一个用于发现产品提交通道与发布目录站点的轻量级探索工具。
GitHub：https://github.com/SeeleAI/submission-site-discovery
submission-site-discovery 主要面向 Product Hunt 、BetaList 、Uneed 这类“产品发布站 / 产品目录站”的发现工作。它的核心思路不是全网盲爬，而是从已知种子产品出发，沿着公开的 alternatives 页面向外扩展，提取真实外链站点，再把重复发现合并成一份更可信的候选提交站清单。
这个仓库的定位非常明确：它是一个基于公开页面的轻量级发现实现，而不是一个“万能型站点图谱爬虫”。
很多增长团队、独立开发者或产品营销团队，通常只知道少数几个头部平台，比如 Product Hunt 、BetaList ，但真正有价值的长尾提交站往往分散、零碎，而且很难系统化发现。
这个仓库存在的意义，就是把“第一层发现工作”流程化、可复现化：
需要强调的是，当前实现只覆盖“发现”阶段，不负责后续的提交路径验证，也不会自动帮你完成实际投稿。
目前仓库已经实现的主路径，主要围绕 SaaSHub 风格的公开 alternatives 页面。
当前 crawler 的工作方式是：
/<slug>-alternatives 页面开始抓取，例如 /product-hunt-alternativestitle="Visit Website"?page=N 的方式继续翻页抓取candidates.jsonl、shortlist.csv 和 review_notes.md这个仓库并不意味着“通用型拓扑爬取问题已经被解决”。
像 AlternativeTo 这样的复杂来源，通常还需要更强的能力支持，例如：
因此，这个项目更准确的理解方式应该是：
一个围绕 SaaSHub 及相似公开 alternatives 页面构建的实用型发现工具， 而不是一个通用的 submission-site 图谱引擎。
项目的直接依赖刻意保持在很轻的范围内：
urllib、ssl、re、csv、jsoncertifi在部分 macOS 环境中，certifi 可以提升 SSL 兼容性。安装方式如下：
pip install certifi
除了显式依赖之外，这个项目还有一个很关键的“隐性运行前提”：它依赖 SaaSHub 当前公开页面的可访问行为。
虽然 SaaSHub 走在 Cloudflare 后面，但目前它的公开 alternatives 页面看起来仍处于相对基础的防护模式：
403 ForbiddenUser-Agent 的普通 HTTP 请求，仍有机会返回 200 OK这意味着当前脚本之所以能工作，是因为这些页面的 HTML 还可以在当前防护级别下被直接获取。
这并不等于“已经绕过 Cloudflare”，更不意味着这套方法对所有站点都成立。
如果未来 SaaSHub 升级到更强的防护策略，例如：
那么当前实现就会失效，届时必须引入更强的兜底方案。
需要明确的是，当前仓库 没有 依赖以下重型方案：
submission-site-discovery/
├─ README.md
├─ LICENSE
├─ .gitignore
├─ config/
│ └─ seeds.json
├─ demo/
│ └─ demo-products.txt
└─ scripts/
└─ discover_submission_sites.py
python3 scripts/discover_submission_sites.py discover \
--config config/seeds.json \
--product "Product Hunt" \
--output-root outputs
python3 scripts/discover_submission_sites.py discover \
--config config/seeds.json \
--products-file demo/demo-products.txt \
--output-root outputs
# 校验配置文件
python3 scripts/discover_submission_sites.py validate --config config/seeds.json
# 查看执行计划
python3 scripts/discover_submission_sites.py plan --config config/seeds.json --product "BetaList"
# 仅初始化运行骨架
python3 scripts/discover_submission_sites.py init-run --config config/seeds.json --product "BetaList"
每次运行的产物都会写入：
outputs/runs/<timestamp>/
主要文件如下：
| 文件 | 用途 |
|---|---|
manifest.json |
记录本次运行的元信息与整体状态 |
seed_inputs.jsonl |
标准化后的种子输入 |
frontier.jsonl |
各来源任务的执行记录 |
candidates.jsonl |
带证据链的完整候选站点数据 |
shortlist.csv |
简化后的候选短名单，便于人工筛选 |
review_notes.md |
本次运行总结、注意事项与抓取备注 |
默认配置文件位于 config/seeds.json。
几个关键字段如下：
graph_sources
定义来源站点，目前包含 SaaSHub ，也预留了 AlternativeTo 等 scaffold 项anchor_sites
定义已知的种子平台或基准样本query_seeds
用于描述和限定发现方向的关键词短语limits
定义抓取过程中的边界与保护阈值当种子名称默认生成的 slug 与 SaaSHub 实际路径不一致时，可以额外补充 saashub_slug 字段。
例如：
{
"name": "Uneed",
"saashub_slug": "uneed-best"
}
当前版本有几条边界需要提前知道：
AlternativeTo 目前仍属于图谱来源脚手架，不是完整适配器该仓库由 SeeleAI 发布，是其开源产品增长工具链的一部分。
Seele 正在构建 Seele01 Game Model，目前产品能力主要聚焦于通过自然语言生成 Three.js 与 Unity 游戏，相关 API 与工作流能力也会逐步对外开放。
MIT
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。