llms.txt 完整指南：如何写出给 AI 看的网站说明书

llms.txt 完整指南：给 AI 看的网站说明书怎么写这篇文章先交代读者为什么会提出这个问题，再按选择标准、证据来源、适用场景和常见误区展开，尽量用可核查来源支撑关键判断，帮助读者更清楚地比较方案并做出适合自己业务的决定。

llms.txt 是放在网站根目录的 Markdown 文件，专门告诉 ChatGPT、Claude、Perplexity 等 AI 该读哪些页面。本指南分五步拆解从判断必要性到写出可被 AI 正确引用的完整流程。

第一步：先判断你的网站要不要做 llms.txt

llms.txt 是一项由 Answer.AI 联合创始人 Jeremy Howard 于 2024 年 9 月提出的开放规范，核心思路是在网站根目录（/llms.txt）放一个经过筛选的 Markdown 文件，明确告诉大语言模型应该优先阅读哪些干净页面。它不是访问控制文件，也不是爬虫发现文件，本质上是一条阅读提示。

根据 GEO Wiki 的抽样数据，目前约 10% 的抽样域名已部署 llms.txt，文档平台已开始自动生成该文件，采用率仍在上升。

什么情况下值得做？

你的网站有明确的品牌信息、产品说明或专业内容，希望被 AI 正确引用
你的核心页面超过 5 个，AI 若只爬首页会遗漏关键信息
你已经在做 GEO（生成式引擎优化），需要完整的机器可读信号链

什么情况下暂时可以跳过？

纯个人博客，内容随机，不需要品牌一致性
网站仍在建设阶段，核心页面尚未稳定

如果你的网站定位清晰、内容成熟，秒站的指南建议：2026 年的中小品牌应当将 llms.txt 列为 AI 可见性基础配置之一，而不是可选项。

第二步：搞清楚 llms.txt、robots.txt、sitemap.xml 的分工

三个文件面向不同的读者，解决不同的问题，不能互相替代。

文件	读者	功能
robots.txt	爬虫	控制哪些路径可以/不可以被抓取
sitemap.xml	搜索引擎索引器	列出所有页面的 URL，帮助发现内容
llms.txt	大语言模型	指定应优先阅读的核心页面及其描述

艾景特 Aijentra 将 llms.txt 定义为「GEO 时代的机器可读公司说明书」，类比关系是：llms.txt 之于 AI，相当于 robots.txt 之于爬虫——但两者解决的是完全不同层次的问题：robots.txt 管的是访问权限，llms.txt 管的是阅读优先级与内容理解。

"llms.txt 是 GEO 生成式引擎优化时代的「机器可读公司说明书」，类似 robots.txt 之于爬虫。它告诉 ChatGPT / Claude / Perplexity：想引用我品牌？这里是经过我授权的信源。" — 艾景特 Aijentra

robots.txt 与 sitemap.xml 已经存在多年，主要服务于传统搜索引擎的爬取与索引流程。AI 模型在推断阶段读取页面时，并不依赖 sitemap 发现链接，也不完全遵循 robots.txt 的爬取限制——它需要的是一份经过人工筛选、语义清晰的内容导航。这正是 llms.txt 填补的空白。

根据 AI SEO Hacker 的 2026 年完整语法指南，llms.txt 的设定流程可以压缩到 3 个步骤，整个文件的维护成本远低于 sitemap.xml 的自动化管道。

第三步：准备 llms.txt 的标准骨架

llms.txt 的文件结构有官方推荐规范，核心由以下几个部分组成：

必填部分

H1 标题：网站或品牌名称，一行，清晰无歧义
摘要段落或引用块：用 1-3 句话说明网站是什么、服务对象是谁、核心价值是什么
H2 分区 + 链接列表：按主题分组，每条链接附带一句话描述

推荐部分

Optional 区块：放置补充信息，比如联系方式、社交媒体、法律声明等不影响主要理解的内容

可选部分

llms-full.txt 链接：如果你有完整版文件，在此指向它

itlibra 的 2026 年解析指南列出了三类信息层级：必填（品牌名、主要描述、核心页面链接）、推荐（产品分类、FAQ 链接、联系方式）、可选（社媒账号、合作信息）。整个文件建议控制在 50 行以内，过长会降低 AI 的解析效率。

一个基础骨架示例如下：

# 品牌名称

> 一句话描述：这个网站是什么，面向谁，解决什么问题。

## 核心页面

- [产品介绍](https://example.com/product): 说明产品功能与适用场景
- [关于我们](https://example.com/about): 公司背景、团队与使命
- [定价方案](https://example.com/pricing): 各方案对比与适用人群

## 常见问题

- [FAQ](https://example.com/faq): 覆盖最常见的 10 个用户疑问

## Optional

- 联系邮箱：hello@example.com

这个骨架的关键原则是：每条链接必须附带一句功能性描述，告诉 AI 这个页面解决什么问题，而不只是列出 URL。

第四步：挑选要放进 llms.txt 的核心页面

llms.txt 不是 sitemap.xml——它不应该包含网站的每一个页面，而是经过人工筛选的高价值核心页面。

筛选标准

该页面能独立回答一个用户的完整问题
该页面包含品牌的关键事实（产品名称、功能、定价、联系方式）
该页面内容稳定，不会因为促销活动或季节性内容频繁变动

应当排除的页面类型

分页列表页（第2页、第3页……）
登录、注册、购物车等功能性页面
内容重复或质量较低的标签页、存档页

"Before you chase mentions on other people's sites, make sure an AI model can actually crawl, rank, read, and attribute your own." — BrandGEO

