llms.txt 是什么？格式、实践与效果评估

llms.txt 从哪来？定位是什么？

llms.txt 由 Answer.AI 的 Jeremy Howard 在 2024 年 9 月提出，动机很实际：网页塞满导览、广告与脚本，对上下文长度有限的语言模型不友善，不如提供一份干净的 Markdown 摘要，列出网站是什么、重点页面在哪。要注意它的身分：这是社群提案，不是任何搜索引擎或 AI 平台的官方标准——这个定位决定了你该投资多少心力在上面。

格式长什么样？

规范刻意简单，就是一份放在网站根目录的 Markdown 档。结构依序是：H1 写网站名称、引言区块（blockquote）写一段网站摘要、之后用 H2 分区放连结清单，每个连结附一句说明。另外有一个选配的 llms-full.txt，直接放入完整的页面内容，给愿意读长文件的系统使用。两个档案都以纯文字回应，不需要任何特殊标头。

• H1：网站或专案名称（必要）
• Blockquote：一段话的网站摘要
• H2 区块：分类的连结清单，每条附说明
• llms-full.txt（选配）：完整内容的展开版本

本站的实践：动态生成，不手写

我们在 Next.js App Router 用 Route Handler 提供 /llms.txt 与 /llms-full.txt，内容不是手写的静态档，而是从跟网页同一份资料层（服务、案例、价格的 TypeScript 内容档）动态组出来，并以 force-static 在建置时输出。这个设计解决了手写档案最大的问题：内容漂移。价格改了、服务改了，llms.txt 在下次建置自动同步，不会出现网页说一套、llms.txt 说另一套的情况——对 AI 系统输出过期资讯，比没有这个档案更糟。

效果的诚实评估：Google 不用它

这是多数教学不会告诉你的部分。Google 官方文件明确说明 AI 功能没有额外的技术门槛，搜索团队成员也公开表示不使用 llms.txt；其他 AI 平台是否读取、读了是否影响引用，目前都没有官方承诺。我们检视自己的服务器纪录，能看到部分 AI 爬虫抓取过这两个档案，但「被抓取」与「影响引用」是两件事，后者无法验证。所以我们的结论是：llms.txt 是成本极低的补充措施，不是 GEO 的核心工作——真正的核心仍是可索引的内容与一手证据。

该不该部署？判断方式

值得做的理由：成本极低（一个档案）、没有任何已知风险、万一未来有平台正式采用你已就位。不值得投入的情况：有人要你为此付顾问费，或把它包装成「AI 收录必备」来卖——这与平台官方立场不符，可以直接当成判断厂商诚信的试金石。我们对客户的说法是一致的：做，但它排在技术 SEO、内容证据与量测之后，优先序很后面。

部署后怎么验证？

三件事：一是用 curl 或浏览器直接开 /llms.txt，确认回应 200、内容是最新的；二是检查内容过滤与 sitemap 一致——noindex 的页面不应该出现在 llms.txt 里，否则等于把你不想曝光的内容主动递给 AI；三是定期看服务器纪录，记录哪些爬虫实际抓取过，这是你判断「有没有人在读」的唯一一手资料。