技术栈检测实战指南：用一个 URL 读懂一个站点的技术栈

在动手针对一个站点做任何工作之前，一位资深工程师做的第一件事就是知道那个页面"实际"跑在什么上面。迁移计划、安全审计、竞品拆解、合作伙伴对接——每一件事都从同一个问题开始：这玩意儿建在什么之上？

Stack Scanner 是这个问题的快速答案。本指南是它的操作手册：指纹匹配的实际原理、HTML-only 检测能看和不能看什么、以及如何在不"过度信任"的前提下读懂置信度标签。

Scanner 怎么工作

Scanner 通过我们的 CORS 代理抓取 URL，解析 HTML 响应，再把结果对一个手工维护的指纹库做模式匹配。每条指纹都是一个能指向某项技术的具体模式——一个 <meta name="generator"> 的值、一段带已知路径的 script 标签、一个 class 前缀、一个 CSS 变量名、一个指向已知 CDN 的 <link>。

对每条匹配，Scanner 报告三件事：

检测到的技术。
分类——CMS、Framework、Analytics、Hosting / CDN、JavaScript library、Marketing 或其他。
置信度标签——高、中、低。

匹配是确定性的。同样的输入产生同样的输出。链路里没有 LLM，没有基于 token 重叠的模糊匹配，也没有从间接信号做推断。模式在指纹库里且在 HTML 里，就报；不在，就不报。

置信度标签，如实解释

置信度不是概率。它是一个分类标签，对应一件具体的事：

高——两个或以上独立强信号同时匹配。一个 meta 标签、一段 script 标签、一个 CSS class 同时指向同一个栈，就是高。不用额外验证就能据此行动。
中——一个强信号匹配。模式在指纹库里也在 HTML 里，但没第二个信号确认。可以据此行动，但值得快速抽检一下。
低——一个弱信号匹配。模式跨多个技术都常见（一个 class 前缀、一个通用脚本名），不能唯一定位栈。把它当提示，不当成结论。

每条匹配下面的 Evidence 行展示的是触发检测的那一段具体模式。读它。如果 evidence 是 <meta name="generator" content="WordPress 6.4.2">，这是高置信检测。如果 evidence 是 class="jsx-abcdef"，信号就弱，标签是合理的低。

Scanner 能看什么

Scanner 能看到 HTML 响应里的任何东西——服务器返回的静态 markup，包括：

<meta> 标签（generator、application-name、theme-color）
<link> 标签（manifest、样式表、对已知 CDN 的 preconnect）
<script> 标签（分析、标签管理器、框架 bundle、第三方 widget）
CSS class 名和内联样式
<html> 属性（data-* 属性、根元素上的 class）
HTML 注释（一些工具在构建注释里自报家门）
内联 JSON 配置块（Next.js、Nuxt、Gatsby 都会发一段）
Open Graph 和 Twitter Card meta 标签

Scanner 也能看到内联 JSON 配置块里的内容——比如 Next.js 会发一个 __NEXT_DATA__ script 标签，经常能识别构建版本。Gatsby 站点会发一个 ___gatsby 全局。这些都在 HTML 可见，所以能被扫到。

Scanner 不能看什么

这是操作员最容易过度信任的部分。Scanner 是 HTML-only。它看不到：

源站的响应头——Server、X-Powered-By、Set-Cookie、自定义平台头。代理发请求，所以 Scanner 看到的是代理的响应头，不是源站的。Web 服务器、语言运行时、边缘平台通常都不可见。
客户端 hydration——HTML 响应之后由 JavaScript 渲染出来的任何东西。如果一个框架 hydrate 了一个 SPA，Scanner 看到的是 bootstrap HTML，不是渲染后的 DOM。
登录后的页面——代理发的是未认证请求。登录墙后面的页面会返回登录表单，而不是页面内容。
需要认证或 cookie 的子资源——如果页面是受控的，子资源也受控。Scanner 报告的是"门"，不是"门后"。
API 响应——客户端应用 hydration 之后获取的任何东西。Scanner 看到的是 bootstrap fetch，不是后续的 XHR。
JavaScript 跑完之后的 DOM——同理，任何只存在于渲染后 DOM 里的东西。SPA 特有的运行时特性（路由 handler、hydration marker）都不可见。

实际效果：对于营销站、内容站、传统 CMS 驱动的页面，Scanner 是准的。对于 SPA 和登录后应用，Scanner 看到的是前门，不是房子。

什么时候跑

Scanner 真正值钱的四个时机：

迁移范围讨论会之前——确认栈确实是你被告知的那个，并把团队忘记提的东西挖出来。
安全审计之前——知道要查哪些 header 和运行时特性，以及哪些 CMS 插件很可能在范围内。
合作伙伴对接之前——确认对方 API 从浏览器可达，并发现你可能踩到的第三方 SDK。
竞品拆解——知道竞品跑的 CMS、框架、分析栈，并发现迁移信号（新的框架版本、新的分析供应商）。

不要把它当监控检查跑。Scanner 是一次性审计，不是持续监控。栈变化是慢的；大多数站点一季度一次就够了。

如何读懂输出

结果页有三个区：分类汇总、检测到的技术列表、每条匹配的 evidence。看的时候请记住几件事：

"无结果"本身就是个发现。 它可能意味着站点用了自定义栈，也可能只是指纹库还没收录。这里的信号是"我们指纹不出来"，不是"这站没栈"。
CMS 上的高置信是可执行的。 Cloudflare 上的高置信不是（Cloudflare 从 header 检测，我们看到的是代理不是源站，信号不可靠）。按你问题关心的分类去筛。
"Hosting / CDN" 分类噪声最大，因为 Scanner 只能看到代理，看不到源站边缘。把这个分类读成"代理托管在 X 上"，而不是"站点托管在 X 上"。
营销标签和分析是最准的，因为它们按设计就在 HTML 里。如果 Scanner 报了 HubSpot 或 Segment，这是可靠的。

常见模式与其含义

反复出现的一组检测模式：

Next.js + Vercel + Segment + HubSpot——现代 B2B SaaS 营销站，边缘平台上 SSR。__NEXT_DATA__ blob 是决定性证据。
WordPress + Yoast + MonsterInsights——有较长历史的内容站。wp-content 路径和 yoast JSON-LD block 是指纹。
Shopify + Klaviyo + Google Analytics——DTC 电商站。cdn.shopify.com script 和 shopify-features body class 是信号。
Astro + Cloudflare + Plausible——边缘平台上的现代 static-first 站点。astro- data 属性和 /_astro/ script 路径是指纹。
Webflow + Mixpanel——设计驱动的站点带产品分析。webflow- data 属性和 mixpanel.init script 是信号。

这些是模式，不是规则。Scanner 报技术，含义由你来判断。

什么时候该升级到自建系统

如果你一周跑 Scanner 超过几次，就到了一个自建系统更划算的临界点。几个信号：

你需要审计登录后页面，代理做不到。
你需要看源站的响应头，代理隐藏了。
你需要审计 hydration 后的 SPA 页面，这要无头浏览器而不是 HTML fetch。
你需要跟踪栈随时间的变化，不是一次性审计。
你需要检测不在公开指纹库里的内部工具。

上述任何一种情况下，对的解法是一套对接你自己基础设施的自定义栈检测系统，带着你实际需要的 header、认证和信号跑。免费 Scanner 是合适的起点，不是终局。

Scanner 地址：/tools/stack-detector。任何迁移、审计、集成对话之前对 URL 跑一次。代理每次扫描只发一次 fetch；除了你提交的 URL，没有任何数据被存储或发给第三方。