我们怎样用数据 API + LLM 找外链机会：以 kie.ai 和 evolink.ai 为例

我们运营 API Hop 时，想解决一个很具体的问题：同样做 AI API 的网站，哪些外链来源值得我们进一步研究？

这次我们选了 kie.ai 和 evolink.ai，各取第一页 100 条外链。这篇文章我们没有研究流量、关键词或者整站排名，只想做一张可用的外链清单。

先说结论：200 条原始记录，排除 5 条 broken 后，剩下 195 条；按来源主机名合并，只有 29 个不同来源。evolink.ai 的 100 条里，95 条来自 GitHub，而且只对应 9 个 GitHub 页面。

这篇文章我们就围绕这批数据，说说我们怎么采集、怎么算、怎么让 AI 帮忙整理，以及最后应该做什么。

一、100 条外链记录不等于 100 条外链

两站使用相同参数，返回的结果是什么？

指标	kie.ai	evolink.ai
接口返回的 `TotalRecords`	42,009	10,959
有效记录数	95	100
去重后的具体来源页面	85	14
去重后的来源主机名	25	6
本轮是否继续翻页	否	否

二、我们实际怎样请求这两份数据？

本次实际使用的接口

我们先读取了API Hop务的 SimilarwebAPI 文档

参数	本次取值
`Key`	`kie.ai` / `evolink.ai`
`Page`	`1`
`PageSize`	`100`
`Status`	`Active`
`FollowType`	`All`
`sort`	`DomainScore`
`asc`	`false`

请求格式如下：

curl --fail-with-body --max-time 90 --get \
  'https://api.apihop.ai/v1/similarweb/websites/backlinks' \
  --header "Authorization: Bearer ${APIHOP_API_KEY}" \
  --data-urlencode 'Key=kie.ai' \
  --data-urlencode 'Page=1' \
  --data-urlencode 'PageSize=100' \
  --data-urlencode 'Status=Active' \
  --data-urlencode 'FollowType=All' \
  --data-urlencode 'sort=DomainScore' \
  --data-urlencode 'asc=false'

成功响应的真实结构

kie.ai 响应的顶层结构如下。为方便阅读，我们只保留第一条记录中的几个字段，其余记录省略：

{
  "TotalRecords": 42009,
  "Records": [
    {
      "UrlFrom": "https://github.com/yitao2020/Vue-AI-web-game-asset-generator",
      "UrlTo": "https://kie.ai/",
      "Anchor": "KIE.ai",
      "DomainScore": 89,
      "IsLost": false,
      "IsBroken": false
    }
  ],
  "Page": 1,
  "PageSize": 100
}

三、我们怎样把 200 条记录变成可研究的来源？

先由程序去重和算数

我们按固定顺序处理：

保存两个原始 JSON，保留服务返回的全部字段。
为原始行编号：kie.ai 使用 K001 起，evolink.ai 使用 E001 起。
保留有效的记录，并在 CSV 中保留排除标记。
在每个竞品内，按 UrlFrom + UrlTo 精确去重。
按标准化后的来源主机名汇总，同时统计不同 UrlFrom 页面数。
跨两个样本合并主机名，得到 29 个不同来源。

这些你都可以让AI帮你做，这里我们推荐使用Claude Opus5.5和ChatGPT Astra来做数据分析

最明显的差异，来自来源集中度

来源主机名	kie.ai 保留链接数	evolink.ai 保留链接数
`github.com`	21	95
`saashub.com`	26	0
`skool.com`	14	0
`dev.to`	4	0
`note.com`	3	0
`producthunt.com`	3	0
`icons8.com`	0	1
`4.bing.com`	2	1

evolink.ai 的 GitHub 记录相比 kie 多了很多，这引起了我们的注意，所以我们深入地分析了一下：95 条链接来自 9 个页面。来源路径中出现 EvoLinkAI、Evolink-AI、evolinkai 等与品牌相近的账号名称。这说明他的开源项目外链基本集中在这9个项目中。

kie.ai 的 SaaSHub：26 条链接来自 24 个页面。

两个清洗后样本共同出现的主机名只有 GitHub，这和他们的定位非常相符，其中一块最大的场景就是开发者，我们认为这类外链值得尝试。

四、交给AI的材料，如何输出优质结果？

数字交给程序，归类/分析交给模型

如果要把这一步接入自己的自动化，可以把清洗 CSV 转成 JSON 后使用下面的提示词：

我们在为 AI API 产品研究外链来源。
输入是 kie.ai、evolink.ai 的实际外链样本。

请只根据输入整理最多 15 个来源主机名：
- source_hostname
- evidence_ids：必须来自输入
- source_urls：必须来自输入，保留原始 URL
- target_sites：kie.ai、evolink.ai 或两者
- category：开发者项目 / 产品目录 / 教程 / 社区 / 编辑文章 / 其他
- observation：只写输入能支持的事实
- suggested_action：单独写建议，不混入事实
- verification_needed：页面现状、相关性、账号归属、提交入口、收费条件
- status：统一填写“待核查”

按 source_hostname 合并。
不能补造域名、标题、提交入口或价格。
不能把品牌自己的仓库写成第三方推荐。
不能宣称免费、保证收录、带来流量或提升排名。
没有足够证据时写“无法判断”。

我们从真实记录中选出了 10 个外链

下表中的分类和优先级是我们的初步判断可以推进的外链列表。

来源	哪个样本有记录	原始来源页面示例	我们建议的下一步
SaaSHub	kie.ai	fal alternatives	先核查相关产品分类、提交规则和是否已有本站条目
DEV Community	kie.ai	VEO3 广告生成项目教程	研究如何围绕完整任务写教程，另行确认发布规则
GitHub	两者	Vue 游戏素材生成项目；OpenClaw 用例仓库	查看仓库内容与归属，评估我们能交付什么实际代码资产
Product Hunt	kie.ai	服务返回的跳转 URL	先找对应产品详情页；跳转记录本身不能证明现在可提交
SourceForge	kie.ai	Kie.ai Veo 3 API 页面	核查它是何种产品条目、由谁维护以及发布条件
Icons8 博客	evolink.ai	视频生成模型文章	查看引用上下文，再判断是否适合提供可验证的技术素材
note.com	kie.ai	Midjourney 自动化文章	核查日文内容与目标用户，评估我们是否有完整案例可写
The Automation Exchange	kie.ai	Veo3 视频广告工作流通讯	先核查通讯是否仍更新、作者合作方式及案例要求
PyPI	kie.ai	ai-influencer 软件包	研究真实软件包如何说明 API 依赖；有可用 Python 包时再考虑
CodeCanyon	kie.ai	Influencify 产品页	核查产品使用哪类 API，评估集成合作是否匹配

六、一共消耗了多少？

本轮通过上述原生服务成功调用了两次外链接口，如果用户通过 API Hop 按这一标准价执行相同请求，预算可以这样算：

采集范围	成功请求数	按公开标准价计算的预算
两站各取 1 页	2	$0.001
两站各取 3 页	6	$0.003
两站各取 5 页	10	$0.005

七、总结

这次我们的关注动作是把一个开放的问题，通过API Hop变缩成了一个标准的动作：用两次查询拿到 200 条真实记录，清洗成来源主机名，再挑出 10 个值得进一步推进的URL。 数据 API 提供线索，程序保证数字可复算，AI 帮我们整理文字，最后我们核查决定是否值得行动。