你在 ChatGPT 里问「国内做 AI 搜索可见度监测的公司有哪些」，答案里出现了三家同行，唯独没有你。回到站内自查：内容在更新、sitemap 干净、robots 也没挡谁。问题往往出在更前面一步——AI 代理第一次访问你的站点时，读到的是导航栏、Cookie 提示和一堆 JavaScript，而不是一段能直接看懂的自我介绍。
llms.txt 就是为这一步准备的文件。下面把规范原文拆成可执行的动作：它到底是什么、和 robots.txt 怎么分工、四层结构怎么写、八个常见错误、以及怎么验证它真的起了作用。模板可直接复制。
llms.txt 是什么：给 AI 代理的一份站点导读
llms.txt 是放在站点根目录（或任一子路径）的 Markdown 文件，用固定结构说明「这个站点是什么、关键内容在哪」，让 AI 代理不必先解析完整 HTML 就能找到入口。
它由 Answer.AI 的 Jeremy Howard 在 2024 年 9 月提出，2026 年发布 v2 版本（依据 llmstxt.org 规范页）。需要说清楚：它是提案，不是 W3C 或搜索引擎的官方标准，也没有任何平台公开承诺「一定读」。但生态侧的动作值得注意——OpenAI、Anthropic、Google Gemini 的开发者文档站都自己发布了 llms.txt，Chrome Lighthouse 也把 llms.txt 检查纳入 agentic browsing 审计项。
可引用的结论：llms.txt 不控制排名，它的作用是降低 AI 理解你站点的成本；成本越低，被正确引用和推荐的概率越高。
和 robots.txt、sitemap.xml 的分工
三者回答三个不同问题：robots.txt 管「能不能来」，sitemap.xml 管「有哪些页面」，llms.txt 管「先看哪些、怎么理解」。混用会同时削弱三者。
| 文件 | 回答的问题 | 面向对象 | 典型误用 |
|---|---|---|---|
| robots.txt | 哪些路径允许抓取 | 所有爬虫 | 用 Disallow 挡住 AI 爬虫，同时也挡掉被引用的机会 |
| sitemap.xml | 全站可索引页面清单 | 搜索引擎 | 直接改名当成 llms.txt |
| llms.txt | 站点是什么、关键入口在哪 | AI 代理与模型 | 写成营销文案，没有链接和说明 |
一个具体差别：sitemap 追求「全」，动辄几千条 URL，塞不进上下文窗口；llms.txt 追求「精」，通常只列十几到几十个关键链接，每条带一句说明。规范里写明了这个分工——sitemap 不是 llms.txt 的替代品。如果 GEO 与 SEO 的边界还没理清，建议先读什么是 GEO，再决定这份文件该列什么。
规范要求的四层结构
合规的 llms.txt 只有四层，顺序固定：H1 站名（唯一必需）、引用块摘要、补充说明、H2 分组的链接列表。少一层也能跑，但代理拿到的信息会明显变少。
| 层 | 写法 | 作用 | 是否必需 |
|---|---|---|---|
| 1 | # 站点名 | 声明这是谁，唯一必需项 | 必需 |
| 2 | > 一句话摘要 | 让代理三秒内知道你是谁、服务谁 | 建议 |
| 3 | 普通段落 | 补充口径、版本、使用约束 | 可选 |
| 4 | ## 分组 + [名称](URL): 说明 | 可被程序稳定解析的入口清单 | 建议 |
# AiVisible
> AI 搜索可见度监测与 GEO 优化平台，覆盖 DeepSeek、ChatGPT、Perplexity、文心一言等平台。
## 核心页面
- [免费检测](/research): 输入品牌名，输出各平台可见度分数
- [什么是 GEO](/blog/what-is-geo): 概念、边界与常见误解
## Optional
- [定价](/#pricing): 套餐与配额说明
两个容易忽略的细节：链接必须写成 Markdown 链接 [名称](URL)，后面可跟冒号和说明，这种格式才能被正则与解析器稳定处理；约定俗成的 ## Optional 段放可以跳过的次要信息，上下文紧张时它们会被优先丢弃。
规范还建议给关键页面提供同 URL 的 Markdown 版本（page.html.md 或 page.md），并用 rel="alternate" type="text/markdown" 声明；llms.txt 自身则通过 rel="describedby" 被页面引用。这一步决定了代理点进链接后拿到的是干净文本，还是又一个 HTML 外壳。
五步写出你自己的 llms.txt
从零到上线五个动作，熟练后一小时能做完；难点不在写文件，而在选对要列哪些页面。
- 选页面：先列 10 到 20 个「代理必须知道」的页面——首页、产品与服务页、定价、核心概念、常见问题、联系方式。不要按栏目结构列，按「用户会问什么」列。
- 写摘要：引用块里一句话说清「你是谁、服务谁、覆盖什么」。品牌名和定位要与全站一致，这是模型建立实体认知的基础。
- 分组：按用途分 H2，例如「核心页面」「文档」「案例」。每组 3 到 8 条，超过就再拆一层。
- 每条加说明：链接后补 10 到 20 字，写清「点进去能拿到什么」。没有说明的链接，代理无法判断优先级。
- 挂 Markdown 版本并自测：给核心页提供 .md 版本，再用规范建议的方法验证——只把 llms.txt 交给一个代理，问它「这家公司做什么、有哪些产品」，看回答是否准确。
