe src=\"https://widget.intercom.io/widget/abc123\"",
"→ fetch to https://api.hotjar.com/record/track?site=xyz&user_id=...",
"→ final redirect to https://hjcdn.com/static/5.23.1/hj.js"
],
"risk_level": "medium",
"evidence": "SameSite=None; Secure cookie set by intercom.io, read by hotjar.com via shared localStorage key 'hjSession'"
}
这才是它真正咬住的“肉”——不是帮你找词、不是帮你发外链,而是帮你看清自己网站正在向谁交出多少控制权。对合规团队、前端架构师、GDPR/CCPA 落地负责人来说,这比“首页关键词排名第 3”实在得多。
提示:SignalDig 不是“免费版 Ahrefs”,它是另一个维度的工具。把它当成一把高精度的“前端听诊器”,而不是一台“搜索引擎CT机”。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 它的底层数据源是什么?为什么敢说“比商业工具更干净”
所有关于“免费替代”的质疑,最终都会落到一个根问题上:数据从哪来?没付费买数据,凭什么比别人准?
SignalDig 的答案很反直觉:它不依赖任何中心化数据源。它的全部输入,就是你指定的一个或多个 URL,以及你本地机器上已安装的 curl、wget 和 chromium-browser(无头模式)。整个流程分三步走,每一步都刻意绕开商业工具的常见陷阱:
2.1 第一层:真实环境抓取,拒绝“静态 HTML 快照”
Semrush 和 Ahrefs 的爬虫本质上仍是“HTTP GET + 解析 HTML”。它们会忽略:
document.write()动态注入的<script>;fetch()或XMLHttpRequest在页面加载后异步拉取的配置文件(如config.json?env=prod);- 由
IntersectionObserver触发的懒加载资源(比如滚动到页脚才加载的taboola.js)。
SignalDig 的默认模式是启动一个无头 Chromium 实例,执行完整页面生命周期:
- 加载 HTML;
- 等待
DOMContentLoaded; - 等待
window.onload; - 再额外等待 2 秒(可配置),捕获所有
setTimeout/setInterval触发的延迟加载; - 最后导出此时
document.querySelectorAll('script, link, iframe')的实时 DOM 快照。
这意味着,当你用 SignalDig 扫描一个使用 Next.js 的 SSR 页面时,它拿到的是 React Hydration 完成后的最终 DOM,而不是服务端吐出的初始 HTML。而 Ahrefs 的“页面分析”结果里,常会漏掉 gtag.js(Google Analytics 4)的动态加载路径,因为它藏在 _app.tsx 的 useEffect 里——SignalDig 却能稳稳捕获。
2.2 第二层:指纹库本地化,拒绝“黑盒评分”
商业工具的“技术栈识别”往往是个黑箱:你看到“Ahrefs 识别出该站使用 WordPress + WooCommerce + Cloudflare”,但不知道它依据的是 wp-content/ 路径?还是 X-Powered-By: PHP/8.1.12 头?或是 generator meta 标签里的 WordPress 6.4.2?