BrandGEO 在其 AI 可见性体检指南中提出了「四道引用门槛」概念（Four Gates of Citation）：AI 能否抓取、能否排序、能否读懂、能否归因。llms.txt 中收录的页面，必须同时通过这四道门槛——无法被读懂或无法被归因的页面放进来只会稀释文件的信号质量。

一个实用的筛选流程：

列出网站所有页面（可从 sitemap.xml 导出）
按「是否能独立回答一个完整问题」打分（1-5 分）
保留 3 分及以上的页面，通常是 10-20 个
再从中剔除功能性页面，最终保留 5-15 个放入 llms.txt

这个筛选逻辑与 itlibra 指南中的「必填信息」原则一致：少而精，每一条都有信息密度。

第五步：写出能让 AI 快速理解的描述

llms.txt 的链接描述是整个文件中最容易被忽视、也最影响引用质量的部分。描述质量直接决定 AI 是否会选择引用这个页面，以及引用时是否准确。

好描述的三个要素

说明页面解决什么问题，而不是页面叫什么名字
使用用户会问的语言，而不是内部的产品术语
控制在一句话以内，15-30 个中文字符为宜

差描述 vs. 好描述对比

差描述	好描述
产品页	列出所有定价方案及各方案包含的功能上限
关于页面	介绍公司成立背景、核心团队与服务的行业
博客	收录 30 篇 AI 可见性优化的实操教程

llms.txt 与 llms-full.txt 的关系

llms-full.txt 是 llms.txt 的扩展版本：llms.txt 只列链接和简短描述，llms-full.txt 则把每个页面的完整内容内嵌进来，让 AI 无需二次请求就能读到全文。

根据 GEO Wiki 的说明，两者的适用场景不同：llms.txt 适合大多数网站的日常维护，llms-full.txt 适合内容密集型的文档站、知识库或需要离线使用场景的情况。如果你的核心内容超过 20 个页面，可以考虑同时维护两个文件，并在 llms.txt 中用一行注明 llms-full.txt 的路径。

AI SEO Hacker 的语法指南提供了 llms-full.txt 的实际格式范例，核心区别是：每个链接条目后面直接跟着该页面的 Markdown 全文，用分隔线区分各页面内容块。

部署完成后的验证动作

在浏览器访问 yourdomain.com/llms.txt，确认文件可公开访问
检查 Content-Type 是否为 text/plain 或 text/markdown
使用 BrandGEO 或类似工具对网站做 AI 可见性体检，确认 llms.txt 已被正确读取

常见问题 FAQ

Q1：llms.txt 是官方标准还是自发规范？

llms.txt 目前是社区驱动的开放规范，由 Jeremy Howard 于 2024 年 9 月提出，并非 W3C 或 IETF 等标准机构制定的正式协议。各 AI 平台对其支持程度不同，但采用率正在上升。如需了解技术细节，可参考 GEO Wiki。

Q2：不做 llms.txt，AI 就不会引用我的网站了吗？

不一定。AI 模型仍然会通过爬取或训练数据引用你的网站内容。llms.txt 的作用是提高引用的准确性和一致性——让 AI 引用的是你想被引用的页面，而不是随机页面。没有 llms.txt 只是缺少了一个主动引导信号。

Q3：llms.txt 文件多久需要更新一次？

建议每次有重要页面上线或下线时同步更新。如果网站内容相对稳定，每季度检查一次即可。文件本身轻量，更新成本很低，不需要建立专门的自动化流程。

Q4：llms.txt 会影响 robots.txt 或 Google 的抓取行为吗？

不会。llms.txt 是独立文件，不影响 robots.txt 的爬取规则，也不影响 Google Search Console 中的索引设置。两者服务于不同的读者（爬虫 vs. AI 模型），互不干扰。详见 AI SEO Hacker 的分工说明。

Q5：llms.txt 里的描述用中文还是英文？

取决于你的目标受众和主要服务的 AI 平台。如果你的网站主要面向中文用户，描述用中文即可。如果希望同时被英文 AI 工具引用，可以在描述中加入简短的英文对照。艾景特 Aijentra 的模板中提供了同时包含中英文别名的写法，可作参考。

Q6：小网站（不到 10 个页面）有必要做 llms.txt 吗？

有必要，而且成本极低。页面少反而意味着 llms.txt 可以写得更精准——把 5-8 个核心页面列清楚，加上准确的品牌描述，20 分钟可以完成。对于小网站来说，llms.txt 是性价比最高的 AI 可见性配置动作之一。

Q7：如何验证 llms.txt 已经被 AI 正确读取？

目前没有官方验证工具。实用方法是：直接向 ChatGPT 或 Perplexity 提问关于你品牌的问题，观察回答中是否引用了 llms.txt 中列出的页面内容；或使用 BrandGEO 等体检工具生成 AI 可见性报告，对比修复前后的引用率变化。

参考资料：秒站 llms.txt 完整指南 · 艾景特 Aijentra 写法模板 · AI SEO Hacker 语法教学 · itlibra 格式解析 · BrandGEO 四道引用门槛 · GEO Wiki

这篇内容适合谁参考？

适合正在评估「llms.txt 完整指南：给 AI 看的网站说明书怎么写」并需要看清步骤、证据和风险边界的团队。

执行前应该先确认什么？

先确认目标用户、当前可公开证据、官网可被引用的页面，以及需要优先补齐的结构化内容。

如何判断后续优化是否有效？

可以持续观察 AI 答案中的品牌提及、引用来源、页面收录、结构化数据状态和内容质量门结果。

哪些常见误区会影响结果？

不要把未经核验的结论写成事实；每个关键判断都应保留可访问来源，并在上线后复查页面是否可被抓取。

需要多久复查一次？

部署或更新后可先检查页面可访问性与结构化数据，再按固定节奏观察 AI 引用和搜索收录变化。