八个常见错误
下面八条覆盖了绝大多数「写了但没效果」的情况，逐条对照比重新写一遍更快。
- 只列链接不写说明：代理拿到一串 URL，等于拿到一份目录，仍然不知道哪个重要。
- 把 sitemap 改名当 llms.txt：几千条 URL 塞不进上下文，而且没有摘要。
- 写成营销文案：「行业领先」这类词对模型没有信息量，还会稀释事实。
- 摘要与站内不一致：品牌名、定位在不同页面写法不同，实体无法归并。
- 链接指向 HTML 壳：没有 .md 版本，代理还得再解析一遍导航和脚本。
- 只写一次不维护：新增产品页不更新，代理读到的是过期结构。
- 当成收录开关：它不控制抓取，也不保证被读取；能不能来是 robots.txt 的事。
- 用它替代结构化数据：两者互补，Schema 描述页面实体，llms.txt 描述站点结构。
怎么验证它起作用了
llms.txt 的效果不能靠感觉判断，三个可观测信号足够说明问题：代理提问的准确率、AI 爬虫的请求日志、各平台可见度分数的变化。
第一步建基线。用 AiVisible 免费检测做一次全平台扫描，记录 DeepSeek、ChatGPT、Perplexity、文心一言等平台的分数与引用来源；上线 llms.txt 后每两周复测一次，重点看「引用来源里有没有出现你自己的页面」。没有基线，任何变化都无从归因。
第二步看日志。在服务器访问日志里筛 GPTBot、ClaudeBot、PerplexityBot 等 UA，确认它们是否请求过 /llms.txt，以及请求后是否顺着链接抓了 .md 版本。这是最硬的证据，也最容易被人跳过。
第三步做代理自测。新开一个会话，只提供 llms.txt，问三个问题：公司做什么、有哪些产品、怎么联系。回答出现错误或遗漏，说明摘要或分组需要改。这个方法和规范给出的验收思路一致——文件好不好，交给代理来判断。
想更系统地做这件事，可以参考AI 可见度体检的完整流程，把 llms.txt 放进整体的可见度工作里，而不是单独当一个文件来维护。
一个可直接对照的实例
拿我们自己的站点当样本最省事：aivisible.top 的 /llms.txt 就是一个按规范写的极简版，可以直接打开对照。
它的第一行是 # AiVisible，紧跟一句引用块摘要，说明平台覆盖 DeepSeek、ChatGPT、Perplexity、Kimi、通义千问与文心一言；之后是五个 H2 分组——核心产品能力、GEO 的定义、关键页面、公司主体、联系方式，整份文件只有 31 行。关键页面那组用 Markdown 链接加说明，把首页、免费检测入口、中英文博客的路径一次交代清楚。
值得注意的取舍是：它没有罗列全部 30 多篇博客，只给到博客索引页。理由是 llms.txt 的职责是「导航到入口」，具体文章应该由代理顺着索引再走一步，而不是把整站目录塞进文件里。这种「只给入口、不给全量」的写法，正是它和 sitemap 最本质的区别。
你可以照着这个结构改写自己的文件：先把 H1 和摘要写对，再决定分几组、每组放几条，最后给每条补一句说明。格式对了，剩下的是内容判断。
什么情况下可以不写
llms.txt 不是所有站点都值得投入：内容少于十个页面、或业务完全依赖站内成交的站点，优先级应排在结构化数据和内容质量之后。
原因很直接：它优化的是「代理理解站点的成本」。如果站点本身没有值得被引用的内容，降低理解成本也不会带来推荐。这类站点先把每个产品页写清楚、把常见问题补齐、把 Schema 挂上，收益更确定。llms.txt 是放大器，不是发动机。
反过来，如果你的内容已经在被 AI 引用，只是引用时常常张冠李戴——把产品功能说错、把公司归属搞混——那么 llms.txt 的边际收益会很高，因为它解决的正是「实体与结构」这一类错误。配合面向 AI 的内容写法，效果比单独做一项更稳。
常见问题（FAQ）
llms.txt 是官方标准吗？
不是。它由 Jeremy Howard 与 Answer.AI 在 2024 年提出，目前是一份公开提案，规范与讨论托管在 llmstxt.org 及对应 GitHub 仓库。搜索引擎和 AI 平台没有强制要求，但 OpenAI、Anthropic、Google Gemini 的开发者文档站已经自行发布。
放了 llms.txt，AI 就会推荐我的品牌吗？
不会。它只降低代理理解站点的成本，不决定推荐结果。推荐取决于内容质量、实体一致性、第三方提及和平台自身的检索策略。它是基础工作之一，不是效果开关。
llms.txt 和 robots.txt 会冲突吗？
不冲突，分工不同。robots.txt 声明允许与禁止抓取的范围，llms.txt 提供站点导读。需要注意的是，用 robots.txt 屏蔽 GPTBot、ClaudeBot 这类 UA，会同时失去被这些平台引用的机会。
需要给每个页面都写 Markdown 版本吗？
不必全站铺开。优先给 llms.txt 里列出的核心页面提供 .md 版本，并在 HTML 页用 rel 属性声明，其余页面按访问量逐步补。链接指向没有 .md 版本的页面，代理只能重新解析 HTML。
一个站点可以有多个 llms.txt 吗？
可以。文件放在哪个路径就覆盖该路径下的页面，例如 /docs/llms.txt 只管 /docs/ 下的内容。多个文件同时适用时，代理应使用最具体的那一个。