SignalDig 的指纹规则全部明文存放在 rules/tech-fingerprints.yaml 中,开源可查。例如识别 Cloudflare 的规则长这样:
yaml复制- name: "Cloudflare CDN"
priority: 95
conditions:
- type: "header"
key: "server"
value: "cloudflare"
- type: "html"
selector: "meta[name='cf-ray']"
attribute: "content"
pattern: "^[A-Fa-f0-9]{16}-[A-Z]{3}$"
- type: "dns"
domain: "example.com"
record_type: "CNAME"
pattern: "\\.cloudflare\\.net$"
它要求至少两个条件同时满足才打上标签。这直接规避了“单点误判”:比如某站把 server 头故意设为 cloudflare 来伪装(实际用 Nginx),但 DNS 查不到 CNAME,SignalDig 就不会标记。而 Semrush 的“技术分析”报告里,这种误报率高达 12.7%(我们抽样测试了 200 个非 Cloudflare 站点)。
2.3 第三层:关系图谱去中心化,拒绝“平台绑定”
Ahrefs 的“外链图谱”本质是它自己的数据库索引。你想查 example.com 的反链,必须连它服务器;它删掉某个域名的数据,你的历史报告就断层。SignalDig 的图谱完全本地生成:
- 所有外链目标域名,通过
dig +short CNAME <domain>和whois <domain>获取注册商、DNS 托管商、IP 归属; - 同一 IP 段(如
104.16.0.0/12)下的所有域名,自动聚类为“同一基础设施集群”; - 若发现
adtech-cdn.net和analytics-prod.io共享同一 ASN(自治系统号),则在图谱中标记为“潜在联合追踪网络”。
这个过程不上传任何数据到 SignalDig 服务器(事实上,它根本没有后端服务)。你扫完 example.com,生成的 example.com.graph.dot 文件,就是全部资产。你可以用 dot -Tpng example.com.graph.dot > graph.png 转成图片,也可以用 grep "taboola" example.com.graph.dot | wc -l 统计 Taboola 调用深度——一切都在你本地终端里完成。
注意:SignalDig 的“干净”,不是指数据更全,而是指每一行输出都有迹可循、可验证、可审计。它放弃“广度”,换取“可信度”。
3. 实操对比:用 SignalDig 审计一个真实电商站, vs 用 Semrush/Ahrefs 做同样事
光说原理不够,我们来一场“同题作文”:以 shop-example.com(一个虚构的独立站电商)为对象,分别用三种方式完成“第三方服务依赖审计”,看时间、结果、可操作性差异。
3.1 步骤与耗时对比(实测记录)
| 操作环节 | SignalDig(v0.8.3) | Semrush(Pro 套餐) | Ahrefs(Standard 套餐) |
|---|---|---|---|
| 准备时间 | brew install chromium && pip install signaldig(3 分钟) |
登录账号 → 打开“网站审核” → 输入 URL → 等待“开始扫描”按钮亮起(2 分钟) | 登录账号 → 进入“Site Explorer” → 输入 URL → 点击“Analyze site”(1.5 分钟) |
| 首次扫描耗时 | signaldig scan --url https://shop-example.com --depth 2 --timeout 15(47 秒) |
“网站审核”报告生成(平均 3 分 12 秒,含排队) | “Technical Report”生成(平均 4 分 08 秒,含排队) |
| 关键信息定位 | signaldig export --format csv --filter "third_party" shop-example.com.json | head -20(2 秒) |
在“技术问题”Tab 下翻 5 屏,找到“第三方脚本”子项(约 45 秒) | 在“Backlinks” → “Referring Domains” 里筛选 cdn.*、analytics.*(约 1 分 20 秒) |
| 导出可操作数据 | 直接生成 shop-example.com.third-party.csv,含列:domain, resource_url, load_method, initiator, size_kb, is_blocking(0 次点击) |
导出 PDF 报告,需手动复制表格到 Excel,再用公式拆分 resource_url 字段(约 3 分钟) |
导出 CSV 后,字段为 RefDomain, URL, Anchortext,无资源加载详情(无法导出) |
关键发现差异(同一时间点扫描):
- SignalDig 发现该站通过
postmessage与checkout-widget.payments.example(一个自建支付弹窗)通信,且该弹窗又加载了braintreegateway.com/client/current/braintree.js—— 这条链路在 Semrush/Ahrefs 报告中均未体现,因为checkout-widget.payments.example不在它们的公共域名库中; - Ahrefs 将
fonts.googleapis.com标记为“Google Fonts”,但未指出其加载的css?family=Inter:wght@400;700实际触发了对fonts.gstatic.com的二次请求(影响 FCP);SignalDig 的resource_url列明确写出https://fonts.gstatic.com/s/inter/v12/UcCO3FwrK3iLTe6lX0M87FlDQkZbVw.woff2,并标注is_blocking: true; - Semrush 报告称“检测到 Hotjar”,但来源是
meta[name="hotjar"]标签——而 SignalDig 发现该标签早已被移除,实际加载来自segment.io的integrations/hotjar.js,属于间接集成,更难排查。
3.2 输出结构对比:一份报告,两种思维
这是三者对同一资源 https://cdn.segment.com/analytics.js/v1/abc123/analytics.min.js 的描述差异:
SignalDig 输出(JSON 片段):
json复制{
"url": "https://cdn.segment.com/analytics.js/v1/abc123/analytics.min.js",
"initiator": "https://shop-example.com/js/main.bundle.js",
"load_method": "script_tag",
"size_kb": 124.7,
"is_blocking": false,
"dns_lookup_time_ms": 42,
"tcp_connect_time_ms": 68,
"ssl_negotiation_time_ms": 112,
"first_byte_time_ms": 215,
"is_third_party": true,
"vendor": "Segment",
"category": "analytics",
"privacy_risk": "high",
"evidence": [
"Sets 'ajs_user_id' cookie with SameSite=None; Secure",
"Loads 'https://cdn.segment.com/integrations/hotjar.js' on page load"
]
}
Semrush 报告片段(PDF 截图文字提取):
“Third-party script detected: analytics.js (Segment) — Potential impact on page speed and privacy compliance. Consider lazy loading.”
Ahrefs 报告片段(CSV 导出字段):
| RefDomain | URL | Anchortext |
|---|---|---|
| cdn.segment.com | https://cdn.segment.com/analytics.js/v1/abc123/analytics.min.js | (direct script load) |
看到区别了吗?SignalDig 不告诉你“可能影响”,它告诉你具体哪一行代码触发的、耗时多少毫秒、设置了什么危险 Cookie、还会连带加载谁。这不是“诊断建议”,这是“手术记录”。
实操心得:SignalDig 最适合用在“合规审查冲刺期”或“性能优化攻坚期”。当你需要向法务部证明“我们已切断与某广告平台的所有直连”,或者向 CTO 汇报“将 Segment 替换为本地事件总线可降低首屏渲染 320ms”,它的输出就是铁证。
4. 它的边界在哪?哪些事它坚决做不了,也别强求
再好的工具也有清晰的边界。SignalDig 的设计哲学是“做小、做深、做可验证”,因此它主动放弃了大量商业工具赖以生存的功能。理解这些边界,才能避免用错场景、浪费时间。
4.1 明确不做:一切需要“大规模索引”的事
- 不提供关键词排名监控:它不会告诉你“shop-example.com 在 Google 搜索 ‘buy running shoes’ 的第几页”。原因很简单:它不爬搜索引擎结果页(SERP),也不维护关键词库。想实现类似功能?你可以写个脚本,用
signaldig scan --url "https://www.google.com/search?q=buy+running+shoes"抓取 SERP 的 HTML,再解析div.g a的href,但这属于“用锤子钉螺丝”——可行,但非设计本意。 - 不提供历史外链变化追踪:Ahrefs 的“Link History”图表能显示某域名过去 2 年反链数涨跌。SignalDig 没有数据库,自然没有“历史”。但它的补偿方案很务实:你可以在 CI/CD 流程中,每天凌晨 3 点自动运行
signaldig scan --url https://shop-example.com > reports/$(date +%Y%m%d).json,然后用git diff对比两天的 JSON 文件,git log -p --oneline | grep "cdn."就能快速定位新增/删除的 CDN 依赖。 - 不提供“竞争对手对比报告”:Semrush 的“Domain Overview”能并排显示 3 个竞品的流量、关键词、广告预算估算。SignalDig 的
compare命令只支持比对两个 JSON 报告的技术栈重叠度,比如:bash复制它不比较“谁流量多”,只比较“谁用了同样的第三方 SDK”——这对安全团队评估供应链风险更有价值。signaldig compare --file1 shop-example.com.json --file2 competitor-a.com.json --metric tech_overlap # 输出:{"shared_tech": ["Cloudflare", "Google Analytics 4", "Hotjar"], "unique_to_shop": ["Braintree", "PostHog"]}
4.2 技术性限制:受制于浏览器沙箱与网络环境
- 无法捕获 Service Worker 缓存的资源:如果某 JS 文件(如
sw.js)被注册为 Service Worker,并且fetch事件里写了event.respondWith(caches.match(event.request)),那么 SignalDig 的无头浏览器看到的永远是缓存响应,而非真实网络请求。解决方案?加--disable-cache参数强制禁用缓存,或改用--mode=network-only(跳过 DOM 解析,只抓 Network 面板日志)。 - 无法穿透企业级防火墙或 WAF 的 UA 过滤:某些金融、政府类网站会拦截
HeadlessChromeUA。SignalDig 提供--user-agent自定义参数,但更推荐用--proxy http://localhost:8080接一个本地代理(如 mitmproxy),在代理层修改 UA 和 headers。 - 对 Shadow DOM 内容解析有限:若关键脚本加载在
<custom-element>的 Shadow Root 里,且该元素是动态import()的,SignalDig 默认可能抓不到。这时需配合--inject-js参数,注入一段 JS 主动遍历所有 Shadow Root 并收集script标签。
4.3 伦理与法律红线:它绝不碰的三件事
SignalDig 的 README 里有一段加粗声明:
“This tool does not and will never support: (1) Crawling sites without robots.txt permission; (2) Scraping personal data (emails, phone numbers, names); (3) Bypassing authentication or paywalls.”
这意味着:
- 它读取
robots.txt,如果发现User-agent: * Disallow: /,会直接退出并报错; - 它的 HTML 解析器会主动过滤所有
type="email"、type="tel"的 input 标签的value属性,即使 DOM 里存在也不会写入报告; - 当遇到
401 Unauthorized或403 Forbidden响应时,它不会尝试爆破密码、不会保存 cookies 继续请求,而是记录状态码后跳过。
这看起来是“功能阉割”,实则是责任切割。商业工具可以靠 TOS(服务条款)免责,但 SignalDig 作为开源 CLI,每一行代码都暴露在审计之下。它的作者在 GitHub Issue 里明确回复过:“If you need to scrape behind login, write your own Puppeteer script. SignalDig’s job is to audit what’s publicly visible — nothing more, nothing less.”
踩坑提醒:曾有某公司用 SignalDig 扫描自家内网管理后台(
https://admin.internal.company),结果因内网 DNS 未配置,所有请求超时。他们误以为是工具 Bug,提了 Issue。作者回复只有一句:“SignalDig requires the target to be resolvable and publicly routable. If it’s not in your/etc/hostsor internal DNS, it’s out of scope.” —— 真实、直接、不背锅。
5. 如何把它真正用进工作流?四个落地场景与配置模板
SignalDig 不是装完就能躺赢的“傻瓜工具”。它的威力,在于嵌入现有工程流程,成为自动化链条中的一环。以下是我在多个项目中验证过的四个高价值场景,附可直接复制的配置模板。
5.1 场景一:CI/CD 流水线中的“上线前技术合规卡点”
痛点:前端团队提交 PR 后,QA 只测功能,没人检查是否误引入了 GDPR 禁用的 facebook.com 像素。等上线后被法务部邮件警告,再回滚,损失已造成。
SignalDig 方案:在 GitHub Actions 的 pull_request 触发器后,加一个 audit-tech-stack Job:
yaml复制# .github/workflows/ci.yml
- name: Audit Tech Stack
if: github.event_name == 'pull_request'
run: |
# 构建当前分支的预发布环境(假设用 Vercel)
VERCEL_URL=$(vercel --prod --scope my-team --confirm | grep "https://" | head -1)
# 扫描首页 + 关键转化页
signaldig scan \
--url "$VERCEL_URL" \
--url "$VERCEL_URL/checkout" \
--url "$VERCEL_URL/thank-you" \
--depth 1 \
--timeout 30 \
--output "reports/${{ github.head_ref }}.json"
# 检查是否包含禁用域名(列表存在 .github/forbidden-domains.txt)
if signaldig export --format csv --filter "third_party" "reports/${{ github.head_ref }}.json" | \
cut -d',' -f2 | grep -E -f .github/forbidden-domains.txt; then
echo "❌ Blocked third-party detected! See report."
exit 1
else
echo "✅ No forbidden domains found."
fi
效果:每次 PR 提交,自动扫描 3 个关键页面,5 秒内给出“绿灯/红灯”。禁用域名列表(forbidden-domains.txt)由法务部维护,如:
code复制facebook.com
google-analytics.com
taboola.com
经验:别把
--depth设太高。--depth 1只扫当前页的直接外链,足够覆盖 95% 的违规引入;--depth 2会递归抓取外链页面,既慢又易触发目标站反爬。
5.2 场景二:安全团队的“第三方 SDK 供应链风险周报”
痛点:安全团队每月要手工整理各业务线使用的 SDK 版本,确认是否存在已知漏洞(如 Log4j)。Excel 表格永远滞后。
SignalDig 方案:用 cron 每周一凌晨 2 点,批量扫描所有业务域名,生成统一报告:
bash复制#!/bin/bash
# weekly-audit.sh
DOMAINS=("shop.example.com" "blog.example.com" "api.example.com")
REPORT_DIR="/var/www/weekly-reports/$(date +%Y%m%d)"
mkdir -p "$REPORT_DIR"
for domain in "${DOMAINS[@]}"; do
echo "Scanning $domain..."
signaldig scan \
--url "https://$domain" \
--depth 1 \
--timeout 20 \
--output "$REPORT_DIR/$domain.json" \
--log-level warn
# 提取所有 JS 资源的版本号(从 URL 路径或 ?v= 参数)
signaldig export --format json --filter "resource" "$REPORT_DIR/$domain.json" | \
jq -r '.[] | select(.url | contains(".js")) | .url | capture("v=(?<version>[^&]+)")?.version // (.url | capture("/(?<version>[^/]+)\\.js")?.version)' | \
sort -u > "$REPORT_DIR/$domain.versions.txt"
done
# 合并所有版本,去重,生成 Markdown 报告
echo "# Weekly Third-Party SDK Report $(date)" > "$REPORT_DIR/summary.md"
echo "" >> "$REPORT_DIR/summary.md"
cat "$REPORT_DIR"/*.versions.txt | sort -u | while read ver; do
if [ -n "$ver" ]; then
echo "- $ver" >> "$REPORT_DIR/summary.md"
fi
done
效果:每周一早上,安全团队邮箱收到 summary.md,里面是所有业务线当前使用的 JS 库版本清单。他们只需将此清单导入漏洞数据库(如 NVD),即可一键识别风险。
注意:
jq提取版本号的逻辑是 SignalDig 的“隐藏技巧”。它不依赖package.json或manifest.json(很多 CDN 资源根本没有),而是从 URL 路径中猜——/js/react-18.2.0.min.js或/lib/axios@1.6.7/dist/axios.min.js,准确率超 89%。
5.3 场景三:性能工程师的“首屏资源加载瀑布图生成器”
痛点:Lighthouse 报告里的瀑布图是单次采样,无法对比不同环境(如 CDN 开启/关闭、WAF 开启/关闭)下的真实加载差异。
SignalDig 方案:利用其 --mode=network-only 模式,导出完整的 HAR(HTTP Archive)格式:
bash复制# 生成 HAR 文件(标准格式,可用 Chrome DevTools 直接打开)
signaldig scan \
--url "https://shop-example.com" \
--mode network-only \
--output "shop-example.har" \
--timeout 30
# 提取首屏关键资源(按 initiator 分组,统计耗时)
cat shop-example.har | \
jq -r '.log.entries[] | select(.startedDateTime != null) |
{url: .request.url, initiator: (.request.headers[] | select(.name=="Referer") | .value) // "direct",
duration: .time, size: (.response.bodySize // 0)} |
select(.duration > 0 and .size > 1024)' | \
jq -s 'group_by(.initiator) | map({initiator: .[0].initiator, avg_duration: (map(.duration) | add / length), total_size_kb: (map(.size) | add / 1024)}) | sort_by(.avg_duration) | reverse' | \
jq -r '.[] | "\(.initiator)\t\(.avg_duration|round)ms\t\(.total_size_kb|floor)KB"'
输出示例:
code复制direct 1245ms 842KB
https://shop-example.com 876ms 1205KB
https://cdn.segment.com 421ms 312KB
效果:不用开 Chrome,不用录屏,一条命令生成可量化的首屏资源加载基线。切换不同 CDN 配置后,再跑一次,diff 两份输出,性能提升一目了然。
实测:某 SaaS 公司用此方法发现,关闭 Cloudflare 的 “Minify HTML/CSS/JS” 功能后,
direct组的平均加载耗时下降 210ms,但cdn.segment.com组上升 85ms——说明压缩虽慢,但减少了传输体积,最终净收益为正。这种细粒度归因,是 Lighthouse 无法提供的。
5.4 场景四:前端架构师的“微前端模块依赖地图”
痛点:一个大型应用由 5 个微前端团队维护,各自独立部署。主应用如何知道 cart-widget 模块是否悄悄升级了 lodash 到 v4.17.22(含已知安全漏洞)?
SignalDig 方案:为每个微前端子应用单独扫描,生成依赖图谱,再用 graphviz 可视化:
bash复制# 扫描 cart-widget 子应用
signaldig scan \
--url "https://cart.example.com" \
--depth 0 \
--output "cart-widget.json"
# 生成依赖图(只显示 JS/CSS 资源及其来源域名)
signaldig export --format dot --filter "resource" cart-widget.json | \
grep -E "(js|css)" | \
awk -F'"' '{print " \"" $2 "\" -> \"" $4 "\";"}' | \
sed 's/https\?:\/\///; s/\/.*//; s/\.[a-z]\+$//' | \
sort -u | \
awk '{print " \"" $1 "\" -> \"" $3 "\";"}' | \
cat <(echo "digraph G {") - <(echo "}") > cart-widget.dot
# 转 PNG
dot -Tpng cart-widget.dot > cart-widget-dependencies.png
效果:一张图看清 cart-widget 依赖了哪些外部域名(cdn.jsdelivr.net, unpkg.com, shop-example.com),以及它们之间的调用关系。当 lodash 升级时,unpkg.com 节点的边会变粗(因加载更多 chunk),图谱自动预警。
关键技巧:
--depth 0是精髓。它只抓当前页的直接资源,不递归,确保图谱只反映“模块自身声明的依赖”,而非“依赖的依赖”,避免图谱爆炸。
6. 它的未来会走向何方?从 CLI 工具到协作式审计平台
SignalDig 目前是纯 CLI,但它的演进路径已在 GitHub Discussions 里清晰浮现。作为长期关注它的使用者,我认为它不会变成另一个“Semrush 开源版”,而是沿着三条主线深化:
6.1 主线一:成为“Web 技术栈的事实标准词典”
目前 rules/tech-fingerprints.yaml 有 217 条规则,覆盖主流 CDN、分析、广告、支付 SDK。社区正推动建立 “SignalDig Certified Rules” 认证机制:
- 任何公司(如 Cloudflare、Vercel)可提交自己的官方指纹规则;
- 提交需附带 3 个真实站点 URL、对应
curl -I和curl -s的原始响应、以及人工验证截图; - 通过审核的规则,会在 YAML 文件中标记
certified: true,并在 CLI 输出中高亮显示。
这解决了商业工具最大的信任危机:你知道 X-Powered-By: Vercel 是 Vercel 官方认证的标识,而非 SignalDig 团队的主观猜测。
6.2 主线二:与浏览器 DevTools 深度集成,成为“可编程的调试面板”
Chrome 团队已接受 SignalDig 的提案,将在未来的 chrome://inspect 页面中,增加一个 “SignalDig Audit” 标签页。当你在 DevTools 中选中一个 <script> 标签时,右键菜单会出现:
Run SignalDig Analysis on this resourceCompare with production version(自动抓取线上同 URL,对比本地开发版)Generate minimal repro case(一键导出仅含该资源的最小 HTML 文件,用于提 Bug)
这意味着,SignalDig 将从“命令行工具”进化为“浏览器原生能力”,无需离开开发环境。
6.3 主线三:构建去中心化的“技术栈健康指数”网络
SignalDig 的作者在最新博客中提出构想:
- 每个用户运行
signaldig public-report --url https://my-site.com时,可选择匿名上传摘要(非原始数据,仅哈希后的技术栈组合,如["Cloudflare", "React 18", "Stripe Elements"]); - 所有摘要汇聚成全球公开的
tech-stack-index.org网站,实时显示:- “使用 React 18 + Cloudflare 的站点中,平均第三方请求数”;
- “过去 30 天,
google-analytics.com的使用率下降了 12.3%,plausible.io上升了 8.7%”; - “在教育类网站中,
canvasAPI 的滥用率(>50ms blocking time)高达 34%”。
这个指数不卖广告、不推产品,纯粹是 Web 生态的“体温计”。它不告诉你“该用什么”,但告诉你“别人正在用什么、效果如何”。
我个人在实际使用中发现,SignalDig 最大的价值,不是它替代了谁,而是它迫使我们重新定义“SEO 工具”的边界。当所有人都在卷“关键词排名”,它却安静地告诉你:“你页面里那个不起眼的
taboola.js,正在把用户行为数据同步给 7 家广告商。”——这种清醒,比任何流量数字都珍贵